Research 技能：把调研交给后台代理

把调研这件事交给一个独立上下文的代理，它只负责查证与存文件。

让主对话去做调研有个天然问题：查到一半上下文就满了，前面的资料被挤掉，最后只能凭模型记忆回答。Research 技能的思路很直接：开一个后台代理，给它一个干净上下文窗口，让它自己查、自己写、自己存成 Markdown，主对话继续干别的。它的规矩只有三条，但条条卡在质量上：只用一手资料、每条结论带出处、存在仓库已有的位置。

核心能力

1. 后台代理，不占主对话上下文

技能的写法是“起一个后台代理去做，你继续干”，而且明确要求它用新的上下文窗口。这一点对长任务很关键：一份技术选型调研可能要读几十个页面，如果都在主对话里做，做到一半就开始遗忘前面的结论。拆出去以后，调研有自己的完整窗口，主对话只收最终那份 Markdown。

2. 只认一手资料

技能里写得很硬：查官方文档、源码、规范、一方 API，不要二手转述，并且每条声称都要能回溯到“拥有这个事实的源头”。实际差别很明显：二手文章里“某工具免费 1000 次/月”可能已经过期半年，而官方定价页不会。做产品对比时，这一条直接决定结论能不能用。

3. 每条结论带出处

它要求把发现写进一个 Markdown 文件，并给每条声称标源。这看上去是格式要求，实际是防幻觉机制：当一条结论必须写上出处时，模型会自然地去真查，而不是把“大概是这样”写进报告。你事后抽查也方便——点开链接就知道对不对。

4. 融入仓库已有的目录习惯

技能要求把结果存在“仓库已经放这类笔记的地方”，并且匹配现有约定；如果仓库没有约定，就放在合理位置并告知你放在哪。这一条避免了每次调研都在根目录丢一个 report.md，几个月后没人知道哪份是最新的。

使用上手

1. 在对话里直接说清调研问题，并明确写出“用 research 技能，后台代理执行”。问题要具体到可验证，例如“查清 A、B 两个工具的定价档位与免费额度，截止到今天”。
2. 补充边界：指定官方站点、指定时间范围、指定不要参考哪些二手源。技能默认只认一手，但你可以把范围再收紧。
3. 让代理先交一份调研提纲给你确认，再开始大规模阅读。提纲错了，后面读得越多浪费越大。
4. 等它交付 Markdown 文件后，先看“引用密度”：每个小节是否都有源链接，没有源的段落一律存疑。
5. 随机抽 2–3 条结论点开原链接核对。核对通过再把文件并入你的知识库或周报。
6. 下次同类调研直接复用上次的目录与命名，让仓库沉淀成一套可检索的调研库。

优点与不足

优点

• 后台代理不挤占主对话上下文，长调研能完整跑完。
• 强制一手源与引用标注，显著压低幻觉率。
• 产出是 Markdown 文件，能直接进仓库、进知识库。
• 规则少而硬，不靠长篇提示词堆约束。

不足

• 完全依赖公开可访问的页面，需登录或强反爬的源它拿不到。
• 一手源本身也会过期，价格、版本这类数据仍需你定期复查。
• 需要模型具备联网与长文阅读能力，弱模型上质量下降明显。
• 技能本身不管排版，报告结构好不好仍取决于你的提纲。

适合谁

• 要写技术选型、竞品对比、方案调研的工程师与产品经理。
• 需要把结论沉淀成可追溯文档的团队。
• 手上任务多、希望调研与主任务并行的重度用户。
• 对 AI 幻觉敏感、要求每条结论有出处的场景。

下载与访问

• 使用方式：WorkBuddy 对话中直接调用技能名 research
• 技能目录：~/.workbuddy/skills/research
• 技能市场：WorkBuddy 客户端内「技能」入口

获取与授权

本文属于「技能」分类的 AI 资源专栏，更多评测见分类页。