Menü
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"。
Mit Codex oder Claude installieren Kopieren Sie diesen Prompt, fügen Sie ihn in Codex, Claude oder einen anderen Assistant ein und lassen Sie die Skill-Seite prüfen und installieren.
Basierend auf der SOC-Berufsklassifikation
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