用途
Research 技能用于诊断研究质量并引导系统性的查询扩展。它适合在开始研究任何主题、研究过程中卡住，或不确定研究是否足够时使用。其目标是通过工具辅助研究与 Tavily 集成，把基础问题转化为更全面的搜索策略，借助 AI 优化的网络搜索来提升研究深度和覆盖面。
主要能力
该技能围绕研究流程的多个阶段组织工作，并配合 Tavily 命令行搜索工具完成查询。
阶段划分：
- 阶段 0（手动）：分析主题、设定范围与决策风险等级。
- 阶段 1（Tavily）：发现专家术语。
- 阶段 2（Tavily）：基础搜索。
- 阶段 3（Tavily）：反方视角搜索。
- 阶段 4（手动）：综合发现并标注置信度。
范围与 Tavily 深度对应：
- 低风险、可逆：--depth basic --results 3
- 中等：--depth basic --results 5 --answer
- 高风险、不可逆：--depth advanced --results 10 --answer
阶段 0 提供分析模板，涵盖核心概念（主要术语、术语变体、歧义术语）、利益相关者（主要参与者、受影响群体、对立利益）、时间范围（历史起源、关键转变、当前状态）、领域（主要领域、相邻领域）以及争议（活跃辩论、竞争框架）。
阶段 1 强调发现专家术语的重要性，并提供发现词汇的 Tavily 命令示例，以及词汇映射表模板。
阶段 2 提供问题模式到 Tavily 命令的映射，例如“What is X?”对应定义类查询，“Should I X?”对应利弊比较，“Is X true?”对应证据与反证，并给出源类型选择建议（学术/研究、从业者内容、新闻/当前、官方文档）。
阶段 3 强调主动查找反对观点，避免确认偏误，并提供通用批评、对立观点、替代方法、失败案例以及排除熟悉来源等命令示例。
阶段 4 提供完成标准（最低可行、工作知识、深度专业知识）、边际收益递减信号、置信度标记与综合模板，模板包含摘要、置信水平、关键发现、视角对照、反证、注意事项和进一步调查方向。
技能还提供诊断状态，用于识别研究卡在哪里以及应回到哪个阶段：
- R0：无分析
- R1：无词汇
- R2：单一视角
- R3：领域盲区
- R4：近期偏见
- R5：有广度无深度
- R6：完成不确定性
- R7：完成
以及反模式表，列出确认陷阱、权威谬误、近期陷阱、广度陷阱、单一来源、术语盲点、无限兔子洞和回音室，并给出对应修正建议。
使用方式
设置要求：
- Deno，可从 https://deno.land 安装。
- Tavily API Key，可在 https://tavily.com 获取（官方称有免费额度）。
配置 API Key：
export TAVILY_API_KEY="your-key-here"
为方便使用，可在 shell 配置文件中创建别名（需按技能安装路径调整）：
alias tavily='deno run --allow-net --allow-env /path/to/skills/research/scripts/tavily-cli.ts'
也可直接运行：
deno run --allow-net --allow-env ./scripts/tavily-cli.ts "your query"
以下是常用命令示例：
基础搜索
tavily "your query"
附带 AI 答案摘要
tavily "your query" --answer
深度搜索，更多结果
tavily "your query" --depth advanced --results 10 --answer
新闻/近期内容
tavily "your query" --topic news --time week
排除熟悉来源以发现新视角
tavily "your query" --exclude wikipedia.org,reddit.com
Tavily 命令选项包括：
- --answer：包含 AI 生成的答案摘要。
- --depth：搜索深度，basic（默认）或 advanced。
- --results：结果数量，1-20（默认 5）。
- --topic：主题类别，general（默认）、news 或 finance。
- --time：时间过滤，day、week、month、year。
- --include：仅包含指定域名，逗号分隔。
- --exclude：排除指定域名，逗号分隔。
- --raw：包含原始页面内容。
- --json：以 JSON 格式输出。
输出持久化方面，技能建议先检查项目中的 context/output-config.md，若找到本技能条目则按其配置，否则先询问用户保存位置，并建议 explorations/research/ 或其他合适位置。需要存储的内容包括词汇映射、来源（URL、相关度评分、质量说明）、综合结论（摘要、置信度、发现、注意事项）、查询日志和未知缺口。文件命名模式为 {topic}-research-{date}.md，例如 competency-frameworks-research-2025-01-15.md。
技能还提到与其他技能的集成点：doppelganger（研究为决策提供信息，对发现应用 /truth-check）、context-networks（将研究发现存入合适的网络节点）、boundary-critique（对遇到的建议和推荐应用）。
适用场景
- 开始研究任何主题时，用于结构化主题并设定范围。
- 研究过程卡住时，用于诊断卡点并确定应回到哪个阶段。
- 不确定研究是否足够时，用于对照完成标准和边际收益递减信号做判断。
- 需要避免单一视角和确认偏误时，用于显式搜索反方观点。
- 需要发现专家术语、跨领域同义词以解锁更深搜索结果时。
限制
该技能依赖 Deno 运行环境和 Tavily API Key，缺少其中任一条件可能无法使用其 Tavily 命令行搜索功能。技能资料中未提供 Tavily 的收费、价格或免费额度期限等具体商业条款，也未提供除上述命令选项之外的其他功能、平台支持或效果保证。资料中未涉及的具体使用步骤或额外能力，暂未提供。