菜单
在启动 /research 之前帮用户**把模糊主题收敛成具体可做的研究问题**。输入一个粗糙的方向（例如"提升图像生成质量"、"让 LLM 更会写代码"），产出 3–5 个具体、可证伪、有评测指标、可行性明确的问题候选，每个带 scope 和 why-interesting。不做实验、不跑代码，只做问题形式化。 | Converge a vague research direction into 3–5 concrete, falsifiable problem formulations with metrics and scope — the step before /research.
用 Codex 或 Claude 帮你安装 复制这段 Prompt，粘贴到 Codex、Claude 或其他助手里，让它检查 Skill 页面并帮你完成安装。
基于 SOC 职业分类
对一个研究主题做快速背景调研——找 SOTA、benchmark、常见方法、gap，产出结构化 Markdown survey 供 /idea 或 /research 引用。不做完整文献综述，只做"够用的坐标系"（15-20 分钟级别的摸底），3-8 条高信号来源即止。默认中文。 | Quick background survey for a research topic — finds SOTA / benchmarks / method families / gaps from 3-8 sources, produces a structured markdown survey to inform /idea or /research. Not a full lit review.
把一个用 /research 启动的项目的 state/ 目录（research_log、lessons、best 分数、manifest）变成结构化的 Markdown 研究报告。在 cwd 或给定目录里识别 state/，抽取时间线 / 进展表 / lessons 分类 / 瓶颈分析，生成可直接 GitHub 渲染的 MD。不生成 LaTeX、不写代码、不做新实验。 | Generate a Markdown research report from an existing /research project's state/ directory (log, lessons, best scores, manifest).
在任何有可量化指标的主题上，启动并驱动一个长期自主研究项目。建立项目目录和评测基建，跑"假设→尝试→打分→教训"循环，跨轮累积 lessons，并集成 /loop 自主推进。适用于"研究 X"、"把 X 改到近完美"、"持续尝试 X 并学习"——任何通过 hypothesis→attempt→score→lesson 循环能有效推进的场景。 | Bootstrap and drive a long-term self-improving research project on any topic with a measurable success metric. Builds measurement infrastructure, runs hypothesis→attempt→score→lesson cycles, integrates with /loop for autonomous progress.
| name | idea |
| description | 在启动 /research 之前帮用户**把模糊主题收敛成具体可做的研究问题**。输入一个粗糙的方向（例如"提升图像生成质量"、"让 LLM 更会写代码"），产出 3–5 个具体、可证伪、有评测指标、可行性明确的问题候选，每个带 scope 和 why-interesting。不做实验、不跑代码，只做问题形式化。 | Converge a vague research direction into 3–5 concrete, falsifiable problem formulations with metrics and scope — the step before /research. |
用户主题：$ARGUMENTS
这个 skill 做一件事：把"我想研究 X"变成"3–5 个可以马上 /research 的具体问题"。
topic 是中文 → 中文回；英文 → 英文。
别产出这种：
"探索 X 的新方法" / "研究 Y 如何更好" / "设计一个 Z 的框架"
这些不是问题，是主题。它们无法 /research 因为没指标、没收敛条件。
真正的研究问题长这样：
"在 CodeContests benchmark 上，能否通过 RAG 把 Claude 3.5 的通过率从 42% 提到 50%+？"
有：指标（pass@1）/ 基准（现状 42%）/ 目标（50%+）/ 约束（在哪评测）。
用 WebSearch 或 WebFetch 抓 2–3 条：
不要做完整文献综述——目的是让自己对问题空间有个粗坐标，不是列参考文献。
如果是纯工程/实验主题（"重建 UI"、"调通我的 pipeline"），跳过这步。
用 AskUserQuestion：
1–2 个问题为限。过度审问比错漏信息更烦。
每个候选用这个模板：
### 候选 N：<一句话 problem statement>
**形式化**：<用"在 X 上，能否通过 Y 把 A 从 B 提到 C" 或类似结构化表述>
**指标**：<具体数值指标 + 数据来源>
**基线**：<当前水平 + 怎么拿到 baseline>
**为什么值得做**：<1-2 句话——解决谁的痛、回答谁的疑问、有什么 downstream value>
**可行性**：<一句话——需要什么资源、预期多少轮 /research 能收敛、最大技术风险>
**边界**（scope）：<明确写**不**做什么——不做 X、不考虑 Y，这样 /research 才能收敛>
三维打分（每个 1-5）：
给出推荐排序 + 每个一句话 rationale。
最后问用户：
/research <选中的 problem statement>？/idea <refined topic> 再聚一次？如果用户选了，不要自己调 /research——告诉他们命令让他们键入。
/research 闭环搞定（几十轮规模）——太大的拆成多个/research（保持 skill 职责单一）/idea 产出可以直接粘进 /research 的 problem statement。例如：
# 用户: /idea 提升 Claude 代码能力
# → /idea 产出 3 个候选
# → 用户选候选 2
# → 用户: /research 在 HumanEval 上，通过 RAG 提升 Claude 3.5 Sonnet pass@1 从 ~75% 到 80%+
两个 skill 的分工：
/idea：什么问题值得做（定义阶段）/research：开闭环闸门持续迭代（执行阶段）/idea 不接管 research，只交接。