research-ops
以证据为先的ECC当前状态研究工作流程。当用户希望基于当前公开证据和提供的本地上下文获取最新事实、比较、丰富信息或建议时使用。
它会碰到什么
扫了多少1 个文本文件,1 KB
它会碰到什么不碰外部(只输出文字)
命中总数0 处
命中统计严重 0 · 高 0 · 中 0 · 低 0
这一栏是扫描器报的事实,不是结论。命中多不等于有毒(安全工具、规则库、示例脚本本来就会包含危险写法),命中少也不等于干净。它和你手上的凭据、文件、网络有什么关系,需要你自己看。
技能内容
研究运营
当用户要求研究当前信息、比较选项、丰富人员或公司信息,或将重复查询转化为可监控的工作流时,使用此功能。
这是仓库研究栈的操作封装。它并非 deep-research、exa-search 或 market-research 的替代品;而是指示何时以及如何将它们结合使用。
技能栈
在相关场景下,将这些 ECC 原生技能纳入工作流:
exa-search:用于快速发现当前网络信息deep-research:用于多源综合并附带引用market-research:当最终结果应为建议或排序决策时使用lead-intelligence:当任务针对人员/公司而非通用研究时使用knowledge-ops:当结果需持久存储于后续上下文时使用
使用时机
- 用户提及“研究”、“查找”、“比较”、“我应该联系谁”或“最新情况”
- 答案依赖于当前的公开信息
- 用户已提供证据,并希望将其纳入新的建议中
- 任务可能具有重复性,应转为监控而非一次性查询
防护措施
- 当新鲜搜索成本低廉时,不要依赖过时记忆回答当前问题
- 区分:
- 有来源的事实
- 用户提供的证据
- 推断
- 建议
- 如果答案已存在于本地代码或文档中,不要启动繁重的研究流程
工作流
1. 从用户已提供的信息出发
将任何提供的材料规范化为:
- 已有证据的事实
- 需要验证的内容
- 未解决的问题
如果用户已构建部分模型,不要从零开始重新分析。
2. 对请求进行分类
在搜索前选择正确的路径:
- 快速事实性回答
- 比较或决策备忘录
- 线索/丰富化处理
- 重复监控候选
3. 优先采用最轻量的有效证据路径
- 使用
exa-search进行快速发现 - 当需要综合或多源信息时,升级至
deep-research - 当结果需以建议形式呈现时,使用
market-research - 当实际需求是目标排序或温暖路径发现时,转交至
lead-intelligence
4. 报告时明确证据边界
对于重要声明,说明其属于:
- 有来源的事实
- 用户提供的上下文
- 推断
- 建议
对时效性敏感的答案应包含具体日期。
5. 决定任务是否应保持手动
如果用户可能反复提出相同的研究问题,请明确说明,并建议采用监控或工作流层,而非永远重复相同的手动搜索。
输出格式
问题类型
- 事实性 / 比较性 / 补充性 / 监控性
证据
- 有来源的事实
- 用户提供的上下文
推论
- 从证据中得出的结论
建议
- 答案或下一步行动
- 是否应将其设为监控项
常见陷阱
- 不要将推断混入有来源的事实而不加标注
- 不要忽略用户提供的证据
- 不要对本地仓库上下文能回答的问题使用繁重的研究路径
- 不要给出不含日期的时效性敏感答案
验证
- 重要声明需标注证据类型
- 时效性敏感的输出需包含日期
- 最终建议需与实际使用的研究模式匹配
想直接用这个技能?
本站把开放许可(MIT / Apache 等)的技能按仓库打包整理到网盘,点一下转存到你自己的网盘,不用一个个从 GitHub 拉。许可未声明的技能只给原始仓库链接,不打包。
同名技能的其他版本
有 3 个不同仓库或目录里都有叫 research-ops 的技能。它们内容并不相同,别混用:
- affaan-m/ECC — 証拠優先のECC現状調査ワークフロー。ユーザーが現在の公開証拠と提供されたローカルコンテキストに基づいて最新の事実、比較、情報の充実、または推奨事項を求める場合に使用する。
- affaan-m/ECC — Evidence-first current-state research workflow for ECC. Use when the user wants fresh fact