insight-biubiubiu

name	insight:biubiubiu
description	一键启动全自主 agent 团队，自动完成从信息源发现到部署的完整研究流程。insight:brainstorm 完成后使用此命令，无需人工介入。 当用户提到'自动研究'、'全自主研究'、'research biubiubiu'、'启动研究团队'、'深度调研'时触发。 也适用于用户说'帮我研究一下 XXX'且研究范围足够大（需要多源调研+写作+部署）的场景。
allowed-tools	Read, Write, Edit, Bash, Glob, Grep, Agent, AskUserQuestion, WebSearch, WebFetch, Skill, SendMessage, TaskCreate, TaskUpdate, TaskGet, TaskList, TaskStop
version	1.2.1

Biubiubiu Research: 全自主研究团队执行

从对话上下文中提取研究需求，启动 agent 团队自主完成完整深度研究流程（信息源发现 → 深度调研 → 写作 → 集成 → 部署），全程无需用户介入。

与代码版 biubiubiu 的核心差异

维度	biubiubiu（代码）	biubiubiu-research（研究）
核心工作	PRD → Plan → Code → Test	Source Discovery → Research → Writing → Deploy
工作量分布	20% 设计 + 80% 编码	80% 调研写作 + 20% 集成部署
质量标准	测试通过 + 代码审查	五层深度检验 + 溯源率 100%
并行模式	Dev-1/Dev-2 并行编码	Analyst-1/2 并行写不同专题
特色集成	—	—
产出物	代码 + 测试	Markdown 报告 + 站点部署
后续增强	—	/ppt:create 生成演示文稿 + /nblm 播客/视频

团队架构

角色	职责	活跃阶段
Leader（你自己）	协调、质量门禁、部署	全程
Scout	信息源发现（Web + YouTube）、素材提取	阶段 1-2
Analyst-1	深度调研 + 专题写作（分配的模块）	阶段 2-4
Analyst-2（大型项目）	深度调研 + 专题写作（分配的模块）	阶段 2-4

前置检查

执行前验证：

2. 项目 CLAUDE.md：读取获取技术栈、部署目标等上下文

执行流程

步骤 1：提取研究上下文

确定研究主题（从 $ARGUMENTS 或对话推断，kebab-case 格式）。

如果 $ARGUMENTS 是已存在的文件路径（brainstorm-summary 或需求文档），直接使用，跳到步骤 2。

否则，从对话上下文和 $ARGUMENTS 提取研究需求，保存到 research/brainstorm-summary-{topic}.md：

---
description: "研究需求摘要: {topic}"
status: pending
created_at: {YYYY-MM-DDTHH:MM:SS}
updated_at: {YYYY-MM-DDTHH:MM:SS}
archived_at: null
---

# 研究需求摘要：{topic}

## 研究愿景
- 研究主题：...
- 研究深度：概览 / 深度分析 / 专家级
- 目标读者：...
- 核心问题：要回答哪些关键问题？

## 内容模块（按优先级）
1. ...

## 产出物
- Markdown 报告：是/否

## 信息源方向
- 官方来源：...
- YouTube 频道/关键词：...
- 学术/专利：...
- 社区讨论：...

## 约束
- ...

步骤 2：项目结构初始化

判断项目结构模式：

模式 A：insight 子项目（当前目录有 site/mkdocs.yml）：

{topic}/
├── pyproject.toml
├── research/           # 调研笔记 + nblm-meta.json
└── output/             # Markdown 报告等产出物
site/docs/{topic}/
├── index.md               # 主线概览
├── assets/                # 架构图/截图
└── references/            # 参考资料归档

模式 B：独立研究项目（无 site/mkdocs.yml）：

research/              # 调研笔记 + nblm-meta.json
output/                # Markdown 报告等产出物
docs/                      # 研究报告输出

执行：创建目录结构 + pyproject.toml（如需要）+ uv sync。

步骤 4：团队机制说明（无需显式创建团队）

当前 Claude Code harness 没有 TeamCreate/TeamDelete 工具。团队是单一 implicit flat team：你（main 会话）即 Leader，用 Agent 工具 spawn 的每个 named agent（Scout / Analyst）自动加入该 implicit team，可被 SendMessage 按 name 寻址。因此本步骤无需任何操作，直接进入步骤 5。

历史备注：旧 SOP 曾用 TeamCreate / team_name，当前 harness 已废弃——Agent 工具的 team_name 参数标注 "Deprecated; ignored. The session has a single implicit team."。与 rpiv-loop:biubiubiu 步骤 2 对齐。

步骤 5：创建任务结构

阶段 1：信息源发现（Scout + Deep Research 并行）
  T1 source-discovery     → Scout 系统搜索信息源 + YouTube 视频
  T1.5 deep-research      → Leader 通过 `Skill` 工具并行启动内置 `deep-research` skill [与 T1 并行]

阶段 2：素材获取与深度调研
  T2 material-fetch       → Scout WebFetch 关键源 + 提取图片/图表   [blockedBy: T1]

阶段 3：深度写作
  T3 write-modules        → Analyst(s) 撰写各专题模块               [blockedBy: T2]
  T4 write-overview       → Analyst 撰写主线概览 + 参考资料归档      [blockedBy: T3]

阶段 4：集成&部署
  T5 delivery-report      → Leader 生成交付报告                     [blockedBy: T4]

步骤 6：启动团队

spawn 机制：用 Agent 工具 spawn 每个角色，参数：name = 角色名（如 scout / analyst-1）、subagent_type = general-purpose、run_in_background = true（不阻塞 Leader 协调）。不要传 team_name（已废弃且被忽略）。spawn 出的 named agent 自动加入 implicit team，后续用 SendMessage（to = 角色名）双向通信；spawn 返回的 agent_id 可用于 TaskStop 兜底。

第一批（并行启动 2 个 agent）：

Scout Agent

名称：scout

提示词要点：

• 你是研究团队的信息侦察员，负责发现和获取一手权威材料

• 首要步骤：读取项目 CLAUDE.md 和研究需求摘要 {brainstorm-path}

• 阶段 1：信息源发现

  • 对每个内容模块，执行以下搜索：
    1. WebSearch 官方来源（官网、文档、白皮书、博客）
    2. WebSearch 学术/专利来源
    3. YouTube 视频搜索（必做，每个模块至少搜一次）：WebSearch "{topic} {module-keyword} conference OR keynote OR talk OR demo site:youtube.com"
    4. WebSearch 社区讨论（HN、Reddit、论坛）
    5. WebSearch 第三方分析报告
  • 按 Tier 分级（Tier 1 高价值 → Tier 5 补充参考）记录每个信息源
  • 保存信息源注册表到 {research-dir}/source-registry.md

• 阶段 2：素材获取

  • WebFetch 关键页面，提取核心内容保存到 {research-dir}/ 按主题命名的笔记文件
  • 提取架构图/截图：PDF 用 PyMuPDF、网页图片用 requests 下载
  • 保存图片到 assets/ 目录，记录每张图的来源 URL 和获取日期
  • 识别信息缺口 → 执行补充搜索- 你是阶段 1-2 的角色，material-fetch 完成后等待 shutdown

• 完成任务的固定顺序：标记 TaskUpdate completed 之前，必须先 Edit 对应的 research/ 文件，将 frontmatter status 更新为 completed、updated_at 更新为当前时间戳。顺序：Edit frontmatter → TaskUpdate completed，不可颠倒

• 全程使用中文

第二批（门禁 2 通过后启动）：

Analyst Agent

名称：analyst-1（如有第二个则 analyst-2）

提示词要点：

• 你是研究团队的深度分析师，负责调研写作
• 首要步骤：读取项目 CLAUDE.md、研究需求摘要、信息源注册表
• 你负责的模块：{Leader 根据需求摘要分配的具体模块列表}
• 写作框架（五层深度检验，每个模块必须覆盖）：
  1. 是什么：官方定义 + 核心概念
  2. 怎么工作：技术实现原理的深度拆解
  3. 为什么这样设计：设计哲学和 tradeoff 分析
  4. 竞争力何在：与替代方案对比论证
  5. 局限性：客观指出边界和不足
• 引用规范：所有事实性陈述使用脚注 [^N]，格式：[^N]: 来源名称, URL, 获取于 YYYY-MM-DD
• 图片规范：每个模块至少 1 张图片（架构图/截图），使用 ![描述](assets/filename.png) + *来源：...* 标注
• 信息获取优先级：
  1. 先检查 {research-dir}/ 已有调研笔记
  2. 不足则自行 WebSearch/WebFetch 补充
• 完成任务的固定顺序：Edit frontmatter → TaskUpdate completed，不可颠倒
• 全程使用中文

步骤 7：阶段协调

门禁 1：信息源就绪

Scout 完成 source-discovery 后：

• 检查信息源注册表覆盖所有内容模块
• 检查每个模块至少有 3 个独立信息源
• YouTube 检查：确认每个模块都搜索过相关视频（即使无高价值结果，需记录"已搜索"）
• Frontmatter 校验：grep ^status: 检查源注册表文件
• 通过 → Scout 进入素材获取

门禁 2：素材就绪

Scout 完成 material-fetch 后：

• 检查 {research-dir}/ 包含按主题组织的调研笔记
• 检查 assets/ 包含提取的架构图/截图
• 分配模块给 Analyst(s)：
  • 单 Analyst：全部模块按优先级顺序写
  • 双 Analyst：按模块主题拆分（确保模块间无强依赖或明确指定写作顺序）
• 通过 → 启动 Analyst agent(s)

门禁 3：写作完成

所有专题模块写作完成后，Leader 执行质量审查：

• 五层深度检验：每个模块是否覆盖"是什么→怎么工作→为什么→竞争力→局限性"
• 溯源抽查：随机抽取 30% 的脚注引用，验证 URL 格式正确且有获取日期
• 图片检查：每个模块至少 1 张图片且有来源标注
• 交叉链接检查：模块间引用是否指向正确的文件路径
• 有质量问题 → SendMessage 要求 Analyst 修改（最多 2 轮）
• 通过 → 概览写作

门禁 4：集成完成

• 站点构建（如适用）：零错误
• 通过 → 交付

步骤 8：完成交付

先输出以下 checklist，然后逐项执行并勾选：

交付 checklist：
- [ ] 8.1 生成交付报告
- [ ] 8.2 关闭团队
- [ ] 8.3 归档过程文件
- [ ] 8.4 向用户报告

1. 生成交付报告保存到 research/delivery-report-{topic}.md：

---
description: "交付报告: {topic}"
status: completed
created_at: {timestamp}
updated_at: {timestamp}
archived_at: null
related_files:
  - research/brainstorm-summary-{topic}.md
---

# 交付报告：{topic}

## 完成摘要
- 研究主题：{topic}
- 内容模块数量：{N} 个专题 + 1 个概览
- 信息源数量：{N} 个（Tier 1-5 分布）
- 图片数量：{N} 张架构图/截图

## 产出物清单
- Markdown 报告：{文件路径列表}

## 后续可选步骤
- `/ppt:create` — 基于研究报告生成演示文稿
- `/insight:nblm` — 生成播客、视频等增强输出

## 关键发现摘要
{3-5 条最重要的研究发现}

## 信息缺口与局限
{已标注的信息不足之处}

## 建议后续步骤
{推荐的深化方向}

2. 关闭团队：对每个仍活跃的 named teammate 用 SendMessage 发送 {"type": "shutdown_request", "reason": "..."}，agent 回 shutdown_response approve=true 后自行终止。当前 harness 无 TeamDelete，无需也不能调用。某 agent 无响应时用 TaskStop（task_id = spawn 返回的 agent_id）强制终止兜底
3. 归档过程文件：将 research/ 下的过程文件归档到 research/archive/（与 biubiubiu 相同流程）
4. 向用户报告：输出产物清单，提示可用 /ppt:create 生成演示文稿 + /insight:nblm 增强输出

上下文控制契约（防主 context 爆仓）

本 skill 的编排核心是让重 IO 在子 agent 独立 context 里发生，主 agent（Leader）只持有编排状态。各角色遵守以下契约，使全流程主 context 峰值可控、可长时间稳定运行。

子 agent → Leader 的回传纪律（tool-result clearing）

Scout / Analyst 做 WebFetch、大文件读取、深度研究输出提取等重 tool result 操作后：

• 原始内容一律落盘到 research/ 对应笔记/模块文件，不通过 SendMessage 把全文回传给 Leader
• 回 Leader 的 SendMessage 只含「产物路径 + 体积（行数/字数）+ ≤3 条核心要点」
• 反例（禁止）：把抓取的网页全文、专题模块全文粘进 SendMessage 给 Leader

Leader 的 context 边界

• 门禁审查（门禁 1/2/3）对子 agent 产物就地 Read + 出结论，只保留审查结论（通过 / 问题清单），不把被审产物全文搬运进后续编排消息
• 大体量调研产出（deep-research 报告 research/deep-research-{topic}.md 等）先落盘，Leader 读后只提炼关键结论入编排，不在主 context 长期保留全文
• Scout 是阶段 1-2 临时角色，material-fetch 完成即 shutdown 释放其 context

各阶段 tool result 体积预算（软约束，超出即落盘 + clearing）

阶段	主要 tool result	预算 / 处理
信息源发现	WebSearch 结果	子 agent 内消化，回传仅注册表路径
深度调研	深度研究 / WebFetch 输出，单次常 5-10k tokens	落盘，回传 ≤3 要点（tool-result clearing）
专题写作	6 模块全文，12-30k tokens	落盘 research/ 模块文件，主 context 不持有全文
部署验证	构建日志	子 agent / Leader 内消化，仅留结论

进阶手段（当前不做，按需启用）：checkpoint + 多 session 续跑（阶段数 ≥5 且需中断时）、分层 /compact（主 context 仍逼近压缩线时手动触发，focus 保留站点结构决策 + 未完成模块清单）。当前以「子 agent 隔离 + 落盘 + clearing」为主，已覆盖绝大多数场景。

规模自适应

根据内容模块数量调整团队配置：

规模	判断标准	团队配置
小型	≤3 个内容模块	Leader + Scout(兼 Analyst) — 2 agent
中型	4-7 个模块	Leader + Scout + Analyst — 3 agent
大型	8+ 个模块	Leader + Scout + Analyst-1 + Analyst-2 — 4 agent

在步骤 1 完成后，根据内容模块数量选择配置。

异常处理

情况	处理
YouTube 搜索无结果	记录"已搜索 {关键词} 无高价值视频"，不阻塞，继续 Web 调研
YouTube WebFetch 超时	不要 WebFetch YouTube 页面（JS 渲染导致超时）。只用 WebSearch 获取视频标题/描述/URL，提取关键信息到调研笔记
写作深度不够	SendMessage 具体指出缺失的层次，要求 Analyst 补充（最多 2 轮）
Agent 卡死（15 分钟无输出）	硬性超时：检查 output 文件行数和最后时间戳。15 分钟无新输出 → 放弃该 agent，Leader 用已有数据快速补充缺口。不要无限等待
Agent 部分完成后卡死	读取该 agent 的 output 文件，提取已完成的部分结果（可能含有价值），然后 Leader 补充剩余

备注

• 全程使用中文进行文档和沟通
• 所有产出文件遵循 insight 的 frontmatter 规范（status/created_at/updated_at/archived_at）
• agent 之间关键指令单独发送短消息，不要混在长文本中
• Scout 是阶段 1-2 角色，素材获取完成后关闭以节省资源
• 如果项目已有调研笔记或部分内容，可跳过对应阶段，从现有文件继续
• 所有研究成果必须发布到站点：deep-research 报告等调研产出物，不能仅保存在 research/ 目录。必须在站点集成阶段将其作为独立页面或模块子页面发布到 site/docs/ 并添加到 mkdocs.yml 导航。发布形式（独立深度专题 / 打散融入现有模块 / 附录）由 Leader 根据内容与现有结构的关系自主判断