免责声明：本站部分 Skill 来源于公开渠道，使用前请注意识别相关风险，内容版权归原作者所有，如 Skill 涉及版权问题，请在线反馈，核实后予以下架处理。
本 Skill 面向需要系统性启动一项研究课题的用户，解决「从零开始不知从何下手」的痛点。用户只需通过 /research <topic> 指定研究主题，技能即分五步推进：先调用模型内部知识生成初步研究对象清单与字段框架，经用户确认后启动联网搜索代理，按指定时间范围补充最新项目、补全缺失维度并标注来源；随后询问用户是否已有字段定义文件并合并；最终整合全部信息，输出两份 YAML 配置文件——outline.yaml 载明研究对象列表与并行执行参数（批次大小、每代理任务数、输出目录），fields.yaml 定义各研究维度的名称、说明及详细程度层级（brief / moderate / detailed）。整套流程将模糊的研究意图转化为可直接进入深度研究阶段的标准化输入。
SKILL.md（本文件）：技能主说明，含触发指令、五步工作流、硬约束提示词模板、输出路径与后续命令outline.yaml 与 fields.yaml/research-deep 等后续命令，前期成果可直接驱动深度研究阶段| 用户怎么说 | 本技能做什么 |
|---|---|
| 「我要调研 AI 编程工具的发展现状，先帮我搭个框架」 | 生成 AI 编程领域研究对象清单（GitHub Copilot、Cursor 等）与字段框架，经确认后搜索 2024 年以来新增工具与趋势，输出 outline.yaml 与 fields.yaml |
| 「准备写篇大模型推理优化的综述，需要前期大纲」 | 构建推理优化技术方向的研究对象与维度（量化、投机解码、并行策略等），联网补充最新论文与开源项目，生成可扩展的研究配置文件 |
| 「公司要做云厂商向量数据库选型，先摸底有哪些产品」 | 梳理主流向量数据库产品清单与评估维度（性能、生态、成本），搜索近半年新品发布与 benchmark 更新，形成标准化选型研究输入 |
| 「已有部分字段定义，想在此基础上扩展研究范围」 | 读取用户现有字段文件，与模型生成及网络补充结果合并，统一输出完整字段定义与执行配置 |