explore-skill
Verified深入研究论文、topic、系统设计或创新点的分析 skill。用于表层理解、第一性原理分析、设计哲学拆解、因果机制分析、主 agent 调度的迭代深化、子 agent 调研、学术依据查证、笔记化压缩,以及在需要时提炼迁移启发或研究机会。**硬性约束:任何任务在开始实质分析前,必须先输出规划摘要并使用 AskUserQuestion 让用户确认,无例外。**
Skill:深度研究/分析
目标
研究一篇论文、一个 topic、一个系统设计或一个创新点时,让 AI 帮我完成:
- 表层理解;
- 第一性原理分析;
- 创新点拆解;
- 因果机制分析;
- 独立子问题调研;
- 学术依据查证;
- 笔记化压缩;
- 迁移到自己的研究方向和系统设计。
核心思路:
主 agent 负责建立结构、抽象问题、设计子问题; 子 agent 负责清空上下文、独立调研、查证学术依据; 子 agent 只上报后续候选问题,不创建子子 agent; 主 agent 再负责 triage、继续调度、综合、压缩、改写成自己的研究笔记。
对象配置文件加载
本 skill 的核心方法论适用于所有分析对象类型。对象特定的分流表、角色映射、跨领域映射建议和搜索来源保存在独立的配置文件中:
| 配置文件 | 适用对象 |
|---|---|
config-paper.md | 学术论文、算法、研究综述 |
config-system.md | 软件系统、开源项目、代码库、架构设计 |
config-tech.md | 技术框架、协议规范、API 设计、技术方案 |
加载规则:在步骤 0 判断对象类型后,使用 Read 工具读取对应的 config 文件,获取分流表、角色映射和跨领域映射要求。如果分析对象跨多个类型(如论文中描述的开源系统),读取最相关的 config 文件,并在规划摘要中说明。
1. 先做表层理解
收到用户给出的论文、topic、系统名、创新点或研究材料后,先直接解释基本内容,避免一开始过度抽象。
不要把本节写成"推荐提问"返回给用户。用户已经提出研究请求时,AI 应直接按下面维度完成表层理解;如果材料不足,先基于已有信息分析,并明确标出还需要补充什么。
执行维度:
先解释【论文 / topic / 系统名】大概在做什么,不要直接上升到哲学层。
必须回答:
1. 它研究的问题是什么?
2. 它输入什么、输出什么?
3. 它的核心流程是什么?
4. 它和已有方法相比有什么明显不同?
5. 它最重要的模块有哪些?
6. 每个模块在流程中承担什么作用?
目的:
先建立直观理解,知道系统在做什么、怎么做、模块之间怎么连接。
2. 做通用深层分析
完成表层理解后,继续分析底层结构。
AI 应直接使用下面的框架分析当前对象。
执行维度:
从通用深层结构分析这个对象,不要停留在模块描述或表面总结。
按下面维度选择性分析;不是每个任务都要填满所有维度。
1. 对象与边界:
- 当前真正要研究 / 解释 / 判定 / 映射的对象是什么?
- 它不研究什么?哪些内容只是背景或辅助材料?
2. 核心问题:
- 它要回答什么问题?
- 这个问题属于内容理解、机制解释、判定评价、概念映射、方法创新,还是混合型?
3. 依据与可信度:
- 结论凭什么成立?
- 依据来自原文、实验、对照测试、性能评估、理论证明、综述、经典理论、外部工具、复现结果,还是综合推断?
- 哪些是文献直接支持,哪些只是合理类比或主 agent 的综合判断?
4. 路径 / 机制 / 组织方式:
- 如果是机制解释:因果链是什么?
- 如果是综述或文章理解:它如何组织领域、章节、taxonomy、观点和证据?
- 如果是系统分析:模块之间如何连接,信息如何流动?
- 如果是判定问题:判定标准如何作用到证据上?
- 如果是概念映射:源概念如何映射到目标理论?
5. 形式化视角:
- 是否可以形式化为 MDP、POMDP、Bayesian inference、tree search、bandit、optimization、credit assignment、information gain、constraint satisfaction 等?
- 如果形式化会造成误导,就明确说明不强行形式化。
6. 适用范围与失败边界:
- 结论在什么条件下成立?
- 什么反例、数据分布、任务设置、评估标准或理论前提会让它失效?
7. 后续价值(可选):
- 只有当任务需要时,才分析它对理解论文、构造系统、设计实验、迁移应用或发现研究机会有什么启发。
8. 第一性原理分析(当任务要求"本质""原理""为什么有效"时执行):
按以下步骤操作,不要跳过任何步骤:
a. 分解:把当前对象拆解到不可再分的基本假设、约束和公理。问"这个设计/机制/方法依赖哪些最基本的前提?如果去掉某个前提,它还成立吗?"
b. 穷举替代:对每个基本前提,问"在同样的约束下,还有哪些本质不同的方案可以达到同样的目标?"如果只能想到当前方案,说明分解还不够深。
c. 重建:从基本前提重新推导,当前方案是必然最优解、还是众多可行解中偶然被选中的一个?选择它的原因是什么(计算效率、数据可得性、历史路径依赖、还是理论下界)?
d. 对比:把推导出的"必然性"和作者/设计者声称的动机对比。如果一致,说明设计有坚实的理论基础;如果不一致,说明实际驱动力可能是工程便利、数据偏好或领域惯例,需要标注为"综合推断"。
输出格式:每个核心机制/决策用一段连续表述覆盖 a-d,不要用字段清单。先写基本前提,再写替代方案空间,最后写必然性判断。
目的:
从"它在说什么"进入"它研究什么、凭什么成立、如何组织推理、在哪里有效、还能迁移到哪里"。
3. 从用户问题推进到"问题—调研—机制映射"
先由主 agent 判断当前问题更适合什么分析框架,再决定使用什么字段。不要把所有问题都强行归入固定类型,也不要把所有问题都写成"旧方法缺陷 / 本质缺陷"。下面类型只是常见参考;如果用户的问题是混合型,就组合使用相应字段。只有在问题和证据清楚之后,才把它映射到对象中的具体机制或模块。
执行流程:
注意:步骤 0-7 是主 agent 的内部规划过程,不向用户输出分析结果。 主 agent 快速扫描材料、判断类型、设计分析框架和拆分方案,然后将规划摘要呈现给用户确认(步骤 8)。实质分析的执行和向用户输出结果,在规划确认门通过后才开始。Section 1(表层理解)和 Section 2(通用深层分析)的分析维度在此阶段用于指导规划,完整输出在确认后按规划执行。
0. 任务类型分流(强制,在分析框架判断之前执行):
在进入分析框架之前,先判断任务类型并锁定最低执行深度。
**对象类型检测与配置加载**:
- 判断分析对象属于论文/算法、系统/代码、还是技术方案/框架。
- 使用 Read 工具读取对应的 config-*.md,获取该对象类型的分流表和角色映射。
- 将分流表中的任务类型和最低执行深度应用到当前任务。
"对象"可以是论文、系统、技术方案、开源项目、算法、框架等任何被分析目标。
分流结果必须记录在 research_state.md 顶部,后续每轮 checkpoint 时回查。
主 agent 不得在 checkpoint 时降级执行深度(如从"多对象对比分析"降为"领域全景"),除非用户明确同意。
1. 判断分析框架:
- 由主 agent 根据用户问题自行判断,不要求输出固定分类名。
- 常见参考:
- 创新点 / 方法改进 / 系统对比:例如"这篇文章的创新点是什么""它改了哪里""解决了什么痛点""有什么值得学习和迁移",使用"旧方法缺陷、本质缺陷、设计哲学、修改点、机制与迁移价值"。
- 内容 / 结构解释:例如"这篇文章在干什么""这篇综述讲了什么""这个系统由哪些模块组成",使用"研究对象、文章结构、核心问题、模块关系、主线论证"。
- 这类任务的主对象是原文内容本身,不是相关背景知识。必须先解释文章讲了什么、怎么组织、作者想回答什么问题,再决定是否需要外部调研。
- 机制解释:例如"为什么 X 会发生""X 为什么有效",使用"待解释现象、因果机制、理论依据"。
- 判定 / 评价:例如"X 是否是 Y""这个创新点重要吗""实验是否支撑 claim",使用"待判定命题、判定标准、支持证据、反例边界、结论强度"。
- 概念映射:例如"X 能否形式化为 POMDP / VOI / belief update",使用"源概念、目标理论、映射关系、映射限制"。
2. 选择通用分析字段:
- 按当前问题选择必要字段,不需要保留无关字段。
- 对象与边界:当前真正研究 / 解释 / 判定 / 映射的对象是什么?哪些内容不在范围内?
- 核心问题:当前要回答的是内容理解、机制解释、判定评价、概念映射、方法创新,还是混合问题?
- 依据与可信度:判定标准、解释框架、证据来源是什么?哪些是直接支持,哪些是综合推断?
- 路径 / 机制 / 组织方式:文章如何组织论证,系统如何流动信息,机制如何产生效果,概念如何映射?
- 适用范围与失败边界:结论在什么条件下成立,什么反例或前提变化会让它失效?
3. 拆成需要查证的问题:
- 拆分不是强制动作。只有当问题本身包含多个独立子命题、多个章节 / 模块、多个证据链,或需要外部查证时,才拆成多个问题。
- 每个问题必须来自明确缺陷、文章结构 / 模块关系、待解释现象、待判定命题或概念映射关系,不是孤立模块名。
- 不要在缺少依据时先写确定性结论。
4. 判断每个问题是否需要子 agent 调研:
- 是否开启子 agent 不取决于问题类型,而取决于是否需要拆分材料或外部证据。
- 对原文内容 / 结构解释:如果文章很短、结构简单,主 agent 直接解释即可,不要为了使用多 agent 而强行派发子 agent;如果是长论文、综述、多模块系统或跨学科材料,需要启动子 agent 时,必须保留一个贯穿全文的 A 子 agent 负责整体概括,覆盖对象主线、章节或模块结构 / taxonomy、核心断言和整体结构。其余 B/C/D 子 agent 按需启动,可以按章节、模块、观点簇、学科背景、证据链或外部 retrieval 拆分。最终由主 agent 汇总各子 agent 的结构化结果,形成对整体对象的概括和必要补充。
- 对机制解释、判定 / 评价、概念映射类问题:如果涉及深层机制、学术依据、跨学科理论、外部论文支持、争议判断或反例边界,先按第 4、5 节开启独立子 agent。
- 子 agent 只查证自己负责的章节、模块、理论依据、证据、适用范围、边界、反例和不确定部分。
- 子 agent 不能自行创建子子 agent;如果发现需要继续深入的问题,只能写成 follow-up candidate 返回给主 agent。
5. 综合调研结果:
- 区分"文献直接支持"和"基于文献的综合推断"。
- 去掉泛泛解释,只保留能支撑内容理解、判定、机制解释或概念映射的结论。
6. 建立分析映射:
- 对象中的哪个模块、算法、流程、设计决策或实验设置回应了这个问题?
- 如果是核心单元类问题:该机制如何体现第 2 节的设计哲学?
- 如果是内容 / 结构解释:该模块 / 章节在整体结构中承担什么作用?
- 如果是机制解释、判定 / 评价、概念映射类问题:该机制如何支撑解释、判定、评价或理论映射?
- 如果是机制问题,再说明该机制如何改变系统行为。
- 结论适用于什么范围?有哪些边界、反例或不确定部分?
7. 处理后续候选问题:
- 子 agent 返回的 follow-up candidate 不自动等于下一轮任务。
- 主 agent 必须先 triage:合并重复候选、判断影响范围、决定是否提升为下一轮调研任务。
- 被提升的问题进入新的 round 或新的问题研究目录;未提升的问题标记为 deferred / dropped,不继续展开。
8. 规划确认门(强制,无条件执行):
在完成步骤 0-7 的分析规划后、开始任何实质分析或执行之前,主 agent 必须向用户输出一份规划摘要,并使用 AskUserQuestion 工具等待用户确认。无论任务类型、材料长度、是否需要子 agent,此门都不可跳过。
规划摘要格式:
调研规划确认
对象类型:【论文/算法 | 系统/代码 | 技术方案/框架】 任务类型:【从 config 分流表填入,如"混合型:多论文对比分析 + 创新点本质"】 最低执行深度:【如"Round 1(A+B+C) → Round 2(逐创新点) → Verification → Final"】 预估子 agent 数量:【Round 1: X 个, Round 2: ~Y 个, Verification: 1 个】
Round 1 拆分方案:
- A:【结构理解 — 具体范围(参见 config 中的 A 角色职责)】
- B:【对比与定位 — 具体范围(参见 config 中的 B 角色职责)】
- C:【理论与跨学科依据 — 具体覆盖哪些学科(参见 config 中的 C 角色职责)】
- D(如有):【辅助维度 — 具体范围】
Round 2 拆分方案(预览):
- 按核心单元逐一分析:U1 → 独立分析段, U2 → 独立分析段, ...
- 每个核心单元覆盖:痛点→修改点→机制→证据→边界
- (如任务类型不含 Round 2,写"不适用"并说明理由)
Verification 方案(预览):
- 待查断言数量和来源:从 Round 1+2 结果中抽取 ≥5 条关键断言(如任务类型要求)
- 核查维度:引用一致性、实验支持、claim-证据匹配
- (如任务类型不含 Verification,写"不适用"并说明理由)
Final 输出预期:
- 输出结构和覆盖范围简述
已抽取的核心单元(预览):
- U1:【对象X 的核心单元Y — 初步判断的本质】
- U2:...
预估 token 消耗等级:低 / 中 / 高 / 极高
输出规划摘要后,使用 AskUserQuestion 工具询问用户:
- "以上调研规划是否符合你的预期?"
- 选项:(1) 确认执行 (2) 调整深度(更浅/更深) (3) 调整拆分方案 (4) 我来补充说明
用户确认后,将确认后的规划摘要完整写入 `tmp/research_state.md` 的"已确认规划"小节,作为后续 checkpoint 回查的基准。
用户要求调整时,主 agent 修改规划摘要中的对应项,再次确认后执行。
此门没有例外。即使任务类型为"单对象概览"、材料很短、或不需要子 agent,也必须输出规划摘要并获得用户确认。
本节输出不是最终笔记,而是主 agent 和子 agent 共享的结构化中间结果。具体可以理解成一组临时字段,例如 design_philosophy_summary、causal_issue_cards、subagent_research_tasks、evidence_mapping,用于决定下一步 action、是否派发子 agent、以及最后如何压缩成笔记。
3.1 主 agent 调度的迭代深化
本 skill 中的"递归"不是子 agent 继续创建子子 agent,而是主 agent 统一调度的迭代深化。子 agent 只能完成当前分配任务,并把新发现的问题作为 followup_candidates 返回;只有主 agent 可以判断是否进入下一轮调研、是否创建新的问题研究目录、是否更新已有 research.md。
执行原则:
1. 第一轮先建立骨架:
- 如果输入是论文、综述或文章,必须先完成原文结构理解。
- 原文或对象结构理解覆盖对象主线、章节或模块结构 / taxonomy、核心断言、关键模块、声称的贡献或设计目标和证据组织方式。
2. 子 agent 只上报候选问题:
- 可以指出当前任务无法回答的问题、证据缺口、替代解释、跨领域依据需求、失败边界和可迁移启发。
- 不可以自行创建子子 agent。
- 不可以擅自扩大任务范围继续调研。
- 不可以把候选问题写成已验证结论。
3. 主 agent 每轮都做 triage:
- 收集所有 `followup_candidates`;
- 合并重复或高度相似的问题;
- 判断每个候选问题是否影响最终对内容、核心单元、机制、证据强度或迁移价值的判断;
- 只把 high-impact 问题提升为下一轮调研任务;
- 为被提升的问题创建或更新 `tmp/<编号>-<问题短名>问题研究/research.md`;
- 记录 `parent_issue`、`derived_from`、`source_subagent_output` 和 promotion reason。
4. Round 1 后必须做 checkpoint:
- 回查 `tmp/research_state.md` 的"已确认规划"小节,确认 Round 1 实际执行与用户确认的方案一致(子 agent 数量、角色、范围是否匹配确认的拆分方案)。如有偏离,记录偏离原因;如超出确认范围,需要用户明确同意。
- 如果已经派发过子 agent,不允许直接写最终笔记。
- 必须先更新 `research.md` 中已完成子任务的状态。
- 必须收集所有 `followup_candidates` 到 `tmp/followup_candidates.md`。
- 必须抽取与用户问题直接相关的 candidate units,例如核心创新点或设计决策、关键断言、待解释机制、实验缺口、可迁移原则。
- 抽取时必须按以下标准判定和分级:
**什么算一个独立的核心单元(candidate unit):**
- 它必须是一个可独立分析的决策或机制,而不是一个模块名或技术名词。"使用了 Transformer"不是候选单元;"用因果掩码 Transformer 替代 RNN 做时序预测,以解决长程依赖的梯度消失"才是。
- 它必须改变了对象相对前序工作的行为或能力。如果去掉这个改动,对象的行为退化为已有方法或性能明显下降,则它是一个有效候选单元。
- 对象类型适配:论文中对应"创新点",系统中对应"关键设计决策",技术方案中对应"核心机制选择"。
**分级规则(每个候选单元必须标记一个级别):**
| 级别 | 判定标准 | Round 2 处理 |
|------|---------|-------------|
| **核心(Core)** | 改变了方法的根本范式或引入了全新的问题表述;去掉后对象失去其核心贡献 | 默认 high-impact,必须进入 Round 2 逐一分析 |
| **次要(Secondary)** | 在已有范式内的改进(如效率提升、精度优化、新数据源适配);去掉后仍保留核心贡献但性能下降 | 按用户要求决定是否进入 Round 2 |
| **工程细节(Engineering)** | 实现层面的选择(如超参数、框架选型、训练技巧);不影响方法的本质 | 不进入 Round 2,可在最终笔记中简要提及 |
**数量指引:**
- 每篇论文/每个对象通常有 1-3 个核心创新点和 2-5 个次要改进。如果抽取超过 5 个核心,很可能把次要改进误判为核心,需要重新分级。
- 如果对象是综述或领域分析,candidate unit 不是创新点而是"关键断言"或"分类决策",分级标准改为:核心断言(改变领域认知)、次要断言(补充证据)、背景信息(已知事实的复述)。
- 每个 candidate unit 都必须标记 promoted / deferred / dropped / resolved,并写明理由。
- 只有完成 checkpoint,才能进入下一轮调研或最终输出。
4.5. **轮次转换门(强制,不可跳过)**:
在进入下一轮(Round N+1)之前,主 agent 必须完成以下全部步骤,**否则禁止派发任何下一轮的子 agent**:
a. **更新 research.md**:将本轮所有子 agent 的状态更新为 completed / failed / partial,并记录每个子 agent 输出文件的路径。
b. **收集 follow-up candidates**:将所有子 agent 返回的 follow-up candidates 合并到 `tmp/followup_candidates.md`,并完成 triage(合并重复、标记优先级、决定 promote / defer / drop)。
c. **抽取/更新核心单元**:根据本轮结果抽取或修正 candidate units,按分级规则标记 Core / Secondary / Engineering,并标记 promoted / deferred / dropped / resolved。
d. **写入下一轮子任务清单**:在 research.md 中写入 Round N+1 的完整子任务清单,每个子任务包含:编号、角色、方向、状态(pending)、输出文件路径。格式与本节"子任务清单"一致。
e. **更新 research_state.md 执行清单**:在顶层执行清单中打勾当前轮次已完成项,并追加下一轮的待办项。
f. **重新加载 skill 方法论并提取搜索来源**:使用 Read 工具重新读取本 SKILL.md 的 Section 5(子 agent 调研提示词模板,含输出结构要求)和当前任务对应的 `tasks/task-*.md`(执行协议)。同时从刚读取的 config-*.md 中提取"四、优先搜索来源"小节的完整内容,在生成每个子 agent 的 prompt 时直接嵌入到 Section 5 模板的"优先搜索来源"位置。此步骤在写入 Round N+1 子任务清单(步骤 d)之后、派发子 agent 之前执行。
**硬性约束:Round N+1 的任何一个子 agent 被派发时,research.md 中必须已存在该子任务的条目(编号、角色、方向、输出路径)。不允许"边跑边规划"。**
5. 候选问题升级条件:
- 当前层无法仅凭原文直接回答;
- 需要外部论文、综述、经典理论或最新进展查证;
- 需要核对实验、对照测试、性能评估、引用或断言-证据一致性;
- 涉及多个可能解释,需要比较支持强度;
- 会明显影响对核心单元、痛点、贡献、失败边界或迁移价值的判断。
6. 默认 high-impact 的情况:
- 用户要求"每个创新点 / 每个机制 / 每个 claim / 每个模块"分别分析时,每个被抽取出的核心单元默认 high-impact。
- 用户只问文章某一个点时,该点本身默认 high-impact;背景、相关理论和对比方法只是第一轮证据扫描,不能替代对该点的单独分析。
- 如果主 agent 决定不提升某个核心单元,必须写明为什么当前证据已经足够、继续调研不会改变结论。
7. 停止条件:
- 没有新的 high-impact follow-up candidate;
- 新候选只补充背景知识,不影响最终判断;
- 已经能区分文献直接支持、综合推断和不确定部分;
- 继续调研只会扩大范围,不能提高最终答案质量;
- 用户设定的轮次、时间或深度预算已经达到。
派生问题的文件结构默认保持扁平:所有问题目录都放在同一个 tmp/ 下,不强制创建多层嵌套目录。用 research.md 中的 parent_issue、derived_from 和 source_subagent_output 记录依赖关系,避免路径和上下文管理复杂化。
Round 1 拆分约束(强制):
1. Round 1 必须按"证据维度"拆分子 agent,禁止用"对象分组"(如把 3 篇论文/3 个系统交给一个子 agent)替代证据维度拆分。
2. 子 agent 角色按对象类型适配:读取对应的 config-*.md 获取 A/B/C 角色的具体职责定义。A(结构理解)必须存在,B(对比与定位)和 C(理论与跨学科依据)按任务类型要求。
3. 如果对象数量 ≥4,可以增设 D/E 等辅助角色按对象分组,但 A/B/C 三个证据维度不可省略。
4. Round 1 拆分方式必须与步骤 0 确定的最低执行深度一致,不允许用更粗的拆分替代要求的细粒度拆分。
执行清单(强制):
主 agent 必须在 `tmp/research_state.md` 顶部维护执行清单(紧跟"已确认规划"小节之后),每完成一项打勾,checkpoint 时逐项核对。每个问题研究目录下的 `research.md` 只负责该问题的子任务状态跟踪,不重复维护顶层执行清单。
执行清单根据步骤 0 的任务类型自动生成,格式如下:
## 执行清单
任务类型:【从分流表填入】
最低深度:【从分流表填入】
- [ ] 规划确认门已通过(用户已确认;已确认规划已写入 `tmp/research_state.md`)
- [ ] Round 1 按证据维度拆分(非按对象分组)
- [ ] Round 1 包含 A-结构理解
- [ ] Round 1 包含 B-对比与定位(如任务类型要求)
- [ ] Round 1 包含 C-理论与跨领域依据(如任务类型要求)
- [ ] 每个核心单元/机制已抽取并标记 high-impact(如任务类型要求)
- [ ] 轮次转换门已通过(research.md 已更新状态 + 下一轮子任务清单已写入 + SKILL.md Section 5 和 task-*.md 已重新加载)(如有下一轮)
- [ ] Round 2 逐核心单元/机制分析完成(如任务类型要求)
- [ ] 跨领域概念映射表已填充(≥2 领域,如任务类型要求)
- [ ] Verification 轮完成(≥5 条断言,如任务类型要求)
- [ ] pre-final gate 全部通过
Checkpoint 时必须逐项核对清单。任何未完成项不允许跳过,除非用户明确同意。
多轮调研原则与通用示例:
派发编队原则:
- 先看用户真正要回答的焦点,再看每个焦点需要哪些独立证据链;每个子 agent 应该承担一个清楚的判断维度,而不是承担一个形式位置。
- 如果材料短、问题浅、主 agent 能直接读完并给出可靠答案,就直接完成;如果材料长、证据链分散或问题要求外部对照,再进入 Round 1。
- 论文 / 综述 / 文章类任务需要派发时,优先建立"原文结构理解";相关方法、实验核查、理论边界、迁移风险等方向按问题需要加入。
- Checkpoint 用 answer units 和 evidence ledger 判断下一轮,不用背景调研替代目标问题本身的分析。
- 更多对象特定的 few-shot 示例见各 config-*.md。
通用示例 1(概览型):
- 用户问"X 在干什么?"
- Round 1:派发 A 做结构理解。
- Checkpoint:如果只是 overview 且 A 已覆盖主线和贡献,resolved。
- Final:输出"对象—主线—结构—贡献"。
通用示例 2(创新点深度分析):
- 用户问"每个创新点是什么、解决什么痛点、机制和证据如何?"
- Round 1:按证据来源拆。
- A:结构理解,提取主线、claim、贡献列表。
- B:相关方法缺陷与 baseline 对比。
- C:理论依据与外部证据。
- Checkpoint:抽取核心创新点 I1/I2/I3,每个默认 high-impact。
- Round 2:按创新点拆,每个创新点有独立的分析段落(痛点→修改点→机制→证据→边界)。
- Final:只有 Round 2 完成或明确 deferred 后才写最终笔记。
通用示例 3(机制解释型):
- 用户问"X 机制为什么有效?"
- Round 1:A 定位 X 在整体结构中的位置和 claim;B 查 X 的相关理论;C 查原文证据是否直接支持 X。
- Checkpoint:X 本身默认 promoted。
- Round 2:D 单独研究 X 的因果链、替代解释、证据强度、失败边界。
- Final:围绕 X 输出"现象—机制—证据—边界"。
当任务需要派发子 agent、跨多轮继续、材料较长或需要避免上下文丢失时,主 agent 应在当前研究对象所在目录或本次笔记输出目录下新建 tmp/ 文件夹,把这些字段保存为中间草稿文件,例如 tmp/research_state.md、tmp/evidence_mapping.md、tmp/followup_candidates.md。
每个需要子 agent 查证的因果问题,都必须在 tmp/ 下单独建立一个问题研究目录,不能只把结果写进最终笔记。例如:
tmp/
research_state.md
evidence_mapping.md
followup_candidates.md
01-单agent自我合理化问题研究/
research.md
rounds/
round1-retrieval/
A-文章主线与结构概括.md
B-机器学习与LLM论文.md
C-认知科学与心理学.md
D-哲学与决策理论.md
round2-gapfill/
gap-01-失败边界补证.md
round3-verification/
verification-report.md
02-工具调用value-of-information问题研究/
research.md
目录名使用"编号 + 问题短名 + 问题研究",例如 tmp/01-单agent自我合理化问题研究/research.md。每个问题目录只维护一个主 agent 工作文件 research.md,它只合并原本会拆开的 task.md 和 subagent_tasks.md:包括问题背景、任务边界、需要查证 / 不需要查证的范围、round1 / round2 / round3 的子任务清单和状态。不要再额外生成问题级 task.md、subagent_tasks.md。
如果某个问题由上一轮子 agent 的 followup_candidates 派生而来,在该问题的 research.md 顶部记录:
parent_issue:
derived_from:
source_subagent_output:
promotion_reason:
status:
子 agent 只读取 research.md 中分配给自己的任务小节,并把调研结果写到对应轮次目录,例如 rounds/round1-retrieval/A-机器学习与LLM论文.md。各轮结果不要写进 research.md;research.md 只负责记录任务拆分和状态。主 agent 最终交付时,要读取 research.md 和 rounds/ 下的结果文件,把有价值的部分合并进第 7 节的最终笔记格式,并清楚标明哪些内容来自文献直接支持、哪些是综合推断。
只有在用户需要看到阶段性结果时,才把它整理成"阶段性分析摘要"输出。不要额外生成"问题卡 / 因果问题卡 / 问题研究卡";这些结构容易和子 agent 提示词模板重复。
如果需要派发子 agent,主 agent 只需要在对应问题目录下维护一个 research.md,但必须在这个文件里写清楚 sub tasks:
- 在
research.md的顶部维护该问题的子任务清单和状态(不是顶层执行清单,顶层清单在tmp/research_state.md),根据问题需要自动生成并在每轮 checkpoint 时更新。 - 在
research.md的"任务边界"小节写总体背景、主问题、需要查证和不需要查证的范围。 - 在
research.md的"Subtasks / 子任务清单"小节列出每一轮、每个子任务、负责方向、状态和输出文件路径。 - 在
research.md的"Round 1:Retrieval 子任务"小节列出每个 retrieval 子 agent 的任务和范围。 - 如果输入是论文、综述或文章,Round 1 的第一个子任务必须是"原文结构理解",用于概括文章主线、章节 / taxonomy 和作者断言。如果输入是系统或技术方案,Round 1 的第一个子任务是"对象结构理解",用于概括架构、模块关系和核心设计目标。
- 如果进入 gap-fill、verification 或下一轮迭代深化,继续在同一个
research.md里追加"Round 2:Gap-Fill 子任务""Round 3:Verification 子任务"或"Round N:Follow-up 子任务"清单。 - 在
research.md的"Follow-up Candidates / 后续候选问题状态"小节记录每个候选问题的状态:promoted / deferred / dropped / resolved。
research.md 是该问题的唯一主 agent 工作文件;它保存任务和 subtasks,不保存各轮调研结果。子 agent 不再新建独立任务文件或新的问题研究目录,只把结果写入 rounds/<轮次>/<子任务名>.md。
输出结构:
## 分析框架与通用骨架摘要
- **分析框架:**
- 主 agent 自行判断;常见参考包括:创新点 / 改进、内容 / 结构解释、机制解释、判定 / 评价、概念映射、混合型。
- **通用分析字段:**
- 按当前问题选择必要字段;不要保留无关字段。
- 常见字段:对象与边界;核心问题;依据与可信度;路径 / 机制 / 组织方式;形式化视角;适用范围与失败边界;后续价值(可选)。
- **核心判断:**
- ...
子 agent 任务写法:
## 子 agent 任务:<角色>-<方向短名>
- 轮次:round1-retrieval / round2-gapfill / round3-verification
- 角色:retrieval / gap-fill / verification
- 独立问题:
- 为什么需要单独查证:
- 需要查:
- 不需要查:
- 证据要求:
- 工作文件:`tmp/<问题研究目录>/research.md`
- 任务位置:`research.md` 中对应的 `Round X / <角色>-<方向短名>` 小节
- 输出位置:`tmp/<问题研究目录>/rounds/<轮次>/<角色>-<方向短名>.md`
目的:
把"创新点、解释问题、判定问题或概念映射问题"变成可查证的问题拆解,先查证关键依据,再落到机制映射。
4. 遇到关键因果问题时,单开或多开子 agent
当某个问题涉及深层机制、学术依据或跨学科概念时,单独抽成一个子问题,让独立 agent 清空上下文后调研。
适合单开子 agent 的情况:
1. 上下文污染:当前解释可能受到上下文污染。
2. 学术依据:某个核心单元需要证明设计有效性,某个因果机制需要学术依据,需要引用论文、综述或经典理论。
3. 涉及跨学科内容:哲学、认知科学、计算神经科学、决策理论、POMDP、active inference 等跨学科内容。
4. 需要区分"文献直接支持"和"综合推断"。
如果同一个因果问题涉及多个求证方向,不要强行交给一个子 agent 完成。应采用"多轮子 agent 查证":
第 1 轮:Retrieval
- 目标:广泛覆盖不同领域和来源,先把可能相关的理论、论文、证据、反例找出来。
- 启动方式:主 agent 按问题、来源或学科创建若干同级 retrieval 任务;子 agent 只执行 `research.md` 中分配给自己的任务小节。
- 拆分决策:
- 主 agent 不预设固定拆分方式,而是按"哪种拆分能产生相互独立、可互相校验的证据链"来决定。
- 如果输入是论文、综述或文章,Round 1 的第一个 retrieval 子任务必须是"原文或对象结构理解":先概括对象本身是什么、结构如何组织、核心断言是什么、哪些内容只是背景、哪些断言需要外部查证。
- 原文或对象结构理解不做外部概念扩展,不把任务改写成"查某个相关领域是什么";外部背景知识只能作为后续 retrieval 子任务或 gap。
- 默认按证据链 / 问题方向拆,例如理论依据、机器学习论文、认知科学机制、失败边界。
- 如果任务重点是找最新论文、确认 venue、核对顶会录用或追踪最新进展,优先按检索来源拆。
- 如果已有初步证据但某一块薄弱,优先按 gap 拆,只补证据缺口。
- 每个子 agent 的文件名必须体现拆分依据,例如 `A-LLM工具调用论文.md`、`B-value-of-information经典理论.md`、`C-失败边界与反例.md`。
- 输出:每个 retrieval 子 agent 只返回本领域的来源列表、关键证据、初步 takeaway、证据不足点。
第 1.5 轮:主 agent Triangulation
- 目标:合并第 1 轮结果,判断哪些结论被多个独立来源支持,哪些只是单来源或类比推断。
- 动作:
- 去重来源;
- 合并相同证据;
- 记录冲突结论;
- 标出证据缺口;
- 形成待补证 gap list。
第 2 轮:Gap-Fill
- 目标:只针对第 1.5 轮发现的证据缺口补查,不重复覆盖已有结论。
- 启动方式:主 agent 根据 gap list 创建一个或多个 gap-fill 任务。
- 输出:每个 gap-fill 子 agent 必须说明 gap 是否被填补;如果无法填补,要明确写"未找到直接证据",不能用弱相关材料硬补。
第 3 轮:Verification
- 目标:检查关键断言是否真的被引用来源支持。
- 启动方式:主 agent 抽取最重要的 5-10 条断言,派 verification 子 agent 逐条核查。
- 输出:对每条断言给出 SUPPORTED / PARTIAL / UNSUPPORTED,并说明是否需要改写、降级为综合推断或删除。
第 N 轮:Follow-up Deepening
- 触发:任一轮子 agent 返回 `followup_candidates` 后,由主 agent triage 决定是否开启。
- 目标:只研究被提升的 high-impact 候选问题,例如某个核心单元的跨领域依据、某个断言的实验支持、某个模块的失败边界。
- 启动方式:主 agent 创建或更新对应问题目录下的 `research.md`,指定下一轮子 agent 的任务、范围和输出文件。
- 输出:当前问题的补充证据、边界判断、需要降级的结论,以及新的 `followup_candidates`。新的候选问题仍然只能返回给主 agent,不允许子 agent 继续派生。
多轮子 agent 查证时,主 agent 必须为每个子 agent 指定清楚的轮次、角色、查证范围、排除范围和落盘目录。目录放在同一个问题研究目录下,例如:
tmp/01-单agent自我合理化问题研究/
research.md
rounds/
round1-retrieval/
A-机器学习与LLM论文.md
B-认知科学与心理学.md
C-哲学与决策理论.md
D-经典理论与综述.md
round2-gapfill/
gap-01-失败边界补证.md
gap-02-直接实验支持补证.md
round3-verification/
verification-report.md
每个子 agent 只能回答自己负责的证据链,不要替其他子 agent 综合结论,也不要跳到下一轮任务。如果发现范围外但重要的问题,只能写成 followup_candidates。主 agent 在第 6 节统一读取这些结果,合并重复证据,处理相互冲突的结论,并标明哪些结论是直接支持、哪些只是综合推断。
子 agent 的目标:
独立查证,不接着当前笔记继续补全文本。
5. 子 agent 调研提示词模板
你现在是一个独立研究 agent。请清空上下文,从零开始研究下面这个任务。
**第一步(强制)**:使用 Read 工具读取 `research.md`,找到分配给你的任务小节,确认你的角色、查证方向和输出位置。
要求:
- 不要依赖任何先前对话结论;
- 必须基于学术知识、论文、综述和可靠资料;
- 给出引用来源;
- 区分"文献直接支持"和"基于文献的综合推断";
- 不要编造论文或概念;
- 明确自己属于哪一轮:`round1-retrieval` / `round2-gapfill` / `round3-verification` / `roundN-followup`;
- 调研完成后,把结果写入对应的 `tmp/【编号-问题短名】问题研究/rounds/【轮次】/` 目录。
- 不要创建子子 agent,不要新建问题研究目录,不要擅自进入下一轮调研。
- 如果发现当前任务之外仍需深入的问题,只能在输出末尾写入 `Follow-up Candidates / 后续候选问题`;如果没有,明确写"无"。
## 背景
我正在研究【topic / paper / system】。
当前关注的任务是:
【写清楚背景任务:可以是文章 / 综述在干什么、某个 claim 是否成立、某个机制为什么有效、某个概念能否映射,或某类来源检索】
## 落盘位置
请按下面位置读取任务并写入结果:
目录结构:
tmp/【编号-问题短名】问题研究/
research.md
rounds/
round1-retrieval/
A-【领域或来源】.md
round2-gapfill/
gap-【编号】-【证据缺口】.md
round3-verification/
verification-report.md
roundN-followup/
E-【候选问题短名】.md
- `research.md`:由主 agent 维护,保存任务边界和 subtasks 清单;子 agent 只读取其中分配给自己的任务小节。
- `rounds/round1-retrieval/`:保存第一轮不同领域 / 来源 retrieval 子 agent 的结果。
- `rounds/round2-gapfill/`:保存第二轮针对证据缺口的补查结果。
- `rounds/round3-verification/`:保存第三轮关键断言的引用核查结果。
- `rounds/roundN-followup/`:保存主 agent 提升后的后续深化任务结果。
- 子 agent 不修改 `research.md`,不创建新的问题目录,只写对应 `rounds/<轮次>/<子任务名>.md`。
## 调研任务
我想知道:
【写一个明确、边界清楚、可独立完成的调研任务】
## 需要重点调查的方向
请重点分析:
1. 当前任务的对象、范围和不需要覆盖的内容;
2. 原文、论文、综述、经典理论或外部资料中的直接证据;
3. 如果涉及机制解释,说明因果链和可能的替代解释;
4. 如果涉及内容 / 结构理解,说明文章主线、章节 / 模块关系、taxonomy 或观点组织方式;
5. 如果涉及判定 / 评价,说明判定标准、支持证据、反证和结论强度;
6. 如果涉及概念映射,说明源概念、目标理论、可映射部分和不能映射的部分;
7. 区分哪些结论是文献直接支持,哪些属于综合推断;
8. 说明结论的适用范围、边界、反例或不确定部分。
## 优先搜索来源
**主 agent 在生成子 agent 提示词时,必须从步骤 f 刚读取的 config-*.md 中提取"四、优先搜索来源"小节的完整内容,直接粘贴到此处。** 子 agent 不需要自己读 config 文件,搜索策略完全基于此处嵌入的来源列表。
通用规则(嵌入的来源列表优先于此处的通用规则):
- 优先使用专业来源而非泛搜索引擎。
- 每条关键结论都要记录来源 URL 或引用信息。
- 不要把博客、百科当作最终证据;它们最多用于定位关键词和参考文献。
- 如果搜索结果需要交互式浏览(翻页、筛选、展开),可以使用浏览器接管工具。
## 输出结构
请按以下结构输出;按任务性质选择字段,不要为了填模板强行写"机制"。
### 1. 任务定义与边界
说明本次子 agent 负责什么、不负责什么,以及使用了哪些主要材料或来源。
### 2. 核心发现
根据任务类型选择性展开:
- 内容 / 结构理解:它在讲什么,主线、章节、模块、taxonomy 或观点如何组织;
- 判定 / 评价:待判定命题、判定标准、支持证据、反证、结论强度;
- 机制解释:现象、因果链、替代解释、机制作用;
- 概念映射:源概念、目标理论、映射关系、映射限制;
- 来源检索:关键来源列表、检索路径、每个来源能支持什么。
### 3. 证据与引用
给出关键论文、综述或经典理论。
### 4. 和已有学术概念的对应(条件强制)
当任务类型包含"核心单元分析"(创新点、设计决策、核心机制)或"本质 / 第一性原理分析"时,本节为强制输出,不可省略。
当任务类型为"单对象概览"或"领域全景"时,本节为可选。
如果有帮助,按学科或理论来源分组,把当前任务和已有概念建立对应关系。不要只罗列名词,必须说明:
- 概念的核心思想;
- 它和当前任务 / 问题 / 机制 / 判定标准 / 文章结构的对应关系;
- 关键文献或理论来源;
- 这种对应是文献直接支持,还是基于相邻概念的综合推断。
可用表格结构:
| 领域 | 概念 | 核心思想 | 与当前任务的对应 | 关键文献 | 支持类型 |
|---|---|---|---|---|---|
跨领域映射最低覆盖要求:
当本节为强制输出时,映射来源必须覆盖至少 2 个不同领域(可以是学术学科、工程实践领域、或相邻技术领域,视分析对象而定)。
具体的映射领域建议见各 config-*.md 的"跨领域概念映射——学科建议"小节。
如果某个核心单元确实无法建立跨领域映射(如纯工程实现、纯配置选择),必须写明"无合适映射"并给出不超过一句话的理由。
不允许整个对象的所有核心单元都省略映射表。
### 5. 适用范围 / 成立条件
说明当前结论在什么范围内成立:
- 如果是机制解释:说明机制依赖的前提、任务设置、数据分布或系统条件;
- 如果是文章 / 综述理解:说明结论只覆盖哪些章节、领域、时间范围、文献集合或作者定义;
- 如果是判定问题:说明判定标准适用的前提和结论强度;
- 如果是概念映射:说明哪些部分能映射,哪些部分不能映射。
### 6. 边界 / 反例 / 不确定部分
说明哪些情况会让结论失效、变弱或需要降级:
- 反例、失败案例、冲突证据;
- 原文没有覆盖的范围;
- 只存在间接证据或相邻概念支持的部分;
- 需要主 agent 后续综合判断的部分。
### 7. Follow-up Candidates / 后续候选问题
如果发现当前任务之外仍需进一步研究的问题,按下面格式返回;如果没有,写"无"。
```md
### Candidate 1:<问题短名>
- 来源:来自哪个章节、模块、断言、实验、文献或当前子任务发现;
- 父任务:当前子 agent 负责的问题;
- 新问题:
- 为什么当前任务不能直接回答:
- 需要进一步查证什么:
- 建议拆分方向:
- 可能证据来源:
- 对最终结论的影响:
- 优先级:high / medium / low
候选问题只是给主 agent triage 的输入,不是下一轮任务,也不是已验证结论。
8. 可写进笔记的总结段
给出一段学术化中文总结,可以直接放进研究笔记。总结时按任务性质压缩:
- 内容 / 结构理解:压缩为"对象—主线—结构—贡献";
- 判定 / 评价:压缩为"命题—标准—证据—结论强度—边界";
- 机制解释:压缩为"现象—机制—证据—适用范围—边界";
- 概念映射:压缩为"源概念—目标理论—映射关系—映射限制";
- 来源检索:压缩为"来源格局—关键证据—缺口—后续建议"。
要求:
- 语言严谨;
- 避免泛泛而谈;
- 如果是机制问题,要明确因果链;如果不是机制问题,不要强行写因果链;
- 不要把推测写成已有结论;
- 需要引用时给出来源。
---
## 6. 主 agent 综合子 agent 结果
子 agent 返回调研结果后,再让主 agent 做二次综合。
执行要求:
1. 逐个读取 `tmp/*问题研究/` 下的 `research.md` 和 `rounds/`;
2. 先合并 `rounds/round1-retrieval/`:去重来源,按领域整理证据,记录初步共识和冲突;
3. 如果输入是论文、综述或文章,先读取 Round 1 中的"原文结构理解"子任务,并把文章主线、章节 / taxonomy、作者断言、证据组织方式和原文边界作为后续综合的骨架;如果输入是系统或技术方案,先读取"对象结构理解"子任务,并把架构、模块关系、核心设计目标和证据组织方式作为骨架。外部 retrieval 只能补充或校验结构理解,不能替代"对象本身是什么";
4. 收集所有子 agent 输出中的 `Follow-up Candidates / 后续候选问题`,追加或更新到 `tmp/followup_candidates.md`;
5. 对候选问题做 triage:合并重复候选,标记来源,判断优先级,评估它是否影响最终对内容、核心单元、机制、证据强度或迁移价值的判断;
6. 只把 high-impact 候选提升为下一轮任务;提升时创建或更新对应 `research.md`,记录 `parent_issue`、`derived_from`、`source_subagent_output`、`promotion_reason` 和输出目录;
7. 对 medium / low 候选标记为 deferred / dropped / resolved,不要为了完整性继续派发;
8. 执行 pre-final gate:
- 如果用户要求"每个创新点 / 每个机制 / 每个 claim / 某一个指定点"的深入分析,必须确认这些目标单元都已出现在 `tmp/followup_candidates.md` 或 `research.md` 的 candidate unit 状态表中;
- 每个目标单元必须有 promoted / deferred / dropped / resolved 状态和理由;
- 如果存在 promoted 但未完成的下一轮任务,不允许写最终笔记;
- 如果 Round 1 子任务输出文件已存在,但 `research.md` 仍为 pending,必须先更新状态;
- 如果没有创建 `tmp/followup_candidates.md`,必须说明没有候选问题;否则不允许直接 final。
- **轮次转换门合规检查**:对每一个已执行的轮次(Round 1、Round 2、Verification 等),确认 `research.md` 中存在该轮次的完整子任务清单(编号、角色、方向、状态、输出路径)。如果某个轮次的子任务已执行但 research.md 中没有对应条目,说明轮次转换门被跳过,必须先补录子任务清单和状态再进入 Final。
pre-final gate 结构检查项(追加,根据任务类型触发):
- 如果任务类型为"单对象深度分析"或更高深度:
- 检查 Round 2 是否已按核心单元逐一执行(每个核心单元有独立的 research 目录或在 Round 2 输出中有独立分析段落,包含"痛点→修改点→机制→证据→边界"完整分析链)。
- 检查跨领域概念映射表是否已在最终笔记中填充(至少 2 个领域覆盖)。
- 如果以上任一项未完成,禁止进入 Final。
- 如果任务类型为"多对象对比分析":
- 额外检查 Verification 轮是否已执行(至少 5 条关键断言的引用核查,每条标记 SUPPORTED / PARTIAL / UNSUPPORTED)。
- 检查每个对象的核心单元是否都有独立的"痛点→修改点→机制→证据→边界"分析链。
- 如果以上任一项未完成,禁止进入 Final。
- 执行清单逐项核对:
- 读取 `research_state.md` 顶部的执行清单,逐项确认所有必选项已打勾。
- 任何未打勾的必选项必须在进入 Final 之前补完,或获得用户明确同意后标记为 deferred。
9. 再检查是否需要 `rounds/round2-gapfill/`:如果某个关键结论只有单来源、缺少反例、缺少最新论文、缺少跨学科支持,必须标成 gap,并派 gap-fill 子 agent 补查;
10. 合并 `rounds/round2-gapfill/`:只吸收真正补上 gap 的证据;无法补上的地方保留为不确定项;
11. 抽取最重要的 5-10 条断言,派 `rounds/round3-verification/` 检查引用是否真的支持该断言;
12. 根据 verification 结果处理断言:
- SUPPORTED:可以保留为文献直接支持;
- PARTIAL:必须改写为更弱、更准确的表述;
- UNSUPPORTED:删除、降级为综合推断,或继续标为未证实;
13. 更新 `research.md` 中的子任务状态、follow-up candidate 状态、gap list 和 verification 状态;不要把子 agent 原始结果复制进 `research.md`;
14. 区分"文献直接支持"和"综合推断";
15. 改写成研究笔记风格;
16. 根据问题需求压缩:优先写成"对象—问题—依据—路径 / 机制 / 映射—边界—启发";创新类可加入旧方法缺陷和设计哲学,判定类可加入判定标准和结论强度,综述类可加入分类框架和覆盖范围;
17. 使用更学术、严谨的中文表达;
18. 保留关键术语,去掉泛泛总结;
19. 把可复用内容合并进最终笔记结构;
20. 保留 `tmp/*问题研究/` 作为可追溯的子问题研究档案,不要用最终笔记覆盖或替代它们。
目的:
> 把调研材料转化成自己的知识结构。
---
## 7. 最终笔记格式
最终笔记只负责综合和压缩,不替代 `tmp/*问题研究/` 下的子问题调研文件;每个问题的检索记录、证据和完整调研结论仍应保留在对应目录中。
最终组织方式由主 agent 根据用户问题、材料结构和子 agent 的实际拆分决定。不要为了套模板强行写多个问题;如果只有一个综合问题,就只写一个分析单元。如果子 agent 是按章节、模块、证据来源、学科或机制链拆分的,最终笔记也可以按这些单元组织,而不是必须写成"问题 1 / 问题 2"。
输出格式:
```md
## 【对象名称】
本质:
- 一句话本质
- **通用分析骨架**
- **对象与边界**:
- 它真正研究 / 解释 / 判定 / 映射的对象是什么。
- 它不研究什么;哪些内容只是背景或辅助材料。
- **核心问题 / 主线**:
- 它要回答什么问题。
- 如果是综述:它如何组织领域和 taxonomy。
- 如果是系统 / 方法:它要解决什么缺陷或瓶颈。
- **依据与可信度**:
- 它凭什么成立:原文、实验、对照测试、性能评估、理论证明、综述、经典理论、复现结果或外部工具。
- 区分文献直接支持、综合推断和仍不确定的部分。
- **路径 / 机制 / 组织方式**:
- 如果是机制解释:因果链是什么。
- 如果是综述或文章理解:章节、观点、分类和证据如何组织。
- 如果是系统分析:模块如何连接,信息如何流动。
- 如果是判定或概念映射:标准或映射关系如何作用到证据上。
- **适用范围与失败边界**:
- 它在什么条件下成立。
- 哪些反例、任务设置、数据分布、评估标准或理论前提会让结论失效。
- **问题—分析—映射 / 子结果综合**
- 按主 agent 的实际拆分组织,可以是一个综合问题,也可以是多个子问题、章节、模块、证据链、学科来源或机制单元。
- 不要把每个分析单元写成"对象与边界 / 依据与可信度 / 分析结论 / 适用范围"的字段清单。
- 每个分析单元用一个短标题加 1-3 段连续中文表述,写成可直接进入研究笔记的学术化段落。
- 段落中自然合并对象、依据、结论、路径 / 机制 / 映射、适用范围和边界;如果某项不适合当前任务,就不要硬写。
- 如果使用了子 agent 的结论或外部文献,必须在段落中带上引用来源,并区分文献直接支持、综合推断和不确定部分。
**<分析单元名称>**
这里写连续段落。先说明该单元研究的对象或命题,再给出核心结论;随后把证据、机制 / 结构 / 映射关系、适用范围和边界压缩进同一组段落中。引用以自然方式嵌入句子,例如"这一判断直接由 A et al. (2024) 的 ablation 支持",或"这里更接近基于 B theory 的综合推断,而非文献直接结论"。如果证据不足,要在段末明确降级为不确定判断。
- **形式化视角**(仅在有帮助时写)
- 可以形式化为什么问题。
- state / belief / action / observation / reward / objective 分别是什么。
- 如果强行形式化会误导,就说明不适合形式化。
- **跨领域概念映射**(当任务类型包含核心单元分析时为强制输出)
- 对每个核心单元,建立与已有概念或方法的对应关系表。
- 映射来源必须覆盖至少 2 个不同学科 / 理论领域(具体学科建议见 config-*.md)。
- 格式:
| 核心单元 | 对应的已有概念或方法 | 概念来源领域 | 对应关系(如何映射) | 关键文献 | 支持类型 |
|--------|-----------------|------------|-----------------|---------|---------|
- 如果某个核心单元确实无法建立跨领域映射,写明"无合适映射"并给出理由。
- **变化 / 创新 / 贡献总结**(按任务选择)
- 从 A 走向 B。
- 从 C 走向 D。
- **后续价值**(按任务选择)
- 如果用户关心系统设计或方法迁移:写可迁移到哪些系统。
- 如果用户关心科研选题:写可以继续研究什么。
- 如果当前任务只是内容解释、证据判定或概念澄清,且没有明显后续价值,可以省略本节。
Related skills
| Skill | Stars | Updated | Works with | Status | Install |
|---|---|---|---|---|---|
| reverse-engineer-anythingmorluto/reaReverse engineer native, managed, Electron/JavaScript, packaged, firmware, and browser targets with REA, and build agent environments (AgentEnv bundles) of web applications from a live instance or a capture, and of Linux desktop apps with a task from a request. Use shipped-artifact or requested runtime evidence to explain features, compare versions, decompile code, or guide a reconstruction. Skip REA for ordinary source-repository architecture analysis. | Stars: 468k | Updated | Claude CodeCodex | Verified | Install |
| diagnosing-superpowersobra/superpowersUse when a superpowers session went wrong and your human partner wants to know why — repeated work, ignored plans, stumbles, poor results, a skill that didn't fire, "it took too long", "why is it so expensive", "what is it doing" — or wants to build a bug report for the superpowers maintainers, for the current session or a past one identified by id or path, on any harness. | Stars: 321k | Updated | Claude CodeCodex | Verified | Install |
| dispatching-parallel-agentsobra/superpowersUse when facing 2+ independent tasks that can be worked on without shared state or sequential dependencies | Stars: 321k | Updated | Claude CodeCodex | Verified | Install |
| executing-plansobra/superpowersUse when executing an implementation plan in the current session as the implementer yourself — your human partner chose inline execution, or no subagent tool is available | Stars: 321k | Updated | Claude CodeCodex | Verified | Install |