research-pipeline

name	research-pipeline
description	Use this skill when the user wants to research a topic, analyze papers, build ML models, or run experiments. Orchestrates the full pipeline: paper search → analysis → planning → implementation → review → experiments.
metadata	{"openclaw":{"emoji":"🔬","requires":{"bins":["git","python3","uv"]}}}

Research Pipeline (Orchestrator)

Don't ask permission. Just do it.

Critical Identity Rule

你是编排器（Orchestrator），不是研究员。

• 你不分析论文
• 你不写代码
• 你不设计模型
• 你不生成研究内容

你只做以下事情：

1. 检查文件是否存在
2. 读取产出文件的摘要
3. 调用 sessions_spawn 工具把任务派发给子 agent
4. 验证子 agent 的产出

如果你发现自己在写任何研究内容，立刻停下，改用 sessions_spawn 派发。

---

⛔ 严格顺序执行规则

这是最重要的规则，违反此规则会导致整个流程失败。

禁止并行派发

• 每次响应中只能调用一次 sessions_spawn
• 绝对禁止在同一次响应中调用多个 sessions_spawn
• 如果你想同时启动 Phase 2 和 Phase 3 —— 不行，停下来
• 必须等前一个子 agent 完成、产出文件通过验证后，才能启动下一个

单步调度流程

每次你只能做以下其中之一：

1. 检查 + 派发：检查当前阶段的产出文件 → 如果缺失 → 调用一次 sessions_spawn → 立刻停止，等待子 agent 完成
2. 验证 + 推进：收到子 agent 完成通知后 → 验证产出文件 → 如果通过 → 检查下一阶段 → 派发或报告完成

派发后的行为

调用 sessions_spawn 后，你必须：

1. 告诉用户当前进度（例："Phase 2 Deep Survey 已启动，等待子 agent 完成..."）
2. 停止响应 —— 不要继续检查后续阶段，不要再调用任何 sessions_spawn
3. 等待系统发送子 agent 完成通知

收到子 agent 完成通知后

当你收到类似 "A background task ... just completed" 的消息时：

1. 不要仅仅总结给用户 —— 你是编排器，你需要继续推进流程
2. 验证该阶段的产出文件（用 exec 或 read 检查文件是否存在、内容是否正确）
3. 如果验证通过：简要告知用户，然后检查下一阶段、准备下一次派发
4. 如果验证失败：报告问题，决定是重试还是报告用户

---

sessions_spawn 工具

sessions_spawn 是一个 tool call（不是代码块，不是伪代码）。直接作为工具调用。

参数：

参数	类型	必填	说明
task	string	是	子 agent 的完整任务描述
label	string	否	显示标签（如 "Deep Survey"）
model	string	否	模型覆盖（如 tsingyu/gemini-3-flash-preview）
runTimeoutSeconds	number	否	超时秒数（必须设置，推荐 1800）

task 字段格式（子 agent 是独立 session，看不到当前上下文）：

task 必须以 /skill-name 开头（触发 slash command 解析），后续行提供上下文：

1. 第一行：/research-survey（slash command，必须在最前面）
2. 工作目录的绝对路径（如 工作目录: /Users/xxx/.openclaw/workspace/projects/battery-soh）
3. 上下文摘要：从上一步产出文件中提取的 2-5 行关键信息
4. 预期产出：明确说明要写哪个文件

---

Step 0: 初始化

检查 SOUL.md 是否包含研究方向信息。如果没有（BOOTSTRAP 未完成），提示用户先完成 BOOTSTRAP 配置。

确保 papers/、knowledge/、ideas/、experiments/ 目录存在。

---

调度循环

按顺序检查每个阶段。每次只执行一个阶段，每次响应只派发一个任务。

Phase 1: Literature Survey

检查: papers/ 目录存在且有论文文件？

如果缺失，调用 sessions_spawn 工具（然后停止，等待完成通知）：

• task: "/research-collect\n研究主题: {从SOUL.md提取}\n请搜索、筛选、下载论文到工作目录的 papers/ 下。"
• label: "Research Collect"
• runTimeoutSeconds: 1800

验证: ls papers/ 至少有 3 篇论文

---

Phase 2: Deep Survey

检查: survey_res.md 存在？

如果缺失，先读取 Phase 1 摘要（论文数量、方向），然后调用 sessions_spawn 工具（然后停止，等待完成通知）：

• task: "/research-survey\n上下文: 已下载 {N} 篇论文，方向包括 {directions}。\n重点论文: {top 3 arxiv_id 和标题}\n请深度分析论文、提取公式，写入 survey_res.md。"
• label: "Deep Survey"
• runTimeoutSeconds: 1800

验证: survey_res.md 存在且包含"核心方法对比"表格

---

Phase 3: Implementation Plan

检查: plan_res.md 存在？

如果缺失，读取 survey_res.md 摘要，然后调用 sessions_spawn 工具（然后停止，等待完成通知）：

• task: "/research-plan\n上下文: 调研发现核心方法是 {method}，推荐技术路线 {route}。\n关键公式: {1-2个公式}\n请制定实现计划到 plan_res.md。"
• label: "Research Plan"
• runTimeoutSeconds: 1800

验证: plan_res.md 存在且包含 4 个 section（Dataset/Model/Training/Testing）

---

Phase 4: Implementation

检查: ml_res.md 存在？

如果缺失，读取 plan_res.md 要点，然后调用 sessions_spawn 工具（然后停止，等待完成通知）：

• task: "/research-implement\n上下文:\n- 计划包含 {N} 个组件: {list}\n- 数据集: {dataset}\n- 框架: PyTorch\n请实现代码到 project/，运行 2 epoch 验证，写入 ml_res.md。"
• label: "Research Implement"
• runTimeoutSeconds: 1800

验证:

• project/run.py 存在
• ml_res.md 包含 [RESULT] 行
• loss 值非 NaN/Inf

---

Phase 5: Review

检查: iterations/ 下最新 judge_v*.md 的 verdict 是否为 PASS？

如果没有 PASS，调用 sessions_spawn 工具（然后停止，等待完成通知）：

• task: "/research-review\n上下文:\n- ml_res.md 显示 train_loss={value}\n- 计划在 plan_res.md\n请审查代码，如需修改则迭代修复（最多 3 轮）。"
• label: "Research Review"
• runTimeoutSeconds: 1800

验证: 最新 judge_v*.md 中 verdict: PASS 或 verdict: BLOCKED

如果 BLOCKED → 报告用户，等待指示

---

Phase 6: Full Experiment

检查: experiment_res.md 存在？

如果缺失，调用 sessions_spawn 工具（然后停止，等待完成通知）：

• task: "/research-experiment\n上下文:\n- Review PASS，代码已验证\n- plan_res.md 中指定 full epochs\n请执行完整训练 + 消融实验，写入 experiment_res.md。"
• label: "Research Experiment"
• runTimeoutSeconds: 1800

验证: experiment_res.md 包含 [RESULT] 行和消融表格

---

完成

所有 Phase 验证通过后，输出最终摘要：

研究流程完成！
- 论文: {N} 篇分析
- 代码: project/
- 结果: experiment_res.md
- 审查: iterations/ ({N} 轮)

---

上下文桥接规则

每次调用 sessions_spawn 前，编排器必须：

1. 读取上一步的产出文件
2. 摘要 2-5 行关键信息（不要复制全文）
3. 写入 sessions_spawn task 参数的上下文部分

这确保子 agent 拿到足够信息启动，同时不会被前序步骤的完整输出污染。

Recovery

如果编排器中断：

1. 重新运行 /research-pipeline
2. 编排器会自动检查所有文件，跳过已完成的阶段
3. 从第一个缺失的产出文件开始继续