research-ops

研究运维

当用户要求研究当前信息、比较选项、丰富人员或公司信息，或将重复查找转化为监控工作流时使用。

这是仓库研究栈的操作者包装器。它不是 deep-research、exa-search 或 market-research 的替代品；它告诉你何时以及如何一起使用它们。

技能栈

在相关时将这些 ECC 原生技能拉入工作流：

• exa-search 用于快速当前网络发现
• deep-research 用于带引用的多源综合
• market-research 当最终结果应该是推荐或排名决策时
• lead-intelligence 当任务是人员/公司定位而非通用研究时
• knowledge-ops 当结果之后应存储在持久上下文中时

何时使用

• 用户说"研究"、"查找"、"比较"、"我该找谁"或"最新的是什么"
• 答案取决于当前的公开信息
• 用户已经提供了证据并希望将其纳入新的推荐
• 任务可能足够经常性以至于应该变成监控而非一次性查找

防护措施

• 当新鲜搜索成本很低时不要用过时的记忆回答当前问题
• 分离：
  • 有来源的事实
  • 用户提供的证据
  • 推断
  • 推荐
• 如果本地代码或文档中已有答案，不要启动重量级的研究遍历

工作流

1. 从用户已提供的内容开始

将任何提供的材料规范化为：

• 已有证据的事实
• 需要验证
• 未解决的问题

如果用户已经构建了部分模型，不要从零重新开始分析。

2. 分类请求

在搜索前选择正确的通道：

• 快速事实答案
• 比较或决策备忘录
• 线索/丰富遍历
• 循环监控候选

3. 先走最轻量的有用证据路径

• 使用 exa-search 进行快速发现
• 当综合或多个来源重要时升级到 deep-research
• 当结果应该以推荐结束时使用 market-research
• 当真正的需求是目标排名或热路径发现时移交给 lead-intelligence

4. 以显式证据边界报告

对于重要声明，说明它们是：

• 有来源的事实
• 用户提供的上下文
• 推断
• 推荐

对新鲜度敏感的答案应包含具体日期。

5. 决定任务是否应该保持手动

如果用户可能重复问同一个研究问题，明确说出来并推荐监控或工作流层而不是永远重复相同的手动搜索。

输出格式

问题类型
- 事实 / 比较 / 丰富 / 监控

证据
- 有来源的事实
- 用户提供的上下文

推断
- 从证据中得出的结论

推荐
- 答案或下一步行动
- 此任务是否应变成监控

陷阱

• 不要在未标记的情况下将推断混入有来源的事实
• 不要忽略用户提供的证据
• 不要对本地仓库上下文就能回答的问题使用重量级研究通道
• 不要在没有日期的情况下给出新鲜度敏感的答案

验证

• 重要声明按证据类型标记
• 新鲜度敏感的输出包含日期
• 最终推荐与实际使用的研究模式匹配