sciomc

用途

sciomc 是 oh-my-claudecode 下的一个 Research Skill，用于编排并行的 scientist 智能体，对复杂研究目标进行综合分析与研究工作流，并支持可选的 AUTO 模式实现全自主执行。其核心思路是把研究目标拆解为多个并行的调查阶段，最终交叉验证并汇总成报告。

主要能力

研究工作流分为多个阶段：

拆解（Decomposition）：把研究目标拆分为独立阶段/假设，通常为 3–7 个独立阶段。
执行（Execution）：在每个阶段上并行运行 scientist 智能体。
验证（Verification）：交叉验证发现，检查一致性。
综合（Synthesis）：把结果汇总为综合报告。

拆解阶段会为每个阶段标注 Focus（调查内容）、Hypothesis（预期发现）、Scope（检查的文件/区域）与 Tier（LOW | MEDIUM | HIGH）。

并行执行通过 Task 工具触发独立阶段，例如：

Task(subagent_type="oh-my-claudecode:scientist", model="haiku", prompt="[RESEARCH_STAGE:1] Investigate...")
Task(subagent_type="oh-my-claudecode:scientist", model="sonnet", prompt="[RESEARCH_STAGE:2] Analyze...")
Task(subagent_type="oh-my-claudecode:scientist", model="opus", prompt="[RESEARCH_STAGE:3] Deep analysis of...")

智能模型路由按任务复杂度分配：数据收集用 haiku，标准分析用 sonnet，复杂推理用 opus。文档强调必须显式传递 model 参数。

验证循环在并行执行完成后进行，通过一个交叉验证阶段检查各阶段发现之间是否存在矛盾、缺失连接、覆盖缺口与证据质量，输出 [VERIFIED] 或 [CONFLICTS:<list>]。

使用方式

标准用法示例：

/oh-my-claudecode:sciomc <goal>                    # 带用户检查点的标准研究
/oh-my-claudecode:sciomc AUTO: <goal>              # 全自主执行直至完成
/oh-my-claudecode:sciomc status                    # 查看当前研究会话状态
/oh-my-claudecode:sciomc resume                    # 恢复中断的研究会话
/oh-my-claudecode:sciomc list                      # 列出所有研究会话
/oh-my-claudecode:sciomc report <session-id>       # 为会话生成报告

快速示例：

/oh-my-claudecode:sciomc What are the performance characteristics of different sorting algorithms?
/oh-my-claudecode:sciomc AUTO: Analyze authentication patterns in this codebase
/oh-my-claudecode:sciomc How does the error handling work across the API layer?

AUTO 模式

AUTO 模式以带循环控制的自主方式运行完整研究工作流。

循环控制协议会显示迭代进度（ITERATION/MAX）、当前状态、已完成阶段与待处理阶段。完成时通过 Promise 标签标记：[PROMISE:RESEARCH_COMPLETE] 表示研究成功完成（所有阶段完成、已验证、报告已生成）；[PROMISE:RESEARCH_BLOCKED] 表示无法继续（缺数据、访问问题、循环依赖）。

AUTO 模式规则：最大迭代次数为 10（可配置）；持续运行直到发出 Promise 标签或达到最大迭代；每个阶段完成后持久化状态；可通过 /oh-my-claudecode:cancel 或 “stop”、“cancel” 取消。

AUTO 模式示例中，流程依次为：拆解（列出多个阶段及 Tier）、并行执行、验证、综合、最后发出完成标签。

并行执行模式

独立数据集分析（并行）：各阶段分析不同数据源时同时触发。
假设组（并行）：测试多个假设时同时进行。
交叉验证（顺序）：验证依赖全部发现时，等待所有并行阶段完成后按顺序验证。

并发限制：最多 20 个并发 scientist 智能体，超过 20 个阶段时分批执行。

会话管理

会话目录结构：

.omc/research/{session-id}/
  state.json              # Session state and progress
  stages/
    stage-1.md            # Stage 1 findings
    stage-2.md            # Stage 2 findings
    ...
  findings/
    raw/                  # Raw findings from scientists
    verified/             # Post-verification findings
  figures/
    figure-1.png          # Generated visualizations
    ...
  report.md               # Final synthesized report

state.json 记录 id、goal、status（in_progress | complete | blocked | cancelled）、mode（standard | auto）、iteration、maxIterations、stages 列表（含 id、name、tier、status、时间戳、findingsFile）、verification（status、conflicts、时间戳）以及创建和更新时间。

会话命令包括 status、resume（可带 session-id）、list、report <session-id>、cancel（保留状态）。

标签抽取与质量校验

scientist 使用结构化标签记录发现，包括 [FINDING:<id>]、[EVIDENCE:<finding-id>]、[CONFIDENCE:<level>]、[STAGE_COMPLETE:<id>]、[VERIFIED|CONFLICTS]。文档给出了对应的正则抽取模式。证据抽取时附带上下文窗口（如行号范围的上下文）。

质量校验要求：每条 [FINDING] 至少有一条 [EVIDENCE]；每条发现需有 [CONFIDENCE]；来源文件路径为绝对路径且有效；可由其他智能体验证。

报告生成

报告模板包含：标题、会话 ID、日期、状态、执行摘要、方法论（研究阶段表、方法说明）、关键发现（含置信度与证据）、可视化、交叉验证结果、局限性、建议与附录（原始数据、会话状态）。

图表通过 [FIGURE:path/to/figure.png] 标记嵌入，图表类型包括架构图、流程图、依赖图、时间线、对比表，均由 scientist 生成。

配置

可在 .claude/settings.json 中配置可选设置：

{
  "omc": {
    "research": {
      "maxIterations": 10,
      "maxConcurrentScientists": 5,
      "defaultTier": "MEDIUM",
      "autoVerify": true,
      "generateFigures": true,
      "evidenceContextLines": 5
    }
  }
}

取消与排查

取消可使用 /oh-my-claudecode:cancel，或说 “stop research”、“cancel research”、“abort”。进度保留在 .omc/research/{session-id}/ 中以便恢复。

排查提示：验证循环卡住时检查阶段间冲突发现、查看 state.json、可能需用不同方法重跑特定阶段；发现质量低时检查 Tier 分配、提示词范围与输出格式、研究目标是否过宽；AUTO 模式迭代耗尽时查看卡住位置、目标是否可行、是否拆分为更小会话；报告中缺图时确认 figures/ 目录存在、检查 [FIGURE:] 标签、确保路径相对于会话目录。

适用场景与限制

适用场景包括代码库分析（如认证模式、API 错误处理）、技术调研（如排序算法性能特征）以及安全分析等研究类任务。限制方面：并发上限为 20 个 scientist 智能体；AUTO 模式最大迭代默认 10 次；研究效果依赖可用的数据与访问权限；部分细节（如定价、平台支持）暂未提供。