Menu
自动课题研究器。给定一个研究课题，自动循环执行"提问→检索→整理→评估"，持续更新知识库直到研究目标达成。适用于行业调研、技术研究、概念理解、创业方案构建等场景。触发方式：用户说"帮我研究 X"、"调研一下 X"、"我想深入了解 X"、"/autodidact X"。
Install with Codex or Claude Copy this prompt, paste it into Codex, Claude, or another assistant, and let it review the skill page and install it for you.
Based on SOC occupation classification
课题研究提问引擎。综合知识审计报告、用户插入问题、既定框架，生成每轮最有价值的问题列表，驱动后续检索。是整个研究循环的核心引擎——问题的质量决定研究的深度。通常由 autodidact skill 调用，也可单独使用。
信息检索 skill。接收问题列表，通过浏览器自动搜索并抓取高质量网页内容，存入 raw/ 文件夹。含两层质量筛选（抓取前过滤低质来源，抓取后评分）。通常由 autodidact skill 调用，也可单独使用。依赖 agent-browser CLI。
个人知识库管理工具。支持三个命令：/wiki compile（将 raw/ 素材增量编译为结构化 wiki）、/wiki check（知识审计：有问题列表时做完整审计，无问题列表时做纯结构审计）、/wiki check <questions_file>（基于 wiki 回答问题并做结构审计，合并输出为单份 check 报告）。
| name | autodidact |
| description | 自动课题研究器。给定一个研究课题，自动循环执行"提问→检索→整理→评估"，持续更新知识库直到研究目标达成。适用于行业调研、技术研究、概念理解、创业方案构建等场景。触发方式：用户说"帮我研究 X"、"调研一下 X"、"我想深入了解 X"、"/autodidact X"。 |
| user-invocable | true |
| args | <课题描述> [--max-rounds 20] [--background <已知背景>] |
协调 questioner、researcher、wiki 三个模块，驱动研究循环，直到达成终止条件。
执行原则（重要）：autodidact 是整个研究循环的主控，负责驱动循环直到终止条件满足。
<知识库根目录>/
├── CLAUDE.md ← 知识库规则（必须存在）
├── raw/ ← 原始抓取素材（不修改）
├── wiki/ ← 结构化知识库
│ ├── INDEX.md
│ └── <主题>.md
└── outputs/
├── research_state.json ← 持久状态（唯一真相来源）
├── research_summary.md ← 最终研究摘要
├── user_questions.md ← 用户插入问题（可随时编辑）
└── rounds/ ← 每轮过程产物（可归档/删除）
├── round_N_questions.json
└── round_N_check.md
过程产物统一放 outputs/rounds/，持久状态放 outputs/ 根目录。
解析参数：
课题描述（必须）--max-rounds：最大轮次，默认 20--background：用户已知背景（可选，传给 questioner 用于跳过基础问题）检查并初始化环境（冷启动）：
目录：raw/、wiki/、outputs/、outputs/rounds/ 不存在则自动创建，无需提示。
初始化或读取 outputs/research_state.json：
向用户通报研究计划（通报后立即进入研究循环，无需等待用户回应）：
## 开始研究：<课题描述>
- 最大轮次：N
- 当前状态：全新开始 / 从第 X 轮继续
- 知识库现状：wiki/ 中有 X 篇文章 / 空
在调用 questioner 之前，先检查两类外部输入，任何一类有新内容都应触发本轮循环（即使原本已达终止条件）：
① 用户插入问题
检查 outputs/user_questions.md 是否存在且有未处理的问题：
## 待处理
- 期权的波动率曲面是什么？
- 国内有没有专门做期权策略的私募基金？
## 已处理
- ~~备兑开仓被行权后怎么操作？~~（已纳入第2轮）
用户只需在 ## 待处理 下加一行 - 问题文本 即可。
若有待处理问题，将文件路径传给 questioner，questioner 将其合并入本轮问题列表，优先级设为 high。
questioner 完成后，由 autodidact 负责更新 user_questions.md：
读取 questioner 输出 JSON 中的 incorporated_user_questions 字段，将对应条目从 ## 待处理 移至 ## 已处理，格式：~~问题文本~~ [r<N>]。
② 用户贡献的新 raw 文件
对比 research_state.json 中 all_raw_files_processed 列表与当前 raw/ 目录的实际文件，找出新增文件。
若有新文件，通知 questioner 扫描这些文件内容，提取新主题和问题。
每轮执行以下步骤，完成后更新 research_state.json：
按 questioner 的逻辑执行问题生成（可通过 Skill tool 加载 questioner 获取详细执行逻辑）。
传入上下文：
outputs/rounds/round_<N-1>_check.md，第1轮无）
outputs/user_questions.md 有待处理问题）all_questions_ever，含 id 和 text，去重用）输出：outputs/rounds/round_N_questions.json
Step 1 完成后：立即将 current_round_progress.step1_done 更新为 true，然后继续执行 Step 2。
按 researcher 的逻辑执行信息检索（可通过 Skill tool 加载 researcher 获取详细执行逻辑）。
传入：outputs/rounds/round_N_questions.json
输出：raw/ 新增文件列表（每行一个路径）
Step 2 完成后：立即将 current_round_progress.step2_done 更新为 true，然后继续执行 Step 3。
按 wiki compile 的逻辑执行增量编译（可通过 Skill tool 加载 wiki 获取详细执行逻辑）。
传入：本轮新增的 raw/ 文件列表。将 Step 2 输出的文件路径列表转为逗号分隔字符串后传入（如 raw/a.md,raw/b.md）。
注意：若 Step 1 检测到用户贡献的新 raw 文件，也一并追加到此列表。
输出：新增/更新的 wiki 主题列表
Step 3 完成后：立即将 current_round_progress.step3_done 更新为 true，然后继续执行 Step 4。
按 wiki check 的逻辑执行完整审计（可通过 Skill tool 加载 wiki 获取详细执行逻辑）。
传入：
outputs/rounds/round_N_questions.json--round N输出：outputs/rounds/round_N_check.md（问题覆盖状态 + 结构性审计）
Step 4 完成后：立即将 current_round_progress.step4_done 更新为 true，然后继续执行 Step 5。
将本轮完整信息写入状态文件，包括：
all_questions_everall_raw_files_processedoutputs/rounds/round_N_check.md）overlap_ratio 数值、audit_issues_count 数值）current_round_progress 设为 null（标记本轮已完整完成）漏洞数定义：audit_issues_count = wiki check 审计摘要中「知识漏洞数」+「partial 问题数」之和。矛盾和来源缺失单独记录但不计入漏洞数。
终止条件全部满足才终止（AND 关系）：
| 条件 | 第1轮 | 第2轮起 | 判断方式 |
|---|---|---|---|
| 审计漏洞边际递减 | 跳过（直接视为未满足） | 参与判断 | 本轮漏洞数 ≤ 上轮的 60%，或连续两轮漏洞数均 < 3 |
| 无用户插入问题 | 参与判断 | 参与判断 | user_questions.md 无 pending 问题 |
| 无新 raw 文件 | 参与判断 | 参与判断 | 用户没有贡献新素材 |
| 问题重叠率 > 70% | 跳过（overlap_ratio 为 null） | 参与判断 | questioner 输出的 overlap_ratio > 0.7（null 视为未满足） |
为什么用"边际递减"而非"绝对值 < 3"：知识库越深，审计发现越少是自然规律。但如果用绝对值，审计工具稍微努力一点就能找出 3+ 条漏洞，导致循环永不终止。边际递减才能真正捕捉"已无明显新增价值"的信号。
硬上限：达到 max_rounds 无条件终止
继续：检查当前上下文使用量，若超过 50% 则自动执行 /compact 压缩对话（无需用户确认），然后立即进入 round N+1。
终止：确认 state.json 中已记录本轮 decision: terminate 后，执行收尾流程。
研究循环结束后：
生成研究摘要，写入 outputs/research_summary.md：
# 研究摘要：<课题>
## 研究概况
- 研究轮次：N 轮
- 检索文章：X 篇（raw/）
- 知识主题：X 个（wiki/）
- 终止原因：<漏洞边际递减达标 / 重叠率超标 / 达到最大轮次 / ...>
## 核心发现
（基于 wiki/ 内容，提炼 3-5 个最重要的发现）
## 未解决问题
（列出所有 open 状态的问题）
## 知识图谱
（列出 wiki/ 中的主题及其关联关系）
向用户输出：
## 研究完成：<课题>
共 N 轮，检索 X 篇文章，整理 X 个知识主题。
产出文件：
- wiki/ ← 结构化知识库
- outputs/research_summary.md ← 最终摘要
- outputs/rounds/ ← 各轮审计报告
- outputs/research_state.json ← 完整研究轨迹
{
"topic": "课题描述",
"started_at": "2026-04-09T10:00:00",
"max_rounds": 20,
"status": "in_progress",
"current_round_progress": {
"round": 2,
"step1_done": true,
"step2_done": true,
"step3_done": false,
"step4_done": false
},
"rounds": [
{
"round": 1,
"timestamp": "2026-04-09T10:05:00",
"questions": [
{
"id": "r1q1",
"text": "问题文本",
"layer": "L1-定义",
"priority": "high",
"source": "framework",
"status": "resolved"
}
],
"new_raw_files": ["2026-04-09_xxx.md"],
"user_contributed_raw_files": [],
"wiki_topics_updated": ["主题A", "主题B"],
"check_report": "outputs/rounds/round_1_check.md",
"termination_check": {
"audit_issues_count": 5,
"pending_user_questions": 0,
"new_raw_files": 0,
"overlap_ratio": null,
"decision": "continue",
"reason": "audit_issues_count 5，边际递减条件未满足"
}
}
],
"all_questions_ever": [
{"id": "r1q1", "text": "问题文本"},
{"id": "r1q2", "text": "问题文本"}
],
"all_raw_files_processed": ["2026-04-09_xxx.md"],
"final_summary": null
}
current_round_progress 在每个 Step 完成后立即更新，用于中断恢复时判断从哪步继续。一轮完整完成（Step 5 写入 rounds[]）后清空此字段（设为 null）。
current_round_progress，若非 null，说明上次在该轮中途中断。根据 stepN_done 字段跳过已完成的步骤，从第一个未完成的步骤继续，避免重复抓取和编译## 第 N 轮 / 最多 M 轮，让用户了解进度