技能介绍

它解决什么问题

LLM 做调研的默认行为是：打开对话，从第一个搜索结果开始读，边读边把内容塞进 context，最后输出一篇"看起来全面"的 markdown。这条路有三个硬伤：结论来自训练语料的即兴回忆而非显式检索；证据链残缺，读者无法回溯验证；交付物停在文档层——技术选型没有 ADR，方案对比没有加权矩阵，验证停留在"再看看"。

Research Master 把调研当工程问题处理：任务先分级，计划先落盘，证据要三角验证，交付物必须是可运行 artifact。

核心机制

三档模式路由。 收到 query 后按四个维度打分——信源需求、决策权重、领域跨度、时间深度，总分 0–4 决定走 Lite / Standard / Deep：

Lite：搜索 2–3 次后直接 BLUF 回答，仅保留全引用与 BLUF 两条红线，不落盘、不 subagent
Standard：完整 6 阶段，三角验证放宽至 ≥2 个独立源，产出 report.md + 1 个核心 artifact
Deep：严格执行全部 GATE，影响决策的 fact 必须 ≥3 个真正独立来源，交付三件套 artifact

升级只能上行（Lite→Standard→Deep），Deep 不可降级，防止偷懒跳步。

P0 红线五条。 Plan-First（未输出澄清卡片 + MECE Issue Tree 禁止任何搜索）、全引用（每条 fact 附 inline link + 可信度 ★ + 验证状态）、三角验证（含 cite laundering 检测与 5-minute rule）、BLUF（Executive Summary 7 字段，占全文 5–10%）、代码落地三件套（技术=ADR+Matrix+PoC，产品=Feature+Pricing+Reviews，项目=PR-FAQ+Matrix+Risk Register）。

6 阶段工作流。 CLARIFY → PLAN → PARALLEL SEARCH → COMPRESS → CITE & VERIFY → WRITE，每阶段有显式输出物和 GATE 检查清单，不通过就回退重做。PHASE 1 内置合规前置检测：涉及私服、金融、医疗、隐私爬取等主题时，先对齐法律边界再进入常规澄清。

Orchestrator-Worker 并行。 Issue Tree ≥3 分支时，每个分支 spawn 独立 subagent，各自压缩成 Top 3–5 evidence，由主线合成——避免单 agent 串行长 context 撑爆。