Skip to content

hashgraph-online/awesome-codex-plugins / plugins/alpoxdev/hypercore/skills/hyper-research

hyper-research

Verified

[Hyper] Use this skill when the user asks for multi-source, cited research - fact-finding, comparisons, market or trend analysis, or evidence-backed recommendations across live web, official docs, GitHub, and local repo sources - saved as a markdown report. Do not use for one-source lookups, rewriting, or implementation.

rules/research-workflow.ko.md

View on GitHub
# Research Workflow

조사 작업이 시작될 때 이 규칙 파일을 사용합니다. 이 파일은 질문의 틀 짜기, 충실도 기록, 조사 일지, 첫 수집 파동, 저장, 마감 브리핑을 담당합니다. 확장과 검증, 게이트는 각자의 규칙 파일에 있습니다.

## 1. 요청 확정

- 사용자가 주제를 주지 않았다면 질문 하나로 물어보고, 수집을 시작하기 전에 멈춥니다.
- 깊이는 사용자의 표현(`SKILL.md`, 트리거 조건)에서 고릅니다. 깊이를 나타내는 말이 없으면 기본 모드를 사용합니다.
- `latest`, `current`, `today`, `recent`, `this year` 같은 상대적 날짜 표현이 있으면 최신성에 민감한 요청으로 표시합니다.

## 2. 질문의 틀 짜기

"첫 검색 결과가 무엇이라고 하는가?"가 아니라 "사용자의 전제가 맞다면 무엇이 참이어야 하는가?"에서 출발합니다. 검색을 시작하기 전에 아래 블록을 `brief.md`(기본, deep, parallel)나 리포트의 범위 절(`--quick`)에 적습니다.

```text
Core question: <실제 정보 요구를 한 문장으로>
Axes: <축 - 무엇을, 어디서, 왜 검색할지>   (quick 1-2개, 기본 3-4개, deep 4-6개, 서로 직교하고 같은 각도를 공유하지 않음)
Expected truths: <E1 - 전제가 맞다면 반드시 성립해야 하는 진술>  (축마다 최소 하나)
Entity: <주제가 지목한 대상의 표준 이름과 1차 출처 URL, 또는 "wave 1에서 확정">
Codebase relevant: yes/no | External: yes/no | Execution checks likely: yes/no
Precision demand: <여기서 틀린 주장이 치르는 비용: low | normal | high (법률, 의료, 금융, 보안, 공개 대응)>
```

Expected truths는 이번 조사가 현실과 대조하는 기준입니다. 각 항목은 조사가 끝날 때 `true`, `violated`, `unknown` 중 하나로 판정되고, 리포트는 그 판정을 밝힙니다.

## 3. 충실도 필드 기록

세 필드는 리포트가 무엇에 충실해야 하는지를 정합니다. 각 필드는 먼저 추론하고, 답이 결과를 바꾸면서 요청이나 대상, 출처 어디에서도 결정되지 않을 때만 묻습니다.

| 필드 | 값 | 기본값 | 질문 시점 |
|---|---|---|---|
| `as of` | 조사 시작 시점의 최신, 버전, 릴리스, 태그, 커밋, 날짜, 분기 | 조사 시작 시점의 최신, 조사 날짜 포함 | 주제가 버전에 묶여 있거나 시간에 민감한데 기준점을 지목하는 것이 없을 때 |
| `source floor` | `standard`, `primary only`, `pointed only: <ids/URLs/paths>` | `standard` | 제한 문구("공식 문서만")가 그 바닥 밖에 답이 있는 질문 옆에 있을 때 |
| `derived numbers` | `allowed`, `none` | `allowed` | 요청이 비교나 성장률을 요구하면서 "출처 자체의 숫자만"이라고도 할 때 |

각 필드를 `answered_by: request | default | user`로 기록합니다. 필드마다 질문은 한 메시지에 최대 하나만 넣고 기본값을 먼저 제시하며, 답을 기다리지 않고 수집을 시작합니다. 늦은 답은 리포트를 쓰기 전에 반영합니다. 제한어 없이 지목된 출처는 바닥이 아니라 씨앗입니다.

## 4. 조사 일지 열기

기본, deep, parallel 실행에서는 앞으로 쓸 리포트 옆에 `.hyper/research/[NN].slug/`를 만들고 `references/journal-format.ko.md`에 설명된 파일들을 유지합니다. `--quick`은 장부와 쿼리 로그를 리포트 안에 둡니다.

- 일지 파일은 leader만 씁니다. lane은 절대 쓰지 않습니다.
- 출처와 인용, 숫자, 단서는 들어오는 즉시 적습니다. 일지는 컨텍스트 유실 뒤의 복구 지점입니다. 압축이 일어나면 무엇보다 먼저 `brief.md`와 일지를 다시 읽고, 열려 있는 파동부터 이어갑니다.

## 5. 채널과 쿼리 계획

`references/channel-selection.ko.md`를 읽습니다. 축마다 서로 다른 쿼리와 각 쿼리가 겨냥하는 채널을 실행 전에 쿼리 로그에 적습니다. 영어로 먼저 검색하고, 주제가 지역적이거나 사용자가 출처 언어를 지정하면 그 언어로 훑는 검색을 추가합니다.

## 6. 첫 파동 실행

- 첫 파동에서 모든 축을 한꺼번에 시작합니다. 병렬 수정자가 적용되면 lane으로(`rules/parallel-research.ko.md`), 아니면 leader가 연달아 검색합니다. "축 하나로 시작해서 지켜보자"는 식으로 하지 않습니다.
- 확정되지 않은 엔티티가 있으면 첫 파동에서 확정합니다. 표준 이름, 1차 출처 URL이나 계정, 주장된 범주에 실제로 존재하는지, 신뢰도 한 줄이 그 내용입니다. 확정되지 않은 엔티티는 이후 쿼리나 lane 프롬프트의 전제가 되지 않습니다.
- 후보는 세기 전에 전부 열어 봅니다. 검색 결과 스니펫은 단서이고, 직접 연 산출물이 출처입니다.
- 연 출처마다 발행자, 날짜, 채널, 등급, 역할을 담은 장부 행을 추가하고, 주장이 기대는 정확한 인용이나 행을 적습니다.
- 채널을 쓸 수 없으면 쿼리 로그에 그렇게 적고, 도구를 지어내지 말고 그다음으로 좋은 채널을 씁니다.

그런 다음 `rules/expansion-and-convergence.ko.md`로 넘깁니다.

## 7. 리포트 저장

리포트를 `.hyper/research/[NN].slug.md`에 저장합니다. `NN`은 `.hyper/research/`의 다음 0을 채운 순번이고, `slug`는 주제를 짧게 요약한 ASCII 문자열입니다. 일지 디렉터리도 같은 `[NN].slug` 줄기를 씁니다. 브리프가 생기면 바로 절 제목을 넣어 리포트 파일을 만듭니다. 그래서 중단된 실행도 아무것도 없는 대신 부분 리포트를 디스크에 남깁니다.

리포트 파일을 만들면 처음 다섯 줄 안에 `STATUS: draft`가 들어갑니다. 게이트가 하나라도 열려 있는 동안 이 줄은 남아 있고, 마지막 게이트가 돈 뒤에야 제거합니다. 이미 있는 리포트에서 `STATUS: draft`를 발견한 실행은 새 리포트 파일을 시작하지 않고 일지에서 이어갑니다.

저널 브리프는 충실도 항목 옆에 납품 약속을 적습니다. 형식(`md`가 기본), 경로, 그리고 형식을 고른 주체(`answered_by`: `user`, `default`, `request`)입니다. 약속한 형식과 경로는 `rules/validation.ko.md`에서 저장한 리포트를 대조하는 기준이 됩니다.

## 8. 마감 브리핑

최종 채팅 메시지는 다음 순서를 담습니다.

- 핵심 결론 한두세 문장
- 저장한 리포트 경로, 일지가 있으면 일지 경로
- 노력 한 줄: 검토한 출처와 인용한 출처, 서로 다른 도메인, 파동, 예외 조사, 실행 확인. 기억이 아니라 일지에서 읽어 씁니다.
- 게이트를 돌린 뒤 `bash scripts/report-state.sh finish --state <journal>/report-state.json --report <report.md> --ledger <journal>/sources.md`가 저널 안에 `outcome.json`을 쓰고, `report-state.sh briefing --state <journal>/report-state.json`은 그 파일에서 센 출처·도메인·수리 횟수·게이트 결과와 남은 결함을 출력합니다. 노력 한 줄에는 기억한 숫자가 아니라 그 출력 숫자를 넣습니다.
- 실행 상태(`converged` 또는 `exhausted`), 신뢰도가 제한적일 때는 주요 주의점이나 남은 공백

## Sources

> 확인 2026-11-03.

| Claim | Source |
|---|---|
| 기대 진실에서 출발하는 틀 짜기, 분석 블록, 첫 파동의 엔티티 식별, 실시간 일지, 이른 리포트 뼈대, 마감 노력 한 줄은 `ulw-research` 스킬을 각색한 것 | <https://github.com/code-yeongyu/oh-my-openagent/tree/0d80470e4201925727e88afbafcdf24d7801a588> |
| 세 가지 충실도 필드. 업스트림의 일곱 개를 줄였고, 추론한 기본값과 `answered_by`를 씁니다 | 같은 출처를 이 패키지에서 축소 |
| 스니펫은 단서일 뿐 1차 근거가 아닙니다. 검토한 출처와 인용한 출처는 따로 셉니다 | `instructions/sourcing/references/source-ledger.md` |
| 권위 있는 계획을 컨텍스트 창 밖에 두고, 압축 뒤에 다시 읽습니다 | `instructions/context-engineering/CONTEXT_ENGINEERING.md` |

### 근거 등급

`LOCAL` - 이 파일은 이 패키지 자체의 절차를 설명하며, 위에 이름을 밝힌 업스트림 스킬을 각색했습니다. 축 개수와 충실도 필드 구성은 이 패키지가 고른 것입니다.
rea-changelog-updatemorluto/reaPrepare or rewrite REA release changelogs and GitHub release notes from pinned Git history, with verified contributor thanks and Release Please synchronization.Stars: 470kUpdated Claude CodeCodexVerifiedInstall
academy-guideanthropics/skillsStop and check this skill before finishing any reply to a question about how to use Claude or a Claude product — it recommends matching courses, tutorials, and use cases from Claude Academy (academy.claude.com), Anthropic's learning hub. Trigger on: "how do I", "how can I", "getting started with", "what can Claude do", "teach me", "learn to use"; questions about artifacts, projects, skills, plugins, connectors, MCP; requests about rolling Claude out to a team, class, or organization; and any ask for training materials, onboarding content, or learning resources. Use it when the user is learning how to use a feature or product — not when they are mid-task and just want the task done. This skill composes with other skills: after consulting product documentation to answer how a Claude feature works, also check here for a matching course or tutorial — a docs-grounded answer and an Academy recommendation belong together. Only recommend on a strong match; never invent Academy content.Stars: 197kUpdated Claude CodeCodexVerifiedInstall
claude-apianthropics/skillsReference for the Claude API / Anthropic SDK — model ids, pricing, params, streaming, tool use, MCP, agents, caching, token counting, model migration. TRIGGER — read BEFORE opening the target file; don't skip because it "looks like a one-liner" — whenever: the prompt names Claude/Anthropic in any form (Claude, Anthropic, Fable, Opus, Sonnet, Haiku, `anthropic`, `@anthropic-ai`, `claude-*`, `us.anthropic.*`, `[1m]`); the user asks about an LLM (pricing/model choice/limits/caching) — never answer from memory; OR the task is LLM-shaped with provider unstated (agent/MCP/tool-definition/multi-agent/RAG/LLM-judge/computer-use; generate/summarize/extract/classify/rewrite/converse over NL; debugging refusals/cutoffs/streaming/tool-calls/tokens). SKIP only when another provider is being worked on (overrides all triggers): OpenAI/GPT/Gemini/Llama/Mistral/Cohere/Ollama named in the query; OR `grep -rE 'openai|langchain_openai|google.generativeai|genai|mistralai|cohere|ollama'` over the project hits (run this grep FIRST if no provider named — don't Read the file).Stars: 197kUpdated Claude CodeCodexUnverifiedInstall
doc-coauthoringanthropics/skillsGuide users through a structured workflow for co-authoring documentation. Use when user wants to write documentation, proposals, technical specs, decision docs, or similar structured content. This workflow helps users efficiently transfer context, refine content through iteration, and verify the doc works for readers. Trigger when user mentions writing docs, creating proposals, drafting specs, or similar documentation tasks.Stars: 197kUpdated Claude CodeCodexVerifiedInstall