Menu
使用多策略进行高效资料收集：Fork Subagent 隔离收集、两阶段粗筛+精读、格式约束优化 token 消耗、本地缓存复用。触发词：收集资料、研究资料、搜集信息、资料整理、research、gather information、collect资料。
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
多篇既有学习笔记的批量更新编排。用于用户想一次更新一个目录、文件列表、Obsidian vault 子目录或多篇旧笔记，例如“批量更新这些笔记”“多篇笔记过时了”“把一组笔记更新到新版本”“refresh multiple notes”。先生成更新清单和批量计划，经用户确认后逐篇调用 note-updater 局部 patch，避免全文重写和批量误覆盖。
旧笔记批量导入、盘点和规范化。用于用户已经有一堆 Markdown/Obsidian/零散学习笔记，想接入本项目工作区、按项目 Obsidian 规范补 frontmatter、标签、双链、Callout、MOC，并保留原始文件时使用。触发词：旧笔记导入、已有笔记、一堆笔记、批量整理、迁移到这个项目、按项目规范、import existing notes、normalize notes。
学习笔记需求澄清与引导。分析用户学习需求，引导明确学习目标和方向，调用 workflow-orchestrator 生成项目结构。触发词：想学、帮我整理、研究一下、了解一下、不知道从哪开始、research planning、explore topic。
业务工作流实例化器。由 planner 技能调用，接收 workflow_id、topic、project_slug 等参数，按 .claude/workflows/{workflow-id}/state-template.md 生成 workspace/workflow-runs/{run-id}.workflow.md。不直接面向用户；通用状态格式和状态流转由 workflow-todo-state 负责。
Create or retrofit reusable named workflow state machines for multi-step agent projects. Use when a project needs recoverable workflow state files, multiple workflow definitions, phase gates, restart-safe agent workflows, explicit skipped/blocked states, workflow routing rules, or reusable workflow templates across repositories.
自我学习阶段。回顾本次学习会话，记录学习心得和错误到 .claude/rules/learnings/，当文件超阈值时自动压缩去重，更新 RULES.md，促进系统持续改进。
| name | research-collector |
| description | 使用多策略进行高效资料收集：Fork Subagent 隔离收集、两阶段粗筛+精读、格式约束优化 token 消耗、本地缓存复用。触发词：收集资料、研究资料、搜集信息、资料整理、research、gather information、collect资料。 |
使用多种策略进行高效资料收集，优化 token 消耗并支持本地缓存复用。
当用户提出以下类型的请求时，调用此技能:
原理: 主 Agent 派发多个 fork subagent 并行搜索不同关键词/信源，每个 subagent 只返回结构化摘要，避免原始网页全文污染主上下文。
实现:
主 Agent
├── Fork Subagent 1: 搜索 "关键词 A + 来源1"
├── Fork Subagent 2: 搜索 "关键词 B + 来源2"
├── Fork Subagent 3: 搜索 "关键词 C + 来源3"
└── ...
↓
每个 Subagent 返回：结构化摘要（<150 字）
↓
主 Agent 聚合：提炼后的结果
优势:
第一阶段: 批量粗筛
第二阶段: 定向精读
WebFetch 定向深读给 subagent 的 prompt 中严格限定输出格式，避免冗余:
## 返回格式（严格遵守）
每条资料格式：
- **标题**: [文章标题]
- **URL**: [链接]
- **摘要**: [核心观点，不超过 150 字]
- **相关性评分**: [1-5，5 为高度相关]
- **关键数据**: [如有，列出 1-3 个关键数据点]
- **来源类型**: [官方文档/技术博客/学术论文/社区讨论/新闻报道]
禁止返回:
- ❌ 完整段落
- ❌ 页面导航信息
- ❌ 广告内容
- ❌ Cookie 提示
- ❌ 无关的侧边栏内容
缓存目录: ${WORKSPACE_PATH:-./workspace}/${PROJECT_SLUG}/（项目专属文件夹）
文件命名: 02_deep_research.md（固定命名，供下游组件读取）
缓存结构:
# {主题} - 资料收集
收集时间: YYYY-MM-DD HH:MM
搜索关键词: [关键词列表]
## 第一阶段: 粗筛结果
| # | 标题 | URL | 相关性 | 摘要 |
|---|------|-----|--------|------|
| 1 | ... | ... | 5/5 | ... |
## 第二阶段: 精读笔记
### 资料 1: {标题}
- **URL**: ...
- **核心观点**: ...
- **关键数据**: ...
- **我的笔记**: ...
## 综合分析
[总结关键发现、趋势、共识与分歧]
启动时必须确定项目文件夹并检查 todo.md：
WORKSPACE_PATH="${WORKSPACE_PATH:-./workspace}"
# 方式 1: 从意图文件读取项目标识
PROJECT_SLUG=$(grep "项目标识" "${WORKSPACE_PATH}"/*/00_intent.md 2>/dev/null | head -1 | sed 's/.*：//')
# 方式 2: 如果有多个项目，提示用户选择
if [ -z "$PROJECT_SLUG" ]; then
echo "找到以下项目："
ls -d "${WORKSPACE_PATH}"/*/ 2>/dev/null | xargs -I {} basename {}
echo "请指定项目名称"
exit 1
fi
PROJECT_DIR="${WORKSPACE_PATH}/${PROJECT_SLUG}"
# 读取 todo.md
cat ${PROJECT_DIR}/todo.md 2>/dev/null || echo "不存在"
状态检查：
/research-planner 创建意图文件/research-planner"更新 todo.md 状态：
# 将当前阶段标记为进行中（根据实际执行的阶段选择 [P1] 或 [P2]）
# 阶段 1（探测式收集）：
.claude/scripts/todo-state.sh "${PROJECT_DIR}/todo.md" start P1
# 阶段 2（深度收集）：
.claude/scripts/todo-state.sh "${PROJECT_DIR}/todo.md" start P2
完成后更新状态：
# 将当前阶段标记为完成（根据实际执行的阶段选择 [P1] 或 [P2]）
# 阶段 1 完成：
.claude/scripts/todo-state.sh "${PROJECT_DIR}/todo.md" complete P1
# 阶段 2 完成：
.claude/scripts/todo-state.sh "${PROJECT_DIR}/todo.md" complete P2
Phase 1: 粗筛 (并行)
使用 Agent 工具创建多个 subagent，每个负责不同搜索维度:
Subagent 1: 搜索 "{关键词1} site:官方文档"
Subagent 2: 搜索 "{关键词2} 最佳实践"
Subagent 3: 搜索 "{关键词3} 教程 入门"
Subagent 4: 搜索 "{关键词4} 常见问题 问题排查"
每个 subagent 的 prompt 模板:
你是一个资料收集助手。只返回关于指定主题的结构化资料摘要。
返回格式（严格遵守，每条不超过 150 字）:
1. **标题**: ...
**URL**: ...
**摘要**: [核心观点，150 字内]
**相关性评分**: [1-5]
**关键数据**: [1-3 个]
**来源类型**: [官方文档/博客/论文/社区/新闻]
禁止返回: 完整段落、导航、广告、Cookie 提示。
请搜索并返回 3-5 条最相关的资料。
参数：
- 主题: {主题}
- 搜索关键词: {关键词}
- 信源限制: {信源类型}
Phase 2: 精读 (按需)
从粗筛结果中筛选评分 ≥4 的资料:
使用 WebFetch 深度阅读:
- URL: {选中的 URL}
- Prompt: "提取文章的核心观点、关键数据、主要结论。忽略广告、导航、侧边栏。"
将结果写入本地文件:
${WORKSPACE_PATH:-./workspace}/${PROJECT_SLUG}/02_deep_research.md
注意: 使用固定文件名 02_deep_research.md，方便下游组件（outline-generator、chapter-writer）直接读取。
更新 todo.md 状态：
# 将当前阶段标记为完成，推进到下一阶段
.claude/scripts/todo-state.sh "${PROJECT_DIR}/todo.md" complete P2
## 📚 资料收集完成
### 第一阶段: 粗筛结果 (共发现 12 条)
| # | 标题 | 评分 | 来源 |
|---|------|------|------|
| 1 | React 18 新特性详解 | 5/5 | 官方文档 |
| 2 | React 并发模式最佳实践 | 4/5 | 技术博客 |
| 3 | React 18 迁移指南 | 4/5 | 官方博客 |
| ... | ... | ... | ... |
### 第二阶段: 精读笔记
#### 1. React 18 新特性详解 (官方文档)
- **核心观点**: React 18 引入并发渲染、自动批处理、Suspense 改进
- **关键数据**:
- 性能提升 2-3 倍 (复杂应用)
- 自动批处理减少 60% 渲染次数
- **我的笔记**: [根据精读内容生成]
### 综合分析
[总结关键发现、最佳实践、常见问题]
---
✅ 资料已缓存到: ${WORKSPACE_PATH:-./workspace}/${PROJECT_SLUG}/02_deep_research.md
# 第一轮: 宏观了解
/research-collector "React 状态管理"
# 第二轮: 针对特定工具深入
/research-collector "Zustand vs Jotai vs Redux Toolkit 对比"
# 第三轮: 实战案例
/research-collector "React 状态管理 项目实战 最佳实践"
同时从多个维度收集:
# 检查是否已有相关缓存
ls research_notes/*react*
# 读取已有缓存
cat research_notes/react-2025-01-15.md
# 基于缓存补充收集
/research-collector "React 性能优化" (补充之前未覆盖的方面)