multi-model-research

name	multi-model-research
description	多代理技术调研 - 使用 Codex 主线与只读 child agent 并行收集架构、实现、文档和风险视角。
auto_invoke	true
tags	["research","multi-agent","codex-native","no-timeout"]
version	0.2.0
source	fork
checksum	73425cb43114bcd9aa8c4b8e527638ed77aa0385ca025a7a52a5cbeb7754fc83
updated_at	2026-05-29T03:50:00.000Z
intent	research
layer	research

Multi-Agent Research Skill (Codex Native)

核心优势

• 使用 Codex 原生 child agent 协议
• 不依赖外部模型 CLI 或 MCP 桥接
• 可并行收集架构、代码、文档、风险视角
• 主线 Codex 负责证据整合和最终建议
• 支持本地仓库证据与官方文档验证

触发场景

• "多代理调研"
• "技术选型分析"
• "架构决策"
• "多 AI 协作研究"
• "对比不同视角"
• "给我一个有证据的调研结论"

手动触发：

使用 multi-model-research 分析 <你的问题>

Workflow

Step 1: 明确调研范围

确认：

• 调研主题
• 候选方案
• 评估维度：架构、实现、性能、安全、成本、迁移、运维
• 是否需要联网查官方文档
• 是否需要读取本地仓库

Step 2: 并行派发只读代理

根据问题选择最小代理集：

spawn_agent(agent_type="explorer", message="<architecture and repo evidence task>")
spawn_agent(agent_type="reviewer", message="<risk and correctness task>")
spawn_agent(agent_type="docs-researcher", message="<official docs verification task>")
wait_agent
close_agent

常用分工：

Agent	关注点	输出
explorer	架构、代码路径、依赖关系	事实地图、方案适配性
reviewer	风险、安全、测试缺口、回归风险	findings、阻塞项
docs-researcher	官方文档、版本行为、API 真实性	引用来源、版本约束

Step 3: 主线整合

Codex 主线必须：

• 去重观点
• 区分事实、推断和建议
• 标注来源
• 给出推荐方案和备选方案
• 给出验证计划

Step 4: 输出 ResearchPack

## ResearchPack

### Topic
[调研主题]

### Sources
- [本地文件 / 官方文档 / 命令]

### Findings
| Dimension | Finding | Evidence | Confidence |

### Options
| Option | Pros | Cons | Risks | Fit |

### Recommendation
[推荐方案 + 理由]

### Validation Plan
1. [step] -> verify: [check]

### Open Questions
[仍需确认的问题]

Fallback

如果 child agent 不可用，主线 Codex 在同一回复中使用 [EXPLORER]、[REVIEWER]、、 四段完成同等分析。