用途：将研究过程建模为图（Graph of Thoughts），用图操作编排多智能体研究，提升研究路径质量。节点=研究发现、洞见或结论；边=依赖与关系；分数=0-10 质量评分；前沿=可继续探索的活跃节点集合；操作=对图状态的变换。
主要能力（核心操作）： Generate(k)：从父节点生成 k 条并行研究路径，用于初始探索、扩展高质量发现、多角度并行探索。 Aggregate(k)：把 k 个节点合并为更强的综合结论，用于合并相关发现、化解来源矛盾。 Refine(1)：在不新增研究的前提下改进现有发现的清晰度、完整性、引用与结构。 Score：按 0-10 评分，9-10 为多高质量来源且无矛盾，7-8 为来源充分，5-6 为来源质量参差，3-4 为来源有限，0-2 为无可验证来源。 KeepBestN(n)：剪枝低质量节点，只保留每层前 n 个。
执行模式：均衡探索（根节点 Generate(4)，高分节点继续 Generate(2)，中分 Refine，低分丢弃，再 Aggregate 综合并 Refine 输出）；广度优先（Generate(5)、KeepBestN(3)、继续 Generate(2)）；深度优先（沿最佳节点逐层深入，每轮 KeepBestN(1)）。决策阈值为：分数≥7.0 可继续 Generate，≥6.0 可 Refine，<6.0 或冗余则剪枝。
使用方式：配合七阶段研究流程，在阶段 2 用 Generate 拆分子主题，阶段 3 用 Generate+Score 部署多智能体，阶段 4 用 Aggregate 合并，阶段 5 用 Aggregate+Refine 综合，阶段 6 用 Score+Refine 质控。用 Task 工具在单次回复中并行启动多个智能体；用 TodoWrite 跟踪操作；用 Read/Write 将图状态保存到 research_notes/got_graph_state.md 与 research_notes/got_operations_log.md，并维护节点表（Node ID、内容摘要、分数、父节点、状态）与操作日志。
适用场景：研究主题复杂或多方面、需要在深度与广度间做策略性取舍、要求高质量研究时。
限制：资料未提供具体模型、收费、价格或效果的量化数据；评分标准与阈值来自该技能自身定义。若主题简单，无需使用此图式编排。