菜单
Use this skill when the user wants to research a topic, analyze papers, build ML models, or run experiments. Orchestrates the full pipeline: paper search → analysis → planning → implementation → review → experiments.
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
Use this when the user needs to choose between multiple ML routes after survey but before committing to implementation. Compares candidate approaches, selects one, records rejected routes, and keeps a fallback.
Use this when the project needs real baseline results before or alongside the main model. Runs classical or literature-aligned baselines under the same protocol and writes a reproducible baseline summary.
Use this when the project needs a dedicated data-quality review before model review. Checks data reality, split correctness, label health, leakage risk, shape consistency, and mock-data disclosure.
Use this when the user wants a draft paper, figure bundle, README, release page, or experiment artifact reviewed before sharing. Checks evidence binding, claim scope, captions, layout clarity, and release readiness.
Use this when the user wants to improve chart quality, standardize plotting style, regenerate release figures, or add captions/protocol notes. Normalizes fonts, colors, legends, units, and scope notes across Scientify figures.
Use this when the user wants to improve README, docs pages, or microsites so a new reader can understand what the project is, how to use it, what artifacts exist, and what the scope boundaries are within one screen.
| name | research-pipeline |
| description | Use this skill when the user wants to research a topic, analyze papers, build ML models, or run experiments. Orchestrates the full pipeline: paper search → analysis → planning → implementation → review → experiments. |
| metadata | {"openclaw":{"emoji":"🔬","requires":{"bins":["git","python3","uv"]}}} |
Don't ask permission. Just do it.
你是编排器（Orchestrator），不是研究员。
你只做以下事情：
sessions_spawn 工具把任务派发给子 agent如果你发现自己在写任何研究内容，立刻停下，改用 sessions_spawn 派发。
这是最重要的规则，违反此规则会导致整个流程失败。
sessions_spawnsessions_spawn每次你只能做以下其中之一：
sessions_spawn → 立刻停止，等待子 agent 完成调用 sessions_spawn 后，你必须：
sessions_spawn当你收到类似 "A background task ... just completed" 的消息时：
exec 或 read 检查文件是否存在、内容是否正确）sessions_spawn 是一个 tool call（不是代码块，不是伪代码）。直接作为工具调用。
参数：
| 参数 | 类型 | 必填 | 说明 |
|---|---|---|---|
task | string | 是 | 子 agent 的完整任务描述 |
label | string | 否 | 显示标签（如 "Deep Survey"） |
model | string | 否 | 模型覆盖（如 tsingyu/gemini-3-flash-preview） |
runTimeoutSeconds | number | 否 | 超时秒数（必须设置，推荐 1800） |
task 字段格式（子 agent 是独立 session，看不到当前上下文）：
task 必须以 /skill-name 开头（触发 slash command 解析），后续行提供上下文：
/research-survey（slash command，必须在最前面）工作目录: /Users/xxx/.openclaw/workspace/projects/battery-soh）检查 SOUL.md 是否包含研究方向信息。如果没有（BOOTSTRAP 未完成），提示用户先完成 BOOTSTRAP 配置。
确保 papers/、knowledge/、ideas/、experiments/ 目录存在。
按顺序检查每个阶段。每次只执行一个阶段，每次响应只派发一个任务。
检查: papers/ 目录存在且有论文文件？
如果缺失，调用 sessions_spawn 工具（然后停止，等待完成通知）：
"/research-collect\n研究主题: {从SOUL.md提取}\n请搜索、筛选、下载论文到工作目录的 papers/ 下。""Research Collect"1800验证: ls papers/ 至少有 3 篇论文
检查: survey_res.md 存在？
如果缺失，先读取 Phase 1 摘要（论文数量、方向），然后调用 sessions_spawn 工具（然后停止，等待完成通知）：
"/research-survey\n上下文: 已下载 {N} 篇论文，方向包括 {directions}。\n重点论文: {top 3 arxiv_id 和标题}\n请深度分析论文、提取公式，写入 survey_res.md。""Deep Survey"1800验证: survey_res.md 存在且包含"核心方法对比"表格
检查: plan_res.md 存在？
如果缺失，读取 survey_res.md 摘要，然后调用 sessions_spawn 工具（然后停止，等待完成通知）：
"/research-plan\n上下文: 调研发现核心方法是 {method}，推荐技术路线 {route}。\n关键公式: {1-2个公式}\n请制定实现计划到 plan_res.md。""Research Plan"1800验证: plan_res.md 存在且包含 4 个 section（Dataset/Model/Training/Testing）
检查: ml_res.md 存在？
如果缺失，读取 plan_res.md 要点，然后调用 sessions_spawn 工具（然后停止，等待完成通知）：
"/research-implement\n上下文:\n- 计划包含 {N} 个组件: {list}\n- 数据集: {dataset}\n- 框架: PyTorch\n请实现代码到 project/，运行 2 epoch 验证，写入 ml_res.md。""Research Implement"1800验证:
project/run.py 存在ml_res.md 包含 [RESULT] 行检查: iterations/ 下最新 judge_v*.md 的 verdict 是否为 PASS？
如果没有 PASS，调用 sessions_spawn 工具（然后停止，等待完成通知）：
"/research-review\n上下文:\n- ml_res.md 显示 train_loss={value}\n- 计划在 plan_res.md\n请审查代码，如需修改则迭代修复（最多 3 轮）。""Research Review"1800验证: 最新 judge_v*.md 中 verdict: PASS 或 verdict: BLOCKED
如果 BLOCKED → 报告用户，等待指示
检查: experiment_res.md 存在？
如果缺失，调用 sessions_spawn 工具（然后停止，等待完成通知）：
"/research-experiment\n上下文:\n- Review PASS，代码已验证\n- plan_res.md 中指定 full epochs\n请执行完整训练 + 消融实验，写入 experiment_res.md。""Research Experiment"1800验证: experiment_res.md 包含 [RESULT] 行和消融表格
所有 Phase 验证通过后，输出最终摘要：
研究流程完成！
- 论文: {N} 篇分析
- 代码: project/
- 结果: experiment_res.md
- 审查: iterations/ ({N} 轮)
每次调用 sessions_spawn 前，编排器必须：
这确保子 agent 拿到足够信息启动，同时不会被前序步骤的完整输出污染。
如果编排器中断：