用途：这是所有研究任务的强制入口与编排层，基于编排者—工作者的模式，把研究拆解为计划、采集、推理、扩展、校验和综合等步骤，并交由运行时判断智能体数量、语言、迭代次数与深度。
主要能力：支持内联、工作流、团队三种执行场景，由大脑按复杂度选择；默认语言为 EN + ZH + ZH-TW（用户可指定）；采集智能体按每智能体一个语言加一个子主题并行工作；通过假设驱动循环，按新信息与 token 比值判断饱和并停止；采集后做流式核验与批判性反驳；综合阶段由高阶模型在预留预算内完成，最终报告带引用，并由主智能体对照原始目标做 GOAL-CHECK。另有源优先级规则：精英论坛与实践者内容优先，其次官方原始来源、高价值分析、博客教程，降级内容农场，具体来源栈在运行时确认，不硬编码。模型分层为采集与交叉核验用 sonnet，综合用 opus。预算守卫以自设上限为主，因为 budget.total 通常为空，并保留综合预留区防止综合阶段被饿死。工作流场景还需在扩展后把状态写入 state.json 以支持恢复，并向每个采集智能体提示词注入精英论坛表。
使用方式：以 [topic] 作为参数调用，例如 /lead-researcher compare auth solutions for Next.js 或 /lead-researcher full ecosystem survey of MCP servers。工作流场景需在消息中描述研究任务并包含 workflow 一词以触发引擎。
限制：资料未提供具体收费、价格、平台支持与效果数据；各阶段的输出质量依赖所配置的模型与预算，缺失事实需以运行结果为准。