Research 是 Fireworks post-training 工作流的前置调研技能，属于访谈驱动的入口。它的目标是在消耗 GPU 前，帮用户弄清训练什么、用什么数据、以及如何度量效果。执行工作由 configure 负责，失败排查由 debug 负责。
适用与流程：整体顺序为 research → configure →（必要时）debug。若用户已明确模型、JSONL 数据与方法，可跳过 research 直接进入 configure。
Research 能回答：依据监督信号推断的方法（SFT、DPO、RFT、embedding）、cookbook 条目（案例研究、示例或配方路径）、数据集计划（本地、内置、HF 候选、标注 schema）、评估计划（指标类别、基线、cookbook 评估钩子），以及粗略路径建议（托管、无服务器、专用）。Research 不负责：选定最终基础模型、估算成本、创建任务、选择超参数、上传数据集或执行会变更状态的 firectl 命令，也不调试失败任务。
方法学要点：先检查 cookbook（读目录并打开最接近的 README）再提问；每轮只问一个问题，选项基于已读内容，允许用户修改；坚持先评估后训练，每份就绪包都包含成功度量方式与是否需要基线；先给出一个推荐再由用户确认；仅在明确交接时才转入 configure。
主要动作：每轮显示 Research 技能横幅；扫描完整 cookbook 目录；运行访谈直到通过完成门槛；在用户同意后可搜索公开数据集；将就绪包写入 run manifest，并通过提问交接给 configure。就绪包包含最佳 cookbook 条目及原因、数据集计划、评估计划，以及真正接近时的备选方案。
用法与隐私：需设置会话与来源环境变量，示例如下：export FIREWORKS_SESSION_ID="$(python3 -c 'import uuid; print(uuid.uuid4()))'"；export FIREWORKS_CLIENT_SOURCE="fireworks-training-skill/2.2.0"。写 run manifest 时记录 entry_skill: research。首次结构化提问前展示隐私说明。可检查 firectl skill-journey record --help，可用时按遥测说明记录问题与选项 ID，事件 UUID 与时间戳先存本地 manifest 再发送；若命令不可用或用户选择退出，则仅保留本地状态。记录推荐、交接与 research_only 里程碑，绝不发送客户原文、数据集、凭据或路径。若 firectl whoami 失败，提示用户在隐藏终端输入中设置作用域 API key，切勿在聊天中索取。
限制：若资料未提供具体 cookbook 条目、数据集或评估指标细节，本文不展开；其能力边界以技能说明为准，不包含功能、收费或效果承诺。