调研工作流引擎

一个面向 Claude Code / Codex / Agent Skills 的结构化调研工作流。

它把“上网查一下”拆成可复用的路由系统：先判断调研深度 L1/L2/L3，再选择调研场景 W1-W6，最后按工具优先级、来源质量和持久化规则执行。目标不是让 Agent 更会搜索，而是让 Agent 在设计、选型和实现前先系统确认：有没有现成方案、别人怎么做、风险在哪里、证据从哪里来。

说明：当前设计是 L1/L2/L3 三档调研深度 + W1-W6 六类调研场景，不是 L1-L6。

解决什么问题

日常用 AI Agent 做开发或研究时，常见问题是：

• 太快进入实现，没有先确认有没有成熟方案。
• 技术选型只看一两个搜索结果，缺少对比和反面证据。
• 调研结果散落在对话里，后续无法复用。
• 复杂调研没有分工，主线程上下文被大量搜索结果淹没。
• 不同类型的问题都用同一种搜索方式，效率和质量不稳定。

这个工作流的处理方式：

• 简单问题快速查，直接回答。
• 标准调研交给一个 Researcher 子代理。
• 深度调研拆成多个方向，并行子代理执行。
• 关键声明附来源，区分事实和推测。
• 调研报告保存到项目或全局 research memory，并维护索引。

快速使用

确定性入口：

/research 调研 XXX 的 YYY

自然语言触发：

帮我调研一下 XXX
评估一下要不要用 YYY
找找有没有现成开源方案

触发后，Agent 会先声明调研配置：

[MODE: RESEARCH] 调研启动
- 级别: L2
- 工作流: W3 技术评估
- 验证深度: 🟡
- 时效性: 📅
- 工具: gh CLI, Tavily, Exa, Context7
- 执行方式: 单个子代理

调研分级

默认判断规则：

• “查一下”“确认一下”通常是 L1。
• “选型”“比较”“找 GitHub 项目”通常是 L2。
• “完全未知领域”“多维度对比”“高风险决策”通常是 L3。
• 不确定时默认 L2，执行中发现范围扩大可以升级到 L3。

W1-W6 工作流

复杂问题可以组合多个工作流。例如：

• “这个功能该不该自研，技术上可不可行”通常组合 W1 方案发现 + W3 技术评估。
• “评估一个产品方向有没有机会”通常组合 W1 方案发现 + W2 用户洞察 + W4 最佳实践。
• “系统研究某个学术问题”通常使用 W6 文献研究，并按 L3 深度执行。

仓库结构

.
├── src/
│   ├── agents/
│   │   └── researcher.md
│   ├── contexts/
│   │   └── research.md
│   └── skills/
│       └── research/
│           ├── SKILL.md
│           └── workflows/
│               ├── W1-discovery.md
│               ├── W2-user-insight.md
│               ├── W3-tech-eval.md
│               ├── W4-best-practice.md
│               ├── W5-knowledge.md
│               └── W6-literature.md
├── docs/
│   ├── user-guide.md
│   ├── search-sources-setup.md        # 接入豆包搜索/CimiData/Exa/Brave/Tavily · 方法文档（给 AI 看）
│   ├── search-sources-user-guide.md   # 接入搜索与内容源 · 用户指南（Why/How，给用户看）
│   ├── self-audit-2026-04-19.md
│   └── origins/
├── archive/
├── DESIGN.md
├── CHANGELOG.md
└── README.md

核心文件：

安装

Claude Code

复制 Skill：

mkdir -p ~/.claude/skills
cp -R src/skills/research ~/.claude/skills/research

复制调研上下文：

mkdir -p ~/.claude/contexts
cp src/contexts/research.md ~/.claude/contexts/research.md

复制 Researcher 子代理：

mkdir -p ~/.claude/agents
cp src/agents/researcher.md ~/.claude/agents/researcher.md

然后在你的 ~/.claude/CLAUDE.md 或项目 CLAUDE.md 里加入触发说明，例如：

当任务涉及技术调研、方案对比、开源项目评估、竞品分析、行业趋势、工具选型、可行性分析、学术文献或最佳实践调研时，使用 research skill。

Codex / 其他 Agent

如果你的 Agent 使用 ~/.agents/skills：

mkdir -p ~/.agents/skills
cp -R src/skills/research ~/.agents/skills/research

如果你的运行时不支持 ~/.claude/contexts/，可以把 src/contexts/research.md 里的规则合入自己的 AGENTS.md、CLAUDE.md 或全局配置。关键是保留这些内容：

• L1/L2/L3 调研分级。
• W1-W6 工作流选择。
• 调研前检查已有索引。
• L2/L3 使用子代理。
• 关键结论附来源。
• 调研结果持久化。

推荐依赖

这个仓库本身是一套工作流规则，不强绑定某个搜索服务。但为了效果更好，推荐准备以下能力：

• Agent Skills 支持。
• 子代理能力，用于 L2/L3 调研。
• gh CLI，用于 GitHub 项目搜索和仓库元数据查询。
• 搜索工具，例如 Tavily、Exa、Brave Search、Baidu MCP。豆包搜索（火山引擎官方，中文优先）、CimiData（微信公众号）等五类源的分步接入方法（含"Agent 自动配置 → 用户注册/付费 → Agent 收尾验证"的交接流程）见 docs/search-sources-setup.md，用户侧说明见 docs/search-sources-user-guide.md。
• 官方文档工具，例如 Context7、GitMCP、WebFetch。
• 浏览器或网页抓取工具，例如 Playwright、Scrapling、camoufox。
• 学术搜索能力，例如 arXiv、Semantic Scholar、Connected Papers。

典型触发示例

帮我查一下有没有现成的开源方案可以做 AI 会议纪要。

通常触发：L2 + W1 方案发现。

评估一下我们要不要用 LangGraph 做这个 Agent 工作流。

通常触发：L2 + W3 技术评估。

调研一下别人是怎么做用户反馈收集和归因分析的。

通常触发：L2 + W4 最佳实践。

我想了解最近半年 RAG 评估有什么新方法。

通常触发：L2 + W5 知识扩展。

系统研究一下 AI pair programming 对开发效率的学术证据。

通常触发：L3 + W6 文献研究。

输出形态

L1 快查通常直接输出简短结论：

## 调研摘要

### 发现
- ...

### 建议
...

L2/L3 通常输出报告路径和精炼摘要：

## 调研摘要

**报告位置**: `docs/research/YYYY-MM-DD-topic.md`

### 关键发现
1. ...

### 复用分析
| 方案/项目 | 策略 | 理由 |
|---|---|---|

### 推荐方案
...

### 待澄清
...

W1 方案发现和 W3 技术评估还可以补一版 PRD 框架草案，方便从调研自然衔接到研发。

持久化约定

推荐规则：

• 项目相关调研：保存到 docs/research/。
• 跨项目通用调研：保存到 ~/.claude/memory-bank/research/。
• 临时数据：保存到 /tmp/。
• 报告命名：YYYY-MM-DD-{主题}.md。
• 索引文件：INDEX.md。

调研前优先查索引：

docs/research/INDEX.md
~/.claude/memory-bank/research/INDEX.md
~/.codex/memory-bank/research/INDEX.md

如果找到已有相关报告，推荐让用户选择：

• 复用：直接引用旧报告。
• 刷新：基于旧报告更新。
• 忽略：重新调研。

与旧仓库的关系

这个版本是当前的源码形态。早期公开仓库保留了旧思路，但不是当前实现：

• research-first-workflow：2026-01 的 v1，主打“调研优先”。
• research-first-workflow-v2：2026-01 的 v2，加入 Sub Agent 和 Memory Bank 思路。
• 当前仓库：后续演进出的调研工作流引擎，包含 L1/L2/L3 分级、W1-W6 场景模板、Researcher 子代理、工具路由和质量要求。

设计原则

• 先调研，再设计，再实现。
• 不重复造轮子。
• 关键声明必须能追溯来源。
• 高风险决策需要反面证据。
• 调研阶段不直接进入编码实现。
• 调研输出要能被下次复用。

License

目前未声明 License。公开分享前可按需要补充 MIT、Apache-2.0 或其他许可证。