Research Verification 是一项面向事实核查与信息验证的研究技能，适用于回答细分、易变、存在争议的问题，以及技术、产品、政策、价格、兼容性或当前信息类问题。
用途与核心规则
该技能的核心规则是：对于事实机制，优先采用能反映当前情况的一手来源；当风险或歧义足以支持这样做时，再用独立来源进行佐证。
研究工作流
- 识别哪些主张具有时效性，并设定新鲜度要求。
- 先进行足够广泛的搜索以发现术语，然后打开权威性最高的来源。
- 将发布日期与事件或变更实际发生的时间进行比较。
- 区分文档、源码、发布说明、问题报告、社区经验与营销声明。
- 对于软件行为，源码与测试可能比过时的文字文档更可靠。
- 显式解决冲突，而不是静默选择某一个结果。
- 少量引用，综合证据；绝不编造来源不支持的内容。
工具选择与顺序
该技能给出了一条从强到弱的核查阶梯，并建议逐级向下，直到问题得到解决为止：
- 实际运行：获得真实的运行时输出、测试或复现结果，其可信度高于任何文档。
- 读取本地源码，包括已安装包自身的代码与测试。
- 询问已安装工具：--help、--version、<cmd> list；对当前机器上实际安装的版本而言，这才是真相。
- 官方上游来源、发布说明、变更日志、问题跟踪器。
- 使用 Context7 获取当前库或框架的文档。
- 当尚不清楚术语或答案所在位置时，使用网络搜索或 Firecrawl 进行发现。
- 模型记忆放在最后，并明确标注为模型记忆。
顺序会因问题而异：源码与测试的优先级高于过时的文字文档。无论使用哪种来源，都应记录是哪一个来源解决了问题。如果完全不具备研究能力，应说明哪个假设尚未解决，而不是把回忆当作核查结果来呈现。
避免反射性浏览
该技能强调不要把所有问题都变成网络搜索，因为这会消耗 token、延迟与速率限制，去重新学习稳定不变的信息。研究应按照“不确定性 × 后果 × 时效性”的比例进行：
- 高不确定性、重大后果、信息会变化：应当研究。
- 稳定事实，或答案不影响实现：可以继续。
- 本地源码、运行时输出或 --help 已能回答：不要打开浏览器。
当权威来源不可用时，应说明限制并降低置信度，而不是把二手主张洗成确定结论。
升级能力类别
该技能指出，当某个工具因其类别本身无法完成任务而失败时，修复方式是换用更强的类别，而不是在同一类别上调整参数。例如：
- 挑战页或空 JS 壳：应使用渲染提取，而不是换另一个 User-Agent。
- 需要点击、登录或滚动：应使用浏览器交互，而不是猜测 URL。
- 文档与已安装运行时矛盾：以运行时为准，而不是再找第三篇博客。
同一种失败出现两次即可判定该类方法无效；第三次尝试同类方法等于决定继续失败。只有“类别错误”才值得切换，缺少凭据或速率限制不算。该技能说明 capability-routing 拥有完整的能力阶梯。