| name | deep-research |
| description | 深度调研技能 - 完全内置的多 Agent 并行执行引擎，支持引用管理、文件发送、轻量量化验证和实时进度反馈。支持 2-8 个内置 agent 同时工作，大幅提升 Token 使用效率和执行速度。 |
| version | 2.3.0 |
Deep Research - 深度调研技能（引用管理 + 文件发送 + 轻量量化验证）
这是一个完全内置、支持引用管理、文件发送和轻量量化验证的多 Agent 并行执行引擎，用于处理需要大量信息收集、多源验证、闭环研究的复杂话题。
Workspace 对接规则
在当前 workspace 内，本 skill 应直接接入统一 task session 和多 agent bridge，而不是把中间过程散落在 report/ 根目录。
进入方式：
bash workspace/scripts/deep-research-bootstrap.sh "<task-slug>" "<reason>" \
--objective "<goal>" \
--deliverable "<deliverable>" \
--scope "<scope>"
默认会完成三件事：
- 建立 task session 对接
- 写入可用的 capsule（不是
TBD 空模板）
- 直接生成一批默认 research agent brief（可用
--preset none 关闭）
最小共享上下文：
tasks/.../capsules/task-capsule.mdtasks/.../capsules/skill-brief.mdtasks/.../agents/<agent>.md
并发规则：
- 并发 agent 只读 capsule + 自己的 brief，不重放整段调研历史
- 原始资料放
tasks/.../sources/
- 量化 scratch、CSV、临时脚本放
tasks/.../scratch/
- 研究中间稿放
tasks/.../research/ 或 tasks/.../reports/
- task-local draft 先保留在
tasks/.../reports/
- 正式报告再通过
handoff-artifact.sh 复制归档到 workspace/report/
info-collector-* / 独立量化校验可以先并发；deep-analyst / history-analyst / synthesis-analyst / report-generator 这类下游 lane 默认要等上游证据落盘后再启动或重跑- 如果下游 lane 被提前拉起，必须显式记成
waiting，并把缺失的 upstream artifact 写清楚；不能一边等待一边对外宣称“已经在深度分析”
- 主 agent 每次汇报进度前，都应先看 task-local orchestration；若存在
ready_to_launch 或 ready_to_resume，先继续调度，不要把“干等”转嫁给用户
批量准备默认 agent：
bash workspace/scripts/skill-prepare-batch.sh deep-research default "" "<task-slug>"
如果任务涉及金融市场、选股、财报、新闻、行情、期权或其他高时效交易 intelligence，额外读取：
references/finance-timeliness-playbook.md
并把 Data Freshness & Completeness 与 Precision level 当成硬合同，而不是建议项。
deep-research 的 report-generator 默认输出语言现在应为：
Simplified Chinese (zh-CN)
只有当用户明确要求英文时，才切换到英文。
核心理念
学术报告级引用管理
引用标记规范：
- 文中引用：使用
[数字] 形式标记引用位置（像正经学术报告）
- Reference Section：在报告最后添加专门的引用部分
- 引用格式：
[数字] [标题] ([来源], [时间]) - 链接格式
- 引用列表：按顺序列出所有引用的新闻/文章链接
示例：
研究发现：美伊冲突导致全球市场波动 [1] [2] [3]
其中，美国对伊朗的制裁措施已实施多年，形成了完整的贸易封锁网络 [4] [5] [6]。
关键论据来源硬化规则：
- 如果一个论据直接支撑：
- 政策判断
- 动机归因
- 决策链
- 结论强度
- 核心数字口径
那么默认不能只停在聚合页、博客、自媒体或二手转述。
知乎专栏 / CSDN / 腾讯聚合页 / 微信公众号 / 博客 可以作为线索入口，但不应作为最关键论据的最终落脚点，除非用户明确接受次级来源。- 对这类线索型来源，默认动作应是继续追到：
- 官方原文
- 官方 PDF / 政策正文
- 政府官网 / 医院官网
- 同行评审论文
- 权威机构正式发布
- 如果暂时找不到原始来源，报告里必须明确标注“该证据层级较弱”或“该表述基于二手转述”，不能直接写成“官方已明确”。
引用可核查底线：
- 无论是主 agent 还是子 agent，只要输出的是 deep-research 报告或 task-local 研究稿，就必须把实际查到的来源链接补齐。
references / citations / sources 中不允许留下只有标题、只有 PMID/DOI、只有来源名、或 https://... / TBD / 待补 这类占位值的条目。- 如果条目已经包含
DOI / PMID / PMCID，workspace 会在落盘前尝试自动归一化成官方链接，但这只补“已有标识符”的学术条目，不会替你额外搜索普通网页来源。
- 如果暂时只有线索但没有可点击 URL，这类内容只能放到：
Unverified LeadsLimitations待进一步核查
不能继续留在 参考文献 或正式引用载荷里。
- 自动补链命令：
python3 workspace/scripts/deep_research_reference_normalizer.py --report <report-path> --in-place
python3 workspace/scripts/deep_research_reference_guard.py --report <report-path>
bash workspace/scripts/deep-research-deliver.sh --path <report-path>
分层赋权规则：
- 这不是“强信源替代弱信源”的非此即彼关系，而是“强弱信源并存、但结论权重分层”。
- 强信源负责锚定：
- 弱信源可以保留，用于补充：
- 潜规则
- 非正式激励
- 科室内部操作习惯
- 一线抱怨与博弈细节
- 需要进一步验证的行业传闻
- 写作时必须区分：
- 当弱信源与强信源冲突时，强信源决定事实口径；弱信源只保留为“存在这种说法/实践线索”。
文件发送能力
文件发送机制：
- Markdown 报告文件：调研结束后自动生成并保存到
workspace/report/[主题]_[时间戳].md
- 飞书文件发送：除了文字消息外，自动将 Markdown 文件发送给用户
- 文件命名规范：
[主题]_[时间戳].md
- 存储位置：
workspace/report/ 目录
轻量量化验证能力
当研究问题涉及利率、增长率、估值、样本对比、趋势判断、简单预测或“算一下是否成立”时，本 skill 允许 agent 在容器内部执行轻量脚本验证。
设计原则：
- 优先使用标准库和当前容器已有能力
- 允许编写临时脚本，但脚本必须服务于当前研究问题
- 优先做简单、可解释、可复核的线性建模与公式校验
- 结论必须把数据来源、样本量、方法和局限性写回报告
现成脚本工具：
workspace/skills/deep-research/scripts/research_quant_toolkit.pyworkspace/skills/deep-research/scripts/quant_scratchpad_template.pyworkspace/skills/deep-research/references/quant-research-playbook.md
金融高时效任务附加规则
当任务是：
- 市场研究
- 选股 / 选行业 / 选合约
- 财报 / 新闻 / 行情 / 技术面 / 资金面
- 真实交易方向判断
必须额外遵守：
- 最新市场状态优先于旧新闻叙事。
- 历史信息必须串成 timeline，不能直接当成当前状态。
- 若关键最新数据缺失，必须降级为：
DIRECTIONAL_ONLYWATCHLISTNOT_EXECUTABLE
- 没有真实期权链，不得给 precise strike / expiry / IV judgement。
- 模板 quant 输入不得参与真实交易结论。
- 若 mixed freshness 风险不是
LOW，或 timeline integrity 不是 COHERENT，则不得输出 EXECUTABLE。
- 新闻、财报、政策、地缘政治等事件必须结构化落盘，并在最终报告中体现为
事件驱动因子，不能只藏在 worklog。
Agent 体系
Agent 类型定义（与 v2.1.0 相同）
1. Info Collector (信息收集员)
职责：系统性地从多个来源快速收集原始信息
输出：结构化的信息收集结果，包含来源链接和引用标记
2. Deep Analyst (深度分析师)
职责：基于 Info Collector 的结果进行多维度分析
输出：结构化的分析报告，包含引用标记
3. Technical Feasibility Analyst (技术可行性分析师)
职责：从技术和经济角度分析可行性
输出：技术可行性评估报告，包含引用标记
4. History Analyst (历史分析师)
职责：重构历史事件，分析因果关系链
输出：历史分析报告，包含引用标记
5. Synthesis Analyst (综合分析师)
职责：综合所有 Agent 的研究结果，生成带引用的最终报告
输出：带引用标记的综合分析报告
6. Report Generator (报告生成器)
职责：生成标准化报告，包含完整的 Reference Section，并发送文件
输出：Markdown 报告文件 + 飞书文件发送
7. Quant Verifier (量化验证员)
职责：在研究涉及数字、时间序列、估值、利率、增长率、财务比率、趋势判断时，执行轻量数据抓取、描述统计、简单线性回归和公式校验
输出：可复核的数值结论、脚本输出摘要、方法局限性说明
引用管理机制
引用标记规范
文中引用格式
- 标准格式：
[数字] - 数字从 1 开始递增
- 使用场景：在正文中需要引用来源时标记
示例：
研究发现：美伊冲突对全球市场产生了显著影响 [1] [2]。
美国对伊朗的制裁措施已实施多年 [3] [4]，形成了完整的贸易封锁网络 [5]。
这种制裁机制依赖于高度情报协同、数据共享和全球金融市场的"合规外包" [6] [7]。
Reference Section 格式
标准格式：
---
## 参考文献 (References)
### 1. [标题 1]
**来源**: [来源名称]
**时间**: [发布时间]
**链接**: [URL]
### 2. [标题 2]
**来源**: [来源名称]
**时间**: [发布时间]
**链接**: [URL]
### ...
示例：
---
## 参考文献 (References)
### 1. 美以伊冲突最新解读：对全球市场影响有多大？
**来源**: BNY 投资
**时间**: 2026-03-05
**链接**: https://www.bny.com/investments/hk/zh-cn/institutional/news-and-insights/articles/iran-conflict-market-implications-asian.html
### 2. 美以袭击伊朗 全球市场波动加剧
**来源**: 新华网
**时间**: 2026-03-02
**链接**: https://www.news.cn/world/20260302/e0ec8c3a323c42f3929ce8cad321882a/c.html
### 3. 中金：美伊冲突演绎及对FICC资产影响分析
**来源**: 富邦证券
**时间**: 2026-03-02
**链接**: https://www.fubon.com/banking/document/Corporate/Financial_Market/TW/%E5%B8%82%E5%A0%B4%E8%BD%89%E6%8A%98%E7%84%A6%E9%BB%9E_20260302.pdf
### 4. 美国对伊朗实施新一轮制裁
**来源**: 央视新闻
**时间**: 2026-01-23
**链接**: https://www.stcn.com/article/detail/3610308.html
### 5. 美国"二级制裁"铁幕下，伊朗石油如何"暗度陈仓"？
**来源**: 澎湃新闻
**时间**: 未注明
**链接**: https://m.thepaper.cn/newsDetail_forward_31987017
### 6. 制裁与伊朗石油相关的实体和船只
**来源**: 中国驻美国大使馆官网
**时间**: 2025-04-11
**链接**: https://china.usembassy-china.org.cn/sanctions-on-irans-oil-network-to-further-impose-maximum-pressure-on-iran
### 7. 制裁与伊朗石油相关的实体和船只
**来源**: 中国驻美国大使馆官网
**时间**: 2025-03-21
**链接**: https://china.usembassy-china.org.cn/sanctioning-additional-entities-that-have-traded-in-irans-petroleum
报告生成流程
阶段 0: 量化触发判断（新增）
当用户问题出现以下任一信号时，先判断是否应启用 Quant Verifier：
- 明确出现数据、比率、涨跌幅、估值、利率、收益率、通胀、失业率、相关性、趋势、回归、预测
- 用户要求“算一下”“估算一下”“建个简单模型”“用数据验证”
- 研究对象本身高度依赖时间序列或财务/宏观数字
启用后必须做的事：
- 明确变量、时间范围、数据来源
- 判断只需要公式核算、描述统计，还是需要简单线性回归
- 优先使用现成脚本；仅在必要时写临时 scratch 脚本
- 把数值验证结果写回报告，而不是只说“脚本跑过了”
阶段 1: 信息收集（带引用标记）
Agent A (Info Collector) 任务：
- 从多个源搜索信息
- 记录来源 URL 和发布时间
- 生成带
[数字] 引用标记的初步报告
- 确保每个事实都有对应的引用标记
- 如果某条线索还没有直接 URL，不得把它放进
citations / references，只能放进 unverified_leads
- 如果已有
DOI / PMID / PMCID，在落盘前先用 normalizer 自动补官方 URL
输出格式：
{
"findings": [
{
"fact": "事实描述",
"sources": [
{
"title": "文章标题",
"url": "https://...",
"date": "2026-03-10",
"reliability": "high"
}
]
}
],
"citations": [
{
"id": 1,
"title": "文章标题",
"url": "https://...",
"date": "2026-03-10"
}
],
"unverified_leads": [
{
"claim": "只有标题或 DOI，还没补到实际 URL 的线索",
"reason": "缺少可核查链接，不能进入 references"
}
]
}
阶段 2: 深度分析（集成引用）
Agent B (Deep Analyst) 任务：
- 对收集的信息进行多维度分析
- 在分析结果中引用具体来源
- 使用
[数字] 引用标记
- 不得把无 URL 的二手线索继续抬升为正式引用
输出格式：
{
"analysis": {
"source_reliability": "high",
"evidence_sufficiency": "sufficient",
"contradictions": [],
"technical_feasibility": "high"
},
"citations_used": [1, 2, 3, 4, 5, 6, 7]
}
阶段 2.5: 量化验证（新增）
Quant Verifier 任务：
- 从官方公开来源或研究数据表中抽取结构化数字
- 优先在当前 task 目录的
scratch/ 中保存临时 CSV / 临时脚本；没有活动 task 时再退回 workspace/report/_scratch/
- 使用轻量工具完成描述统计、简单回归或公式核算
- 产出“数据来源 + 方法 + 结果 + 局限性”的验证结论
默认工作目录：
- 优先：
workspace/tasks/YYYY-MM-DD-<task-slug>/scratch/
- 回退：
workspace/report/_scratch/
可直接使用的命令：
python3 workspace/skills/deep-research/scripts/research_quant_toolkit.py fetch-fred \
--series FEDFUNDS \
--start 2015-01-01 \
--output workspace/tasks/YYYY-MM-DD-<task-slug>/scratch/fedfunds.csv
python3 workspace/skills/deep-research/scripts/research_quant_toolkit.py describe \
--input workspace/tasks/YYYY-MM-DD-<task-slug>/scratch/fedfunds.csv \
--column value
python3 workspace/skills/deep-research/scripts/research_quant_toolkit.py regress \
--input workspace/tasks/YYYY-MM-DD-<task-slug>/scratch/model_input.csv \
--x fedfunds \
--y inflation \
--json
python3 workspace/skills/deep-research/scripts/research_quant_toolkit.py calc \
--expr "(new-old)/old*100" \
--var old=5.25 \
--var new=4.50
写 scratch 脚本的规则：
- 仅在标准命令不够用时才写临时脚本
- 临时脚本命名建议：
workspace/tasks/YYYY-MM-DD-<task-slug>/scratch/YYYY-MM-DD-<topic>-analysis.py
- 优先从
quant_scratchpad_template.py 复制后最小改动
- 任务结束时，保留有价值的脚本，删除纯垃圾实验脚本
当前环境假设：
- 默认可用：Python 标准库 +
requests
- 不默认依赖：
numpy、pandas、statsmodels
- 因此优先做简单可解释的模型；如果需要额外包，必须在报告中说明环境依赖与不确定性
阶段 3: 报告生成（含完整 Reference Section）
Agent F (Report Generator) 任务：
- 整合所有 Agent 的结果
- 生成带
[数字] 引用标记的正文
- 生成完整的 Reference Section
- 如果是金融高时效任务，固定增加
## Data Freshness & Completeness
- 在任何正式交付前，先运行：
python3 workspace/scripts/deep_research_reference_normalizer.py --report <report> --in-place
- 再运行：
python3 workspace/scripts/deep_research_reference_guard.py --report <report>
- 金融高时效任务在交付前再运行：
python3 workspace/scripts/finance-intel-report-gate.py --report <report> --task-slug <slug>
- 先保存 task-local draft 到
tasks/.../reports/<task-slug>-draft.md
- 统一优先运行
workspace/scripts/deep-research-deliver.sh --path <report>；该脚本会先做 DOI/PMID/PMCID 自动补链，再做 reference guard，再按需做 finance gate，并把最终交付复制到 workspace/report/
- 优先通过消息工具的
filePath 参数发送；如果当前回合只能输出文本，则至少原样输出 FILEPATH:./...
- 最终回复应同时带上
TASK_PATH:./tasks/...
报告结构：
# [研究主题] - 深度调研报告
**报告编号**: [自动编号]
**生成时间**: [ISO 8601 格式]
**研究复杂度**: [简单/中等/复杂]
---
## 执行摘要
**研究目标**:
- [目标 1]
- [目标 2]
**主要发现**:
- [关键事实 1]
- [关键事实 2]
**结论（1-3 句话）**:
- [结论]
**可信度评估**: [高/中/低]
---
## Data Freshness & Completeness
- Market data as of:
- News data as of:
- Options data as of:
- Options data status:
- Timeline span:
- Completeness status:
- Precision level:
- Critical missing fields:
- Fallback sources used:
- Mixed freshness risk:
- Timeline integrity:
- Open interest status:
- Bid-ask status:
- Expiry-window fit:
---
## 研究方法
### 信息源
- 列出所有信息源及其可靠性评估
### 搜索策略
- 搜索关键词
- 信息源选择理由
- 对 `info-collector-*`，优先使用 `workspace/skills/deep-research/scripts/info_search_scheduler.py`
- 该脚本负责最小可执行的 MCP-first 调度：优先学术/专用 MCP，再退到通用网页搜索
- 当 `Brave` 出现 `429` / `quota` / `rate limit` 时，不要反复重试；用脚本把 Brave family 标记为 cooling，然后切换到下一个 lane
- 对任何不熟悉的 MCP server，先执行 `mcp_call(action=list_tools, server=...)`，再做正式 `call`
---
## 核心发现
### 确定的事实（经过验证，带引用）
- 事实 1:
- 证据: [来源] [1] [2]
- 可靠性: [高/中/低]
- 引用: [来源链接]
- 事实 2:
- 证据: [来源] [3] [4]
- 可靠性: [高/中/低]
- 引用: [来源链接]
### 存在争议（带引用）
- 争议点 1:
- 支持观点 A 的证据: [来源] [5] [6]
- 支持观点 B 的证据: [来源] [7]
- 中立分析: [来源] [8]
### 技术/科学原理（带引用）
- 原理说明: [来源] [9] [10]
- 学术共识: [来源] [11]
- 技术可行性评估: [来源] [12]
---
## 深度分析
### 因果分析（带引用）
- 前因: [原因] [引用来源]
- 后果: [结果] [引用来源]
- 间接影响: [影响] [引用来源]
### 跨领域视角（带引用）
- 技术视角: [分析] [引用来源]
- 经济视角: [分析] [引用来源]
- 社会/政策视角: [分析] [引用来源]
- 历史/文化视角: [分析] [引用来源]
---
## 结论与建议
### 主要结论
- 重新总结核心发现（带引用）
### 建议
- 基于研究的建议（带引用）
### 后续研究方向
- 尚未解决的问题（带引用）
---
## 参考文献 (References)
### 1. [标题 1]
**来源**: [来源名称]
**时间**: [发布时间]
**链接**: [URL]
### 2. [标题 2]
**来源**: [来源名称]
**时间**: [发布时间]
**链接**: [URL]
### ... (列出所有引用)
## 未核查线索（可选）
- 只保留暂时没有补齐 URL 的线索
- 明确写清为什么还不能纳入正式参考文献
- 这一节不能参与正式 `[数字]` 引用编号
---
## 附件
- [相关文档、数据截图等]
---
*本报告由 Deep Research Skill 自动生成*
文件发送机制
文件生成
命名规范：
- 格式：
[主题]_[时间戳].md
- 时间戳格式：
YYYY-MM-DD-HH-MM (ISO 8601 标准)
- 命名规则：使用英文主题（避免文件名编码问题）
存储路径：
- 自动保存到：
workspace/report/[主题]_[时间戳].md
示例：
iran_stock_market_impact_2026-03-10-17-30.md
petroleum_reservoir_feasibility_2026-03-10-15-30.md
飞书文件发送 / 聊天文件交付
发送触发：
- 调研任务完成后自动发送
- 用户也可以手动触发：
"发送报告 [文件名]"
发送流程：
- 检查文件是否存在于
workspace/report/
- 执行：
bash workspace/scripts/deep-research-deliver.sh --path workspace/report/<file>.md
- 该脚本会先尝试把 DOI / PMID / PMCID 归一化成官方链接，再拦截仍然缺链接的 reference，并按需执行 finance gate
- 如果有消息工具可用，则把返回的相对路径作为
filePath 发送
- 如果当前只能返回文本，则至少单独输出一行：
FILEPATH:./report/<file>.md
- 不要只回复“文件路径: ./report/...”，这不是稳定的文件交付格式
发送消息模板：
## 📄 深度调研报告已生成
**文件名**: [文件名]
**存储位置**: workspace/report/
**生成时间**: [ISO 8601 格式]
**内容摘要**:
- 主要发现: [1-2 句话]
- 结论: [1-2 句话]
- 可信度: [高/中/低]
**文件已发送**，请查收！
强制交付规则：
- 生成正式报告后，不要停在“路径提示”
- 必须走
deep-research-deliver.sh 或等价的 filePath 发送动作
deep-research-deliver.sh 会拒绝 reference 中缺少真实链接的报告- 当用户明确说“把报告发给我”时，优先发文件，不要改成长篇摘要代替文件
使用指南
何时使用本 skill
推荐使用场景：
- 🔬 技术可行性深度分析（如"XX 技术是否可行"）→ 并行模式 + 文件发送
- 📰 科学谣言验证（如"XX 技术突破"是否真实）→ 并行模式 + 文件发送
- 🏭️ 历史事件调查（如"XX 事件的真相"）→ 流水线模式 + 文件发送
- 💼 投资决策支持（如"XX 项目是否值得投资"）→ 并行模式 + 文件发送
- 📚 学术研究支持（如"XX 领域的研究现状"）→ 流水线模式 + 文件发送
新增功能
引用管理
- ✅ 文中引用标记：使用
[数字] 格式
- ✅ Reference Section：在报告最后添加完整的引用列表
- ✅ 学术报告级格式：像正经学术报告一样
文件发送
- ✅ 自动文件发送：调研结束后自动发送 Markdown 文件
- ✅ 手动文件发送：用户可以通过指令手动触发
- ✅ 文件命名规范：
[主题]_[时间戳].md
- ✅ 存储位置标准化：
workspace/report/
量化验证
- ✅ 轻量数据抓取：支持 FRED 等固定公开时间序列
- ✅ 轻量描述统计：均值、中位数、波动、极值
- ✅ 简单线性回归：单变量线性关系快速验证
- ✅ 公式核算：对关键百分比、增长率、利差等做计算复核
- ✅ 临时脚本模板：支持在研究任务中快速搭建 scratch 分析
质量标准
报告质量
- ✅ 引用标记准确：每个引用都有明确的
[数字] 标记
- ✅ Reference Section 完整：包含所有引用的标题、来源、时间、链接
- ✅ 引用规范统一：所有引用使用相同格式
- ✅ 交叉引用正确：正文中的
[数字] 与 Reference Section 中的编号对应
文件管理
- ✅ 文件命名规范：
[主题]_[时间戳].md
- ✅ 存储位置统一：
workspace/report/
- ✅ 文件发送确认：发送后生成确认消息
研究质量
- ✅ 多源验证（每个事实用 3 个以上来源验证）
- ✅ 深度分析覆盖（6 个维度全覆盖）
- ✅ 矛盾识别准确率 > 90%
- ✅ 交叉验证执行率 100%
- ✅ 涉及核心数字结论时，必须至少执行一次公式核算、描述统计或简单回归验证
- ✅ 量化验证结论必须包含数据来源、样本量、方法和局限性
实际使用示例
示例 1: 伊朗地区局势对美股市场影响研究
研究主题：伊朗地区局势对美股市场影响
执行模式：并行模式（4 个 Agent 同时工作）
引用管理：启用文中 [数字] 引用标记 + Reference Section
文件发送：启用自动文件发送
执行流程：
- 信息收集：4 个 Agent 并行搜索，记录所有来源链接
- 深度分析：对收集的信息进行多维度分析，添加引用标记
- 报告生成：生成带
[数字] 引用标记的正文 + 完整 Reference Section
- 文件保存：保存到
workspace/report/iran_stock_market_impact_2026-03-10-17-30.md
- 文件发送：自动发送 Markdown 文件给用户
用户接收：
- 📊 文字消息：包含研究摘要和主要发现
- 📄 飞书文件：完整的 Markdown 报告（含 Reference Section）
本 skill 基于完全内置的多 Agent 并行架构设计，支持引用管理、文件发送、轻量量化验证和实时进度反馈。版本 2.3.0
关联 Skill（网络调度协议）
| 关系 | Skill | 场景 |
|---|
| 可调用 | pdf-reader | 需要提取 PDF 文献内容 |
| 可调用 | pubmed-linker | 需要批量查找 PubMed 链接 |
| 可调用 | office-docs | 调研完成需生成报告 |
| 被调用 | vitaforge-orchestrator | 文献调研阶段 |
| 被调用 | paper-reader | 精读后需扩展调研 |
| 被调用 | nsfc-proposal-advisor | 基金申请需要文献支撑 |
| 被调用 | medical-advisory | 循证医学需要文献检索 |
| 被调用 | executive-consultant | 主调度路由过来的调研任务 |
| 被调用 | global-legal-counsel | 法律场景需要案例/法规检索 |
| 被调用 | external-negotiation-master | 谈判前需要对方背景调研 |
