research

# Multi-Agent Research v3.2.0 > CT 模式偵測 → 多視角並行研究 → 交叉驗證 → CT 合規檢查 → 智能匯總 → Memory 存檔（自動 commit） ## 自動化機制 > ⚡ **本 skill 已整合 Claude Code Hooks** > > - Action logging、state tracking、git commit 均由 hooks 自動處理 > - 只需執行 CP1 初始化，其餘檢查點自動執行 ## 使用方式 ```bash /multi-research [研究主題] /multi-research AI Agent 架構設計模式 --deep /multi-research --ct experiment "Multi-CT Pipeline 是否能降低 agent drift?" /multi-research --no-ct "只要快速草稿" ``` **Flags**: `--perspectives N` | `--quick` | `--deep` | `--ct off|lite|strict|experiment` | `--no-ct` | `--no-memory` ## CT 模式（內建） `/multi-research` 會在開始前執行 CT Escalation Router，自主選擇 CT 模式。 | Mode | 觸發情境 | 額外產物 | |------|----------|----------| | `off` | 使用者明確 `--no-ct` 或 `--ct off` | 無 | | `lite` | 預設；一般研究、比較、方向整理 | synthesis 內的 evidence / uncertainty / drift guard notes | | `strict` | 架構、風險、產品、技術決策、agent/memory/tool policy | `ct-stack.yaml`、`ct-compliance.md`、`risk-policy.yaml` | | `experiment` | 論文、實驗、benchmark、evaluation、hypothesis、可重複驗證 | strict 產物 + `hypotheses.yaml`、`experiment-plan.md`、`eval-rubric.yaml`、`failure-modes.md`、`experiments/{topic-id}/` harness | CT mode 會控制實際流程重量： - `lite` 只做 evidence / uncertainty / drift guard，不產生 `ct-stack.yaml`，不跑 experiment harness，也不跑 autonomous upgrade。 - `strict` 才產生 CT stack、合規檢查與 retrospective；若發現系統性問題，只產生 self-upgrade proposal，不自動 patch。 - `experiment` 才產生可測假設、實驗設計、eval rubric、failure mining 與 experiment harness；autonomous patch 預設關閉，只收斂 proposal 與 closed-loop summary。 自動規則： - 預設為 `lite`。 - `--deep` 會把最低模式升到 `strict`。 - 偵測到論文、實驗、benchmark、evaluation、hypothesis、變因、對照組等需求時升到 `experiment`。 - 偵測到「快速」「先粗略」「不用太詳細」會降級，除非使用者明確要求 experiment。 - 使用者 override 永遠優先。 → Router：[shared/ct/escalation-router.md](_shared/ct/escalation-router.md) → Rules：[shared/ct/escalation-rules.yaml](_shared/ct/escalation-rules.yaml) → Runtime：[shared/ct/mode-runtime.yaml](_shared/ct/mode-runtime.yaml) ## 預設 4 視角 | ID | 名稱 | 模型 | 聚焦 | |----|------|------|------| | `architecture` | 架構分析師 | sonnet | 系統結構、設計模式 | | `cognitive` | 認知研究員 | sonnet | 方法論、思維框架 | | `workflow` | 工作流設計 | haiku | 執行流程、整合策略 | | `industry` | 業界實踐 | haiku | 現有框架、最佳實踐 | → 模型路由配置：[shared/config/model-routing.yaml](_shared/config/model-routing.yaml) ## 執行流程 ``` CP1: 工作流初始化 ⚡ 手動執行 python scripts/hooks/init_workflow.py --topic "{topic}" --stage RESEARCH ↓ Phase 0: CT Escalation Router → 偵測 ct_mode、理由、信心度 ├── 檢查 user override: --ct / --no-ct ├── 依規則計分: lite / strict / experiment ├── 套用 downgrade guard: 快速 / 粗略 / 不用太詳細 └── 寫入 meta.yaml: ct_detection ↓ Phase 1: 北極星錨定 → 定義研究目標、成功標準 ↓ Phase 2: Memory 搜尋 → 避免重複研究 ↓ Phase 3: 視角分解 → 為每視角生成專屬 prompt + CT envelope ↓ Phase 4: MAP（並行研究）✅ 自動追蹤 ┌──────────┬──────────┬──────────┬──────────┐ │架構分析師│認知研究員│工作流設計│業界實踐 │ └──────────┴──────────┴──────────┴──────────┘ [CP2/CP3 由 hooks 自動處理 Agent 狀態追蹤] ⚠️ **並行執行關鍵**： 在單一訊息中發送 4 個 Task 工具呼叫： - Task({description: "架構視角", ...}) - Task({description: "認知視角", ...}) - Task({description: "工作流視角", ...}) - Task({description: "業界視角", ...}) 這樣才能真正並行執行！ ⚠️ **強制**：每個 Agent 必須在完成前執行： 1. mkdir -p .claude/memory/research/{topic-id}/perspectives/ 2. Write → .claude/memory/research/{topic-id}/perspectives/{perspective_id}.md 未執行 Write = 任務失敗，工作流中止 ↓ Phase 5: REDUCE（交叉驗證 + mode-scoped CT checks + 匯總） ↓ Phase 6: Memory 存檔 → 品質閘門檢查 → 存儲報告 ↓ Phase 7: CT Retrospective（strict / experiment） ├── 檢查 selected_mode 是否正確 ├── 比對 expected artifacts vs actual outputs ├── 挖掘 workflow failures / false positives / false negatives └── 寫入 ct-retrospective.md ↓ Phase 8: Self-Upgrade Proposal（strict / experiment，必要時） ├── 若 mode 選錯、artifact 缺漏、gate 誤判、工具解析失敗 ├── 產生 self-upgrade-proposal.md └── runtime 變更需附驗證命令與 rollback plan ↓ Phase 9: Experiment Harness（CT-experiment 必須） ├── 產生 experiments/{topic-id}/cases.yaml ├── 產生 run-config.yaml / rubric.yaml ├── 至少對本次 condition 跑 score-run.py ├── 產生 results.jsonl └── 產生 analysis.md ↓ Phase 10: Autonomous Upgrade Decision（experiment，proposal-only by default） ├── L1/L2: 只記錄 / 只提案，不修改 ├── L3: 可修改 docs、templates、CT examples ├── L4a: 可修改非關鍵 runtime rules / validators，必須跑 focused smoke test ├── L4b/L4c: gates / workflow scripts 只提案，需人工批准 ├── L5: 架構或降弱 gate 的變更停止並要求人工批准 └── 寫入 upgrade-decision.yaml；有 patch 時寫入 upgrade-report.md ↓ Phase 11: Closed-Loop Summary（成果收斂） ├── 彙整 research conclusion、CT mode review、upgrade decision ├── 彙整 quality gates / DAG / status / action log 驗證結果 └── 寫入 closed-loop-summary.md ↓ CP4: Task Commit ✅ 自動執行 [寫入 .claude/memory/ 時自動 git commit] ``` ## CP4: Task Commit ✅ 自動 > **由 `post_write.py` hook 自動處理** 當 Write 工具寫入 `.claude/memory/` 目錄時，hook 會自動： 1. `git add .claude/memory/research/{topic-id}/` 2. `git commit -m "docs(research): complete {topic} research"` 3. 記錄 action 到 `actions.jsonl` → Hook 設定：[.claude/settings.local.json.template](../../.claude/settings.local.json.template) → 協議：[shared/checkpoints/mandatory-checkpoints.md](_shared/checkpoints/mandatory-checkpoints.md) ## 品質閘門 通過條件（RESEARCH 階段）： - ✅ 至少 2 視角達成共識 - ✅ 無未解決的關鍵矛盾 - ✅ 品質分數 ≥ 70 - ✅ CT-lite 以上需標記 evidence / uncertainty / drift guard - ✅ CT-strict 以上不得有 HIGH CT 違規 - ✅ CT-experiment 需產出可測假設與實驗設計 - ✅ CT-experiment 需產出 experiment harness 並至少跑一次 scorer CT gates 依 mode 分級： - `CT_LITE`：只檢查 evidence / uncertainty / drift guard - `CT_STRICT`：檢查 ct-stack、ct-compliance、HIGH 違規與 evidence coverage - `CT_EXPERIMENT`：檢查 hypotheses、experiment plan、readiness 與 scorer result → 閘門配置：[shared/quality/gates.yaml](_shared/quality/gates.yaml) ## 早期終止 當 `consensus_rate >= 0.9` 時，可跳過衝突解決。 → 配置：[shared/config/early-termination.yaml](_shared/config/early-termination.yaml) ## Context7 整合 自動偵測技術棧關鍵字（react, vue, fastapi 等）時，查詢最新文檔。 → 配置：[shared/integration/context7.yaml](_shared/integration/context7.yaml) ## 輸出結構 ``` .claude/memory/research/[topic-id]/ ├── meta.yaml # 元數據，包含 ct_detection ├── ct-stack.yaml # CT-strict / experiment 產出 ├── ct-compliance.md # CT-strict / experiment 產出 ├── risk-policy.yaml # CT-strict / experiment 產出 ├── hypotheses.yaml # CT-experiment 產出 ├── experiment-plan.md # CT-experiment 產出 ├── eval-rubric.yaml # CT-experiment 產出 ├── failure-modes.md # CT-experiment 產出 ├── claims/ # CT-strict / experiment structured claims │ ├── architecture.claims.yaml │ ├── cognitive.claims.yaml │ ├── workflow.claims.yaml │ └── industry.claims.yaml ├── ct-retrospective.md # CT 閉環產出 ├── self-upgrade-proposal.md # 有改善建議時產出 ├── upgrade-decision.yaml # 自主升級決策 ├── upgrade-report.md # 有實際 patch 時產出 ├── closed-loop-summary.md # 最終收斂成果報告 ├── experiments/ │ └── {topic-id}/ │ ├── cases.yaml │ ├── run-config.yaml │ ├── rubric.yaml │ ├── results.jsonl │ ├── condition-comparison.md │ └── analysis.md ├── perspectives/ # 完整視角報告（MAP 產出，保留） │ ├── architecture.md │ ├── cognitive.md │ ├── workflow.md │ └── industry.md ├── summaries/ # 結構化摘要（REDUCE 產出，供快速查閱） │ ├── architecture.yaml │ ├── cognitive.yaml │ ├── workflow.yaml │ └── industry.yaml ├── synthesis.md # 匯總報告（主輸出） └── metrics.yaml # 階段指標 ``` Mode-specific artifact rules: - `lite` must not require `ct-stack.yaml`, `ct-compliance.md`, experiment harness, or self-upgrade artifacts. - `strict` may produce `ct-retrospective.md` and `self-upgrade-proposal.md`, but must not apply autonomous patches. - `experiment` must produce experiment artifacts and `closed-loop-summary.md`; autonomous patching remains proposal-only unless explicitly approved. > ⚠️ perspectives/ 保存完整報告，summaries/ 保存結構化摘要，兩者都必須保留。 ## Agent 能力限制 **視角 Agent 不應該開啟 Task**： | 允許的操作 | 說明 | |-----------|------| | ✅ Read | 讀取檔案 | | ✅ Glob/Grep | 搜尋檔案和內容 | | ✅ Explore agent | 輕量級探索 | | ✅ Bash | 執行命令 | | ✅ WebFetch | 抓取網頁 | | ✅ Write | 寫入報告 | | ❌ Task | 開子 Agent | ## 網頁抓取策略 當需要抓取網頁時，使用以下順序： 1. **優先使用 WebFetch** - 快速、輕量 2. **如果 WebFetch 失敗**，使用 Chrome： ``` a. mcp__claude-in-chrome__tabs_create_mcp → 建立新分頁 b. mcp__claude-in-chrome__navigate → 導航到 URL c. mcp__claude-in-chrome__get_page_text → 讀取內容 ``` 3. **如果仍然失敗**，記錄 URL 供人工處理 ## 行動日誌 ✅ 自動 > **由 Claude Code Hooks 自動處理** 工具調用自動記錄到 `.claude/workflow/{workflow-id}/logs/actions.jsonl`。 **自動記錄的工具**： | 工具 | 觸發 Hook | 記錄內容 | |------|-----------|----------| | Task | pre_task.py / post_task.py | Agent 啟動/完成狀態 | | Write | post_write.py | 檔案路徑、Memory commit | **排查問題**： ```bash # 查看 RESEARCH 階段所有失敗行動 jq 'select(.stage == "RESEARCH" and .status == "failed")' \ .claude/workflow/{workflow-id}/logs/actions.jsonl # 查看特定視角 Agent 的行動 jq 'select(.agent_id == "architecture")' \ .claude/workflow/{workflow-id}/logs/actions.jsonl # 查看即時狀態 cat .claude/workflow/{workflow-id}/current.json | jq . ``` → Hook 腳本：[scripts/hooks/](_scripts/hooks/) → 日誌規範：[shared/communication/execution-logs.md](_shared/communication/execution-logs.md) ## 共用模組 | 模組 | 用途 | |------|------| | [ct/escalation-router.md](_shared/ct/escalation-router.md) | CT 模式自動偵測 | | [ct/escalation-rules.yaml](_shared/ct/escalation-rules.yaml) | CT 升級/降級規則 | | [02-ct-mode/lite.md](02-ct-mode/lite.md) | CT-lite envelope | | [02-ct-mode/strict.md](02-ct-mode/strict.md) | CT-strict envelope | | [02-ct-mode/experiment.md](02-ct-mode/experiment.md) | CT-experiment envelope | | [02-ct-mode/compliance.md](02-ct-mode/compliance.md) | CT compliance rules | | [02-ct-mode/experiment-design.md](02-ct-mode/experiment-design.md) | 可驗證實驗設計 | | [ct/experiment-harness/README.md](_shared/ct/experiment-harness/README.md) | 可重跑 experiment harness | | [02-ct-mode/retrospective.md](02-ct-mode/retrospective.md) | CT 閉環檢查 | | [02-ct-mode/self-upgrade-proposal.md](02-ct-mode/self-upgrade-proposal.md) | 自我改善提案 | | [02-ct-mode/autonomous-upgrade.md](02-ct-mode/autonomous-upgrade.md) | 自主升級決策與執行 | | [02-ct-mode/closed-loop-summary.md](02-ct-mode/closed-loop-summary.md) | 閉環成果收斂報告 | | [ct/retrospective.md](_shared/ct/retrospective.md) | 共用 CT retrospective 規範 | | [ct/autonomous-upgrade.md](_shared/ct/autonomous-upgrade.md) | 共用自主升級規範 | | [ct/self-upgrade-policy.yaml](_shared/ct/self-upgrade-policy.yaml) | 自動化等級與安全規則 | | [coordination/map-phase.md](_shared/coordination/map-phase.md) | 並行協調 | | [coordination/reduce-phase.md](_shared/coordination/reduce-phase.md) | 匯總整合、大檔案處理 | | [synthesis/cross-validation.md](_shared/synthesis/cross-validation.md) | 交叉驗證 | | [quality/gates.yaml](_shared/quality/gates.yaml) | 品質閘門 | | [config/model-routing.yaml](_shared/config/model-routing.yaml) | 模型路由 | ## 工作流位置 ``` RESEARCH → PLAN → TASKS → IMPLEMENT → REVIEW → VERIFY ↑ 你在這裡 ``` 研究結果可被 `plan` skill 引用，作為規劃的輸入。