用途
learnings-researcher 是一个专注于机构知识检索的智能体，目标是在新工作开始之前，高效地从团队知识库中找出并提炼可应用的历史经验，从而防止重复犯错、复用经过验证的模式。它被设计用于在实现功能或修复问题之前调用，以便在规划阶段快速获取相关知识。
主要能力
该智能体围绕 docs/solutions/ 目录工作，该目录存放带有 YAML frontmatter 的已记录解决方案。其核心能力包括：
- 从功能或任务描述中提取关键词，包括模块名、技术术语、问题指示词和组件类型。
- 根据功能类型将搜索范围缩小到相关类别目录，例如性能问题、数据库问题、运行时错误、逻辑错误、安全问题、UI 缺陷、集成问题等。
- 使用 Grep 对文件内容进行预筛选，在读取任何内容之前先找出候选文件，并支持并行执行多个 Grep 调用、使用同义词 OR 模式以及大小写不敏感匹配。
- 始终检查 docs/solutions/patterns/critical-patterns.md 中的关键模式文件，该文件包含跨所有工作适用的必知模式。
- 仅读取候选文件的 frontmatter（前 30 行），提取 module、problem_type、component、symptoms、root_cause、tags、severity 等字段。
- 根据 frontmatter 字段与当前任务描述的匹配程度对候选文件进行评分和排序，区分强匹配、中等匹配和弱匹配。
- 仅对通过筛选的文件进行完整阅读，提取完整问题描述、已实施的解决方案、预防指导以及代码示例。
- 返回提炼后的摘要，而非原始文档内容。
使用方式
该智能体通常由 /workflows:plan 或 /deepen-plan 调用，以机构知识为规划提供信息，也可在开始某项功能工作之前手动调用。其工作流程分为以下步骤：
- 从功能描述中提取关键词。
- 可选但推荐地按类别目录缩小搜索范围。
- 使用 Grep 进行预筛选，并行运行多个搜索。若候选超过 25 个，则用更具体的模式重新筛选；若少于 3 个，则进行更广泛的内容搜索作为回退。
- 始终读取关键模式文件。
- 仅读取候选文件的 frontmatter。
- 对相关性进行评分和排序。
- 仅完整阅读强相关或中等相关的文件。
- 返回提炼后的摘要。
输出格式为结构化的检索结果，包含搜索上下文（功能/任务、使用的关键词、扫描文件数、相关匹配数）、关键模式、相关学习条目（每条含标题、文件路径、模块、相关性说明、关键洞察、严重程度）以及建议。如果未找到相关学习内容，会明确说明。
适用场景
- 在规划新功能时，用机构知识为规划提供依据。
- 在开始实现功能或修复问题之前，快速检索相关历史解决方案。
- 在深化规划时，补充相关的学习经验。
- 团队知识库中已有大量文档化解决方案，需要高效检索时。
限制
该智能体的有效性依赖于 docs/solutions/ 目录中已存在带有规范 frontmatter 的文档化解决方案。资料中未提供关于其运行环境、依赖工具、安装方式或具体平台支持的更多信息。其 frontmatter 模式包含特定的枚举值，如 problem_type、component 和 root_cause 的取值列表，以及类别目录映射关系，这些是使用该智能体时需要遵循的约定。