| name | idea-generate |
| description | Generate and rank research ideas given a broad direction. Use when user says "找idea", "brainstorm ideas", "generate research ideas", or "what can we work on".
|
| argument-hint | <source> [constraints] |
| allowed-tools | Read, Write, Edit, Glob, Grep |
Purpose
给定一个方向，它先发散生成 8-12 个候选 idea，再经过粗筛和深度评估，最终保留 top 2-3 个可证伪的研究 idea，按 Templates/Idea.md 格式写入 Ideas/。它是从"发现问题"到"提出假设"的桥梁——将文献分析的输出（空白、矛盾、未解决问题）转化为可操作的研究假设。
Steps
Step 1：解析指令
解析核心意图：涉及什么任务（VLA/VLN/其他）、什么约束（few-shot / no-GPU / 理论向等）、期望的改进方向（性能提升、效率、泛化……）。
Step 2：读取 DomainMaps，锚定领域已知边界
- 用 Read 读取
DomainMaps/_index.md，找到相关的 domain（如 VLA、VLN、RL 等）。
- 用 Read 读取对应的
DomainMaps/{Name}.md，重点关注：
## Established Knowledge：已有共识，生成 idea 时可以利用，但不应作为 contribution 点（除非有明确突破）。## Active Debates：领域内仍有争议的问题，是生成 idea 的高价值区域——可以针对某个 debate 设计决定性实验或提出新框架。## Open Questions：领域显式列出的未解决问题，可直接对应生成 idea。
- 将 DomainMaps 的内容整合进 idea 生成时的"背景约束"：生成的 idea 要建立在 Established Knowledge 之上，要么解决 Open Questions，要么推进 Active Debates。
Step 3：生成候选 idea
综合 Step 1-2 的材料，生成 8-12 个 候选 novel ideas。BE CREATIVE and BOLD!
每个候选 idea 须包含以下要素（对应 Templates/Idea.md 的 section）：
- Hypothesis：一句话的可证伪断言，格式建议为"若……则……"或"我们假设……"。判断标准：这句话能否在合理资源范围内被实验证伪？
- Motivation：为什么这个方向值得研究？参考三个维度：（1）它解决了哪个知识空白或 Active Debate；（2）成功的话对领域有什么影响；（3）为什么现在是做这个的好时机（相关工具/数据已成熟？）。
- Approach sketch：初步的方法思路，不需要完整，但要有足够细节能判断可行性。说明核心技术路径（例如：用 LoRA fine-tuning + synthetic data augmentation 解决 few-shot adaptation）。
- Expected outcome：若 hypothesis 成立，实验应该观察到什么？用具体的 benchmark 或 metric 描述（如"在 LIBERO-Spatial 上 few-shot success rate 提升 >10%"）。
多个候选 idea 之间应有足够差异度，避免生成本质相同的变体：
- 可以在方法层面求变（不同技术路径解决同一问题）；
- 可以在问题层面求变（同一方法应用到不同开放问题）；
- 避免仅在超参或实现细节上差异的"伪多样性"。
Step 4：粗筛（First-Pass Filtering）
对每个候选 idea 快速评估：
- 约束检查：若
constraints 参数被指定（如"不需要 GPU""偏理论"），检查是否符合。
- 可行性检查：现有资源能否实际开展实验？
- 数据可获取性
- 算力需求（估算 GPU-hours）
- 影响力估算：审稿人会在意这个结果吗？
- "So what?" 测试：若实验成功，是否改变人们对该问题的认知？
- 结论是 actionable 的，还是仅仅 interesting？
淘汰未通过任一检查的 idea，通常剩余 4-6 个。
Step 5：深度验证（Deep Validation）
- 对粗筛后存活的每个 idea，调用
idea-evaluate skill 根据 idea 的完整描述进行评估。
- 根据评估结果选出 top 2-3 idea，并根据评估反馈对 idea 做进一步改进。
Step 6：按模板写入 Ideas/ 文件
- 读取
Templates/Idea.md，了解模板字段结构（frontmatter + sections）。
- 为每个候选 idea 创建独立的
Ideas/ 文件：
- 文件名：用描述性 CamelCase 名称，2-4 个关键词，体现 idea 的核心主张，如
Cross-Domain-VLA-Transfer.md、FewShot-VLA-LoRA.md。避免用 Idea1.md 此类无意义命名。
- 去重检查：用 Glob 扫描
Ideas/ 目录，若已存在内容相近的文件（文件名或标题高度重叠），停止创建该 idea 并告知 Human，不覆盖已有文件。
- 用 Write 将每个 idea 按模版保存到文件中。
Step 7：追加日志
用 Edit（若文件不存在则用 Write）将以下格式的 log entry 追加到 Workbench/logs/YYYY-MM-DD.md（日期为今天）：
### [HH:MM] idea-generate
- **input**: <source 参数内容>
- **output**: [[Ideas/Idea1Name]], [[Ideas/Idea2Name]], ...
- **observation**: <一句话描述本次生成的 idea 共同指向的研究方向>
Verify
Guard
- 不修改任何已有 Idea 文件：若
Ideas/ 下已存在内容相近的文件，停止执行并告知 Human；不得覆盖或追加已有 Idea 文件的内容。
- 不捏造文献支持：
## Hypothesis 中 closest works 引用必须指向 vault 中 Papers/ 目录下已存在的笔记（[[Papers/YYMM-ShortTitle]]）；若尚无相关 Paper 笔记，写"暂无相关笔记，建议先 paper-digest X"，不得引用不存在的链接。
- 不直接修改 agenda.md：idea-generate 的产出只写入
Ideas/；是否将某个 idea 纳入 agenda 的 direction，由 agenda-evolve skill 或 Supervisor 决策，idea-generate 不擅自修改 Workbench/agenda.md。
- hypothesis 必须可证伪：若某个候选 idea 的假设无法在合理实验条件下被证伪（如过于宽泛的"改进 VLA 的泛化能力"），不得写入文件；须拒绝该候选，并在输出中说明原因，改换更具体的方向。
- 语言规范：正文用中文撰写，英文技术术语（模型名、方法名、benchmark 名、任务名）保持英文，不做翻译。
Examples
想个 idea：怎么让 VLN agent 在没见过的环境中泛化得更好
执行过程摘要：
- Step 1：解析意图 → 任务=VLN，方向=unseen environment generalization；Grep
Papers/ 搜索 VLN、generalization、unseen，了解已有论文覆盖
- Step 2：Read DomainMaps/VLN.md → Established Knowledge（预训练 vision-language 特征有效）、Active Debates（topological vs. metric map）、Open Questions（zero-shot transfer 到新环境）
- Step 3：生成 10 个候选 idea（每个含 Hypothesis / Motivation / Approach sketch / Expected outcome / Risk），覆盖 environment augmentation、world model imagination、topological pre-training、cross-environment retrieval 等路径
- Step 4 粗筛：排除需要大规模 3D 数据采集的方向，剩余 5 个
- Step 5 深度验证：对 5 个 idea 调用 idea-evaluate，获取 Novelty 评分和 closest works，选出 top 3
- Step 6：按模板写入
Ideas/WorldModel-VLN-EnvTransfer.md、Ideas/TopoPretraining-UnseenNav.md、Ideas/CrossEnvRetrieval-VLN.md，每个文件的 ## Hypothesis 含 Novelty 评分
- Step 7：追加日志到
Workbench/logs/ 当天文件
