用途
Digital Research Engine Router 是数字研究引擎的入口路由器，用于把用户的研究请求转化为完成该研究所需的最小技能栈，从而产出可追溯、论证严谨、可发布的研究成果。它本身不替代各子技能，而是负责分派与串联。
主要能力
- 按用户意图路由：通过意图表把请求匹配到主技能与配套技能，覆盖研究立项与范围界定、研究编排、搜索策略与来源发现、来源可信度评估、来源验证、OSINT 与公开记录调查、企业尽职调查、一手研究访谈、数据集发现与分析、学术论文与系统综述、前瞻判断与情景分析、高管备忘录与咨询报告、最终报告与提案撰写、Word/PDF/Excel 交付物生成、技能编写与引擎扩展、引擎或产品改进审计等场景。
- 强制基础规范：研究开始前必须加载
skills/source-evaluation/SKILL.md、skills/source-evaluation/references/evidence-discipline.md与skills/anti-ai-slop/SKILL.md；涉及引擎或研究产品审计、改进计划时还需加载docs/continuous-improvement/portfolio-kaizen-standard-2026-08.md。每个子代理提示必须逐字包含evidence-discipline.md中的硬约束条款。 - 自我审计：引擎会审计自身研究输出，使用
skills/00-meta-initialization/references/kaizen-engine-and-product-audit.md，发布当前审计分数最高 65/100，并制定目标 95/100 的整改计划。 - 共享示例：以
docs/world-class-exemplars/running-example.md作为各子技能共用的例子（Chwezi Core Systems 关于东非非正式跨境贸易数字化的研究），包含高管、学术、OSINT、数据与政策等变体，且不依赖编造的统计数据。
使用方式
标准操作序列为：
- 接收：定义受众、决策、研究类型、输出类别、风险等级与停止条件。
- 证据：加载来源评估与证据纪律，在收集时即分配来源层级。
- 设计：选择方法、队列、搜索计划与数据需求。
- 收集：分批执行，记录来源、搜索字符串、排除项与未解决缺口。
- 验证：在综合之前运行来源验证与验证工具
tools/verification/source_verifier.py。 - 推理：在出现主张、判断或建议时运行批判性推理与分析技巧。
- 综合：构建主张图、结论先行信息与证据包。
- 输出：使用与交付物匹配的格式技能，并应用反低质内容闸门。
- 发布：运行质量闸门、引用密度仪表盘、评审备注与最终清单。
适用场景
适用于需要追踪来源、评估证据、进行多步骤综合并形成可发布成果的研究任务，包括学术评审、政策研究、尽职调查、OSINT 调查、数据集分析与高管简报等。
限制
当请求缺少决策或受众、要求私人监控、要求编造或无来源的主张、需要无法核实的当前法律或监管事实，或要求发布来源链未通过验证的主张时，引擎应停止并请求澄清。