Menú
以证据为先的ECC当前状态研究工作流程。当用户希望基于当前公开证据和提供的本地上下文获取最新事实、比较、丰富信息或建议时使用。
Instalar con Codex o Claude Copia este prompt, pégalo en Codex, Claude u otro asistente, y deja que revise la página de la skill y la instale por ti.
Basado en la clasificación ocupacional SOC
| name | research-ops |
| description | 以证据为先的ECC当前状态研究工作流程。当用户希望基于当前公开证据和提供的本地上下文获取最新事实、比较、丰富信息或建议时使用。 |
| origin | ECC |
当用户要求研究当前信息、比较选项、丰富人员或公司信息，或将重复查询转化为可监控的工作流时，使用此功能。
这是仓库研究栈的操作封装。它并非 deep-research、exa-search 或 market-research 的替代品；而是指示何时以及如何将它们结合使用。
在相关场景下，将这些 ECC 原生技能纳入工作流：
exa-search：用于快速发现当前网络信息deep-research：用于多源综合并附带引用market-research：当最终结果应为建议或排序决策时使用lead-intelligence：当任务针对人员/公司而非通用研究时使用knowledge-ops：当结果需持久存储于后续上下文时使用将任何提供的材料规范化为：
如果用户已构建部分模型，不要从零开始重新分析。
在搜索前选择正确的路径：
exa-search 进行快速发现deep-researchmarket-researchlead-intelligence对于重要声明，说明其属于：
对时效性敏感的答案应包含具体日期。
如果用户可能反复提出相同的研究问题，请明确说明，并建议采用监控或工作流层，而非永远重复相同的手动搜索。
问题类型
- 事实性 / 比较性 / 补充性 / 监控性
证据
- 有来源的事实
- 用户提供的上下文
推论
- 从证据中得出的结论
建议
- 答案或下一步行动
- 是否应将其设为监控项
Build a fully automated AI-powered data collection agent for any public source — job boards, prices, news, GitHub, sports, anything. Runs on a schedule, enriches data with a free LLM (Gemini Flash), stores results in Notion/Sheets/Supabase, and learns from user feedback. Runs 100% free on GitHub Actions. Use when the user wants to monitor, collect, or track any public data automatically.
Open plans and HTML artifacts in a local browser canvas where the human annotates elements, chats, and approves or requests changes without leaving the page. Use when presenting a plan for review, or when feedback like "move this, change that" is easier pointed at than typed.
Open plans and HTML artifacts in a local browser canvas where the human annotates elements, chats, and approves or requests changes without leaving the page. Use when presenting a plan for review, or when feedback like "move this, change that" is easier pointed at than typed.
Instinct-based learning system that observes sessions via hooks, creates atomic instincts with confidence scoring, and evolves them into skills/commands/agents. v2.1 adds project-scoped instincts to prevent cross-project contamination.
基于本能的学习系统，通过钩子观察会话，创建带置信度评分的原子本能，并将其进化为技能/命令/代理。v2.1版本增加了项目范围的本能，以防止跨项目污染。
任意の自動コンパクションではなく、タスクフェーズを通じてコンテキストを保持するための論理的な間隔での手動コンパクションを提案します。