autodidact

name	autodidact
description	自动课题研究器。给定一个研究课题，自动循环执行"提问→检索→整理→评估"，持续更新知识库直到研究目标达成。适用于行业调研、技术研究、概念理解、创业方案构建等场景。触发方式：用户说"帮我研究 X"、"调研一下 X"、"我想深入了解 X"、"/autodidact X"。
user-invocable	true
args	<课题描述> [--max-rounds 20] [--background <已知背景>]

Autodidact — 自动课题研究器

协调 questioner、researcher、wiki 三个模块，驱动研究循环，直到达成终止条件。

执行原则（重要）：autodidact 是整个研究循环的主控，负责驱动循环直到终止条件满足。

• 连续执行：每个 Step 内的所有工具调用（包括子模块启动的 subagent）必须等待完成后，再继续下一个 Step。Step 之间不能停止、不能等待用户输入。
• 循环不中断：一轮（Step 1-6）完成后，若终止条件未满足，立即进入下一轮，全程自动执行，无需用户确认。唯一允许暂停的时机是：① 终止条件满足后输出最终报告。上下文超过 50% 时自动执行 /compact，不中断循环。
• 主控身份不转移：即使通过 Skill tool 加载了子模块的指令，子模块的 SKILL.md 只是提供执行逻辑的参考，执行完毕后控制权仍在 autodidact，必须继续执行后续 Step。

---

目录结构约定

<知识库根目录>/
├── CLAUDE.md                    ← 知识库规则（必须存在）
├── raw/                         ← 原始抓取素材（不修改）
├── wiki/                        ← 结构化知识库
│   ├── INDEX.md
│   └── <主题>.md
└── outputs/
    ├── research_state.json      ← 持久状态（唯一真相来源）
    ├── research_summary.md      ← 最终研究摘要
    ├── user_questions.md        ← 用户插入问题（可随时编辑）
    └── rounds/                  ← 每轮过程产物（可归档/删除）
        ├── round_N_questions.json
        └── round_N_check.md

过程产物统一放 outputs/rounds/，持久状态放 outputs/ 根目录。

---

启动流程

第一步：初始化

1. 解析参数：

   • 课题描述（必须）
   • --max-rounds：最大轮次，默认 20
   • --background：用户已知背景（可选，传给 questioner 用于跳过基础问题）

2. 检查并初始化环境（冷启动）：

   目录：raw/、wiki/、outputs/、outputs/rounds/ 不存在则自动创建，无需提示。

3. 初始化或读取 outputs/research_state.json：

   • 若文件不存在：创建新的研究状态（见数据结构）
   • 若文件已存在（无论 topic 是否匹配）：从上次中断处继续，将新课题描述追加到已有研究中。同一目录下的所有输入都视为同一套知识体系的延伸，共享 raw/、wiki/、outputs/。

4. 向用户通报研究计划（通报后立即进入研究循环，无需等待用户回应）：

   ## 开始研究：<课题描述>
   - 最大轮次：N
   - 当前状态：全新开始 / 从第 X 轮继续
   - 知识库现状：wiki/ 中有 X 篇文章 / 空
   

---

外部输入检测（每轮开始前）

在调用 questioner 之前，先检查两类外部输入，任何一类有新内容都应触发本轮循环（即使原本已达终止条件）：

① 用户插入问题 检查 outputs/user_questions.md 是否存在且有未处理的问题：

## 待处理

- 期权的波动率曲面是什么？
- 国内有没有专门做期权策略的私募基金？

## 已处理

- ~~备兑开仓被行权后怎么操作？~~（已纳入第2轮）

用户只需在 ## 待处理 下加一行 - 问题文本 即可。

若有待处理问题，将文件路径传给 questioner，questioner 将其合并入本轮问题列表，优先级设为 high。

questioner 完成后，由 autodidact 负责更新 user_questions.md： 读取 questioner 输出 JSON 中的 incorporated_user_questions 字段，将对应条目从 ## 待处理 移至 ## 已处理，格式：~~问题文本~~ [r<N>]。

② 用户贡献的新 raw 文件 对比 research_state.json 中 all_raw_files_processed 列表与当前 raw/ 目录的实际文件，找出新增文件。 若有新文件，通知 questioner 扫描这些文件内容，提取新主题和问题。

---

研究循环

每轮执行以下步骤，完成后更新 research_state.json：

Step 1：问题生成（questioner 逻辑）

按 questioner 的逻辑执行问题生成（可通过 Skill tool 加载 questioner 获取详细执行逻辑）。

传入上下文：

• 课题描述
• 当前轮次 N
• 上一轮审计报告路径（outputs/rounds/round_<N-1>_check.md，第1轮无）
  • 若上一轮 check_report 为 null（如因中断未完成），回退查找最近一轮非 null 的 check_report，并在问题列表摘要中标注"⚠️ 使用第 X 轮审计报告（第 N-1 轮审计缺失）"
• 用户插入问题文件路径（若 outputs/user_questions.md 有待处理问题）
• 新增 raw 文件列表（若有用户贡献素材）
• 历史所有问题列表（all_questions_ever，含 id 和 text，去重用）
• 用户背景（若有）

输出：outputs/rounds/round_N_questions.json

Step 1 完成后：立即将 current_round_progress.step1_done 更新为 true，然后继续执行 Step 2。

Step 2：信息检索（researcher 逻辑）

按 researcher 的逻辑执行信息检索（可通过 Skill tool 加载 researcher 获取详细执行逻辑）。

传入：outputs/rounds/round_N_questions.json

输出：raw/ 新增文件列表（每行一个路径）

Step 2 完成后：立即将 current_round_progress.step2_done 更新为 true，然后继续执行 Step 3。

Step 3：知识库编译（wiki compile 逻辑）

按 wiki compile 的逻辑执行增量编译（可通过 Skill tool 加载 wiki 获取详细执行逻辑）。

传入：本轮新增的 raw/ 文件列表。将 Step 2 输出的文件路径列表转为逗号分隔字符串后传入（如 raw/a.md,raw/b.md）。 注意：若 Step 1 检测到用户贡献的新 raw 文件，也一并追加到此列表。

输出：新增/更新的 wiki 主题列表

Step 3 完成后：立即将 current_round_progress.step3_done 更新为 true，然后继续执行 Step 4。

Step 4：知识审计（wiki check 逻辑）

按 wiki check 的逻辑执行完整审计（可通过 Skill tool 加载 wiki 获取详细执行逻辑）。

传入：

• outputs/rounds/round_N_questions.json
• --round N

输出：outputs/rounds/round_N_check.md（问题覆盖状态 + 结构性审计）

Step 4 完成后：立即将 current_round_progress.step4_done 更新为 true，然后继续执行 Step 5。

Step 5：更新 research_state.json

将本轮完整信息写入状态文件，包括：

• 本轮所有问题（含 id 和 text）追加到 all_questions_ever
• 本轮处理的所有 raw 文件（含用户贡献的）追加到 all_raw_files_processed
• 审计报告路径（outputs/rounds/round_N_check.md）
• 终止判断结果（含 overlap_ratio 数值、audit_issues_count 数值）
• 将 current_round_progress 设为 null（标记本轮已完整完成）

Step 6：终止判断

漏洞数定义：audit_issues_count = wiki check 审计摘要中「知识漏洞数」+「partial 问题数」之和。矛盾和来源缺失单独记录但不计入漏洞数。

终止条件全部满足才终止（AND 关系）：

条件	第1轮	第2轮起	判断方式
审计漏洞边际递减	跳过（直接视为未满足）	参与判断	本轮漏洞数 ≤ 上轮的 60%，或连续两轮漏洞数均 < 3
无用户插入问题	参与判断	参与判断	user_questions.md 无 pending 问题
无新 raw 文件	参与判断	参与判断	用户没有贡献新素材
问题重叠率 > 70%	跳过（overlap_ratio 为 null）	参与判断	questioner 输出的 overlap_ratio > 0.7（null 视为未满足）

为什么用"边际递减"而非"绝对值 < 3"：知识库越深，审计发现越少是自然规律。但如果用绝对值，审计工具稍微努力一点就能找出 3+ 条漏洞，导致循环永不终止。边际递减才能真正捕捉"已无明显新增价值"的信号。

硬上限：达到 max_rounds 无条件终止

继续：检查当前上下文使用量，若超过 50% 则自动执行 /compact 压缩对话（无需用户确认），然后立即进入 round N+1。

终止：确认 state.json 中已记录本轮 decision: terminate 后，执行收尾流程。

---

收尾流程

研究循环结束后：

1. 生成研究摘要，写入 outputs/research_summary.md：

   # 研究摘要：<课题>
   
   ## 研究概况
   - 研究轮次：N 轮
   - 检索文章：X 篇（raw/）
   - 知识主题：X 个（wiki/）
   - 终止原因：<漏洞边际递减达标 / 重叠率超标 / 达到最大轮次 / ...>
   
   ## 核心发现
   （基于 wiki/ 内容，提炼 3-5 个最重要的发现）
   
   ## 未解决问题
   （列出所有 open 状态的问题）
   
   ## 知识图谱
   （列出 wiki/ 中的主题及其关联关系）
   

2. 向用户输出：

   ## 研究完成：<课题>
   
   共 N 轮，检索 X 篇文章，整理 X 个知识主题。
   
   产出文件：
   - wiki/                        ← 结构化知识库
   - outputs/research_summary.md  ← 最终摘要
   - outputs/rounds/              ← 各轮审计报告
   - outputs/research_state.json  ← 完整研究轨迹
   

---

research_state.json 数据结构

{
  "topic": "课题描述",
  "started_at": "2026-04-09T10:00:00",
  "max_rounds": 20,
  "status": "in_progress",
  "current_round_progress": {
    "round": 2,
    "step1_done": true,
    "step2_done": true,
    "step3_done": false,
    "step4_done": false
  },
  "rounds": [
    {
      "round": 1,
      "timestamp": "2026-04-09T10:05:00",
      "questions": [
        {
          "id": "r1q1",
          "text": "问题文本",
          "layer": "L1-定义",
          "priority": "high",
          "source": "framework",
          "status": "resolved"
        }
      ],
      "new_raw_files": ["2026-04-09_xxx.md"],
      "user_contributed_raw_files": [],
      "wiki_topics_updated": ["主题A", "主题B"],
      "check_report": "outputs/rounds/round_1_check.md",
      "termination_check": {
        "audit_issues_count": 5,
        "pending_user_questions": 0,
        "new_raw_files": 0,
        "overlap_ratio": null,
        "decision": "continue",
        "reason": "audit_issues_count 5，边际递减条件未满足"
      }
    }
  ],
  "all_questions_ever": [
    {"id": "r1q1", "text": "问题文本"},
    {"id": "r1q2", "text": "问题文本"}
  ],
  "all_raw_files_processed": ["2026-04-09_xxx.md"],
  "final_summary": null
}

current_round_progress 在每个 Step 完成后立即更新，用于中断恢复时判断从哪步继续。一轮完整完成（Step 5 写入 rounds[]）后清空此字段（设为 null）。

---

注意事项

• 课题边界：每轮传给 questioner 时，明确提醒"围绕原始课题：<课题描述>"，防止范围漂移
• 中断恢复：启动时检查 current_round_progress，若非 null，说明上次在该轮中途中断。根据 stepN_done 字段跳过已完成的步骤，从第一个未完成的步骤继续，避免重复抓取和编译
• 进度展示：每轮开始时输出 ## 第 N 轮 / 最多 M 轮，让用户了解进度
• 用户可随时中断：Ctrl+C 中断后，research_state.json 保留已完成轮次，下次可继续