
关于
ECC 的证据优先当前状态研究工作流。适用于用户需要新鲜事实、比较、丰富化或基于当前公开证据和提供的本地上下文构建的建议。
name: research-ops description: ECC 的证据优先当前状态研究工作流。当用户需要最新事实、对比分析、信息充实或基于当前公开证据和提供的本地上下文构建建议时使用。 origin: ECC
Research Ops
当用户要求研究当前事物、比较选项、充实人物或公司信息,或将重复查询转化为监控工作流时使用此技能。
这是围绕仓库研究栈的操作封装。它不是 deep-research、exa-search 或 market-research 的替代品;它告诉你何时以及如何将它们组合使用。
技能栈
在相关时将以下 ECC 原生技能纳入工作流:
exa-search用于快速当前网络发现deep-research用于多源综合与引用market-research当最终结果应为建议或排序决策时使用lead-intelligence当任务是人物/公司定位而非通用研究时使用knowledge-ops当结果需要存储到持久上下文中时使用
何时使用
- 用户说"研究"、"查找"、"比较"、"我应该联系谁"或"最新情况是什么"
- 答案依赖于当前公开信息
- 用户已提供证据并希望将其纳入新的建议中
- 任务可能具有足够的重复性,应成为监控而非一次性查询
防护规则
- 当新鲜搜索成本低时,不要从过时记忆中回答当前问题
- 区分:
- 有来源的事实
- 用户提供的证据
- 推断
- 建议
- 如果答案已在本地代码或文档中,不要启动重量级研究流程
工作流
1. 从用户已提供的内容开始
将任何提供的材料规范化为:
- 已有证据支持的事实
- 需要验证的内容
- 开放性问题
如果用户已构建了部分模型,不要从零开始重新分析。
2. 分类需求
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/信息充实流程
- 循环监控候选
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到
deep-research - 当结果应以建议结尾时使用
market-research - 当真正的需求是目标排序或热路径发现时交给
lead-intelligence
4. 报告时明确证据边界
对于重要声明,说明它们是:
- 有来源的事实
- 用户提供的上下文
- 推断
- 建议
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
如果用户可能重复提出相同的研究问题,明确指出并建议监控或工作流层,而不是永远重复相同的手动搜索。
输出格式
QUESTION TYPE
- factual / comparison / enrichment / monitoring
EVIDENCE
- sourced facts
- user-provided context
INFERENCE
- what follows from the evidence
RECOMMENDATION
- answer or next move
- whether this should become a monitor
常见陷阱
- 不要在未标注的情况下将推断混入有来源的事实中
- 不要忽略用户提供的证据
- 不要对本地仓库上下文可以回答的问题使用重量级研究路径
- 不要在没有日期的情况下给出时效性敏感的答案
验证
- 重要声明按证据类型标注
- 时效性敏感的输出包含日期
- 最终建议与实际使用的研究模式匹配
兼容工具
Claude CodeCursor
标签
AI与机器学习
