| name | wiki-research |
| description | 通过网络搜索深入研究某个主题，自动将搜索结果摄入知识库。触发词包括：研究、research、深入调查、搜索资料、查资料、调研。当用户想对某个主题进行深入研究或知识库内容不足需要补充时使用。不用于摄入已有文件（/ingest）、查询知识库（/query）或删除内容（/delete）。 |
Wiki Research（深度研究）
通过网络搜索填补知识库缺口，搜索结果自动摄入知识库。
边界
通过网络搜索获取新知识并摄入。不处理已有 raw/ 文件（/ingest）、知识库查询（/query）、健康检查（/lint）或删除（/delete）。
前置检查
- 读取
wiki/overview.md 前 30 行获取知识库当前覆盖范围
- 确认研究主题与知识库定位相关
研究流程
步骤 1：明确研究主题
用户输入研究主题（自然语言描述）。如果没有明确主题，询问用户想研究什么。
综合以下信息生成研究上下文：
- overview.md 中的已有知识领域
- 用户的研究描述
- 知识库中该主题的当前覆盖情况
步骤 2：生成搜索查询
基于研究主题和知识库上下文，生成 2-3 个优化的搜索查询：
- 查询 1：核心概念的英文搜索（技术文献更丰富）
- 查询 2：补充性查询（不同角度/子主题）
- 查询 3（可选）：最新进展或实践指南
向用户展示搜索查询，让用户确认或修改后再搜索。
步骤 3：执行搜索
使用 WebSearch 工具执行每个搜索查询，收集搜索结果。
对搜索结果去重（与已有 wiki 内容对比）：
grep -rl "核心关键词" wiki/ --include="*.md"
过滤出与知识库主题相关的高质量结果，最多选取 5 个结果。
步骤 4：抓取和保存内容
对每个选中的搜索结果：
- 使用
mcp__web-reader__webReader（优先）或 WebFetch 抓取全文内容
- 转为 Markdown 格式
- 保存到
raw/ 对应子目录
保存路径：根据内容主题归类：
| 主题 | 保存目录 |
|---|
| 编程/AI 技术 | raw/编程学习/专项研究/Ai/ |
| 安全/密码学 | raw/编程学习/专项研究/密码学/ |
| 其他技术 | raw/编程学习/ |
| 非技术 | raw/ 对应子目录 |
文件命名：research-{简短主题}-{YYYY-MM-DD}.md
每个文件开头加 frontmatter：
---
title: 搜索结果标题
source_url: https://...
research_date: YYYY-MM-DD
research_query: "搜索查询"
---
步骤 5：自动摄入
保存完成后，调用 /ingest 处理新保存的文件。
ingest 会走完整的两步摄入流程（分析 → 生成），自动创建 wiki 页面、更新索引和元数据。
步骤 6：汇报
研究完成后，输出汇总报告：
## 研究完成：{研究主题}
搜索查询：{2-3 个查询}
抓取结果：{N 个页面}（去重后）
保存位置：raw/{路径}/
新增 Wiki 页面：
- [[sources/来源1]]
- [[entities/实体X]]
- [[concepts/概念Y]]
与已有知识的关联：
- 补充了 [[concepts/已有概念]] 的内容
- 发现与 [[entities/已有实体]] 的新关联
质量把控
- 最多 5 个搜索结果：避免信息过载
- 去重：跳过知识库已覆盖的内容
- 用户确认搜索查询：步骤 2 展示查询后等待确认
- 来源可追溯：每个保存的文件都记录 source_url 和 research_query
