research-decision

对复杂问题进行联网调研,并基于高质量信源输出判断、建议、排查方向或下一步动作。适用于技术选型、方案对比、版本升级、兼容性判断、架构取舍、社区口碑调研、已知问题排查、疑难 bug 冲突分析,以及其他需要上网查证、多方比较、最后给出建议或方向的问题。优先进行中英文双语检索,重视官方文档、官方博客、GitHub issues/discussions/changelog/release notes,再补充社区讨论与第三方资料。重点是信源管理、交叉验证、识别已知问题和处理冲突信息。

Safety Notice

This listing is from the official public ClawHub registry. Review SKILL.md and referenced scripts before running.

Copy this and send it to your AI assistant to learn

Install skill "research-decision" with this command: npx skills add Krishnna2725/research-decision

Research Decision

目标

把"联网查资料"转成"有依据的判断与行动建议"。

这个 skill 的重点不是固定模板,而是:

  • 管理信源优先级
  • 做中英文双语检索
  • 交叉验证多方说法
  • 识别已知问题、冲突信息和不确定性
  • 输出对用户有用的结论、建议、排查方向或下一步动作

默认产出应服务于"决策 / 排查 / 止损",而不是资料堆砌。

核心原则

  • 先理解用户真正要解决的问题,再决定更适合输出"决策建议""条件判断"还是"排查方向"。
  • 不要依赖单一来源下结论,尤其不能只靠博客、自媒体或单条社区帖。
  • 如果存在已知 bug、版本冲突、兼容性风险或社区争议,优先识别风险,再决定是否推荐推进。
  • 如果证据不足,不要硬给确定性结论;应明确边界、不确定点和最小验证动作。
  • 如果用户信息不完整,也先尽量推进判断,并在结论中写清适用前提或假设。
  • 对于版本核查、依赖检查、环境验证等可以快速自动完成的事项,先自己跑一遍命令或查一下文档,把结果直接给用户,不要让用户自己动手。
  • 输出报告必须有信源展示,每条关键结论都要标注来源类型和链接,方便用户溯源和验证。

工作流程

1. 收敛问题

先判断用户的问题更像哪类:

  • 是否值得采用某个技术 / 工具 / 方案
  • 是否要升级 / 迁移 / 替换
  • 某个版本、组合、架构是否可用
  • 某个 bug、冲突、异常是否已有已知问题或成熟解法
  • 社区、官方、维护者对某件事是否存在共识
  • 用户真正需要的是结论、排查方向、规避方案,还是止损建议

同时尽量识别这些信息:

  • 目标:想解决什么
  • 对象:技术 / 工具 / 版本 / 方案 / bug / 冲突点
  • 当前上下文:新项目、老项目、生产环境、测试环境、升级中、排障中
  • 约束:时间、兼容性、团队经验、迁移成本、风险承受能力
  • 用户最关心的结果:稳定性、效率、成本、可维护性、是否有坑、怎么尽快解

2. 做中英文双语检索 + 快速验证

至少完成一轮中文检索和一轮英文检索。

快速验证事项先做:

  • 如果问题涉及版本,先查当前版本(--versionnpm list 等)
  • 如果涉及依赖,先检查环境(pip listcomposer show 等)
  • 如果涉及文档,先抓官方最新文档
  • 这些验证结果直接写在报告里,体现专业性

优先查询这些来源:

  1. 官方文档 / 官方博客 / 官方 FAQ / 官方发布说明
  2. GitHub issues / discussions / changelog / release notes / migration guide
  3. 社区讨论(Reddit、Hacker News、论坛、AnswerOverflow、技术社区)
  4. 第三方博客 / 教程 / 自媒体(仅作补充)

默认优先级:

官方 > issue/changelog > 社区 > 第三方内容

如果是 bug、冲突、兼容性、升级失败问题,优先查 issue、discussion、release notes、官方 workaround 和社区复现记录。

需要更具体的检索写法时,查看:

  • references/query-patterns.md
  • references/issue-triage.md

3. 交叉验证并判断信号强弱

使用信源时,按以下顺序判断可信度:

高优先级

  • 官方文档
  • 官方博客
  • 官方发布说明
  • changelog / release notes / migration guide
  • maintainer 明确回复的 issue / discussion

中优先级

  • 普通 issue / discussion
  • 高质量社区讨论
  • 多人复现的帖子
  • 多来源一致的经验总结

低优先级

  • 单篇博客
  • 自媒体
  • 个人经验帖
  • 无法确认版本和上下文的内容

关键结论尽量满足:

  • 至少有两类来源支撑
  • 尽量有一个高优先级来源托底
  • 如果没有高优先级来源,要明确标注"证据较弱"或"官方未确认"

如果信息冲突,优先判断:

  • 是否来自不同版本
  • 是否只在特定环境触发
  • 是否后来已修复
  • 是否只是文档理想状态与真实使用体验不一致

如果资料明显过旧,或结论主要依赖低优先级来源,要主动降低结论强度。

4. 按问题类型调整重点

不要机械套模板,要根据问题类型调整调研重点。

选型 / 替换 / 值不值得用

重点看:

  • 官方定位与适用边界
  • 是否仍在维护
  • release 活跃度
  • 社区口碑
  • 常见负面反馈
  • 替代方案
  • 接入或迁移成本

版本升级 / 兼容性 / 生产可用性

重点看:

  • changelog / release notes
  • breaking changes
  • migration guide
  • known issues
  • regression
  • 是否存在回退风险
  • 社区是否出现高频踩坑

疑难 bug / 冲突 / 异常

重点看:

  • 是否为已知问题
  • issue 中是否已有复现
  • 是否与特定版本、环境、依赖组合有关
  • maintainer 是否确认过
  • 是否有 workaround、patch、替代配置
  • 是否建议降级 / 升级 / 规避某特性
  • 是否值得继续深挖,还是应该尽快绕开

如果是 bug / 冲突问题,优先回答:

  • 这是不是已知问题
  • 哪些版本 / 环境 / 依赖组合最容易触发
  • 有没有 workaround、补丁、替代路径或临时规避方案
  • 是否建议升级、降级、锁版本、回滚或缩小使用范围
  • 这个问题值不值得继续投入排查,还是更适合止损

更细的 bug / 冲突处理方式,查看 references/issue-triage.md

5. 输出判断与下一步动作

不要只总结资料,要把调研结果转成用户可执行的东西。

重要:输出必须有信源展示。 每条关键结论都要标注来源(官方/issue/社区/博客)+ 链接,方便用户溯源。

默认尽量输出以下内容中的大部分:

  • 结论 / 判断
  • 建议方案
  • 关键依据(必须有信源标注
  • 风险或反例
  • 已知问题
  • workaround / 替代方案
  • 下一步动作
  • 回滚或止损条件

如果是决策类问题,优先回答:

  • 推荐 / 不推荐 / 条件推荐 / 暂不推荐 / 证据不足

如果是 bug / 冲突类问题,优先回答:

  • 更可能的问题方向
  • 是否已有已知案例
  • 先试什么 workaround
  • 是否建议升级 / 降级 / 规避 / 替代
  • 何时停止继续排查,转为止损

报告详细程度:

  • 不要只给一句话结论。用户拿这个 skill 是要评估效果的,第一印象很重要。
  • 检索过程、关键发现、证据链都要展示出来,让用户看到你确实做了什么调研。
  • 但也不要堆砌信息——重点突出,结构清晰。
  • 可以给用户一个"快速版"(一句话结论 + 核心理由)和一个"详细版"(完整报告),让用户选择。

输出风格

  • 先回答用户最关心的问题,再展开证据。
  • 不要做成机械模板填空。
  • 不要为了全面而堆太多链接或背景。
  • 冲突证据要主动解释,不要原样堆给用户。
  • 每条关键结论必须带信源标注(如:官方文档 / GitHub Issue / 社区讨论 + 链接)。
  • 高风险场景默认更保守;低风险探索场景可以更灵活。
  • 用户想快速判断时,优先给短结论 + 核心理由 + 下一步。
  • 用户明显在排障时,优先给"最可能原因 + 先试什么 + 是否值得继续挖"。

底线规则

  • 不要只做摘要,必须尽量转化为判断、建议或行动方向。
  • 不要基于单一弱来源下结论,关键判断至少做交叉验证。
  • 每条结论都要有信源标注,不能"我觉得"或者"应该是"。
  • 发现已知 bug、高频冲突或高风险信号时,优先给规避、替代、验证或止损方案,不要默认硬推。
  • 能自动化的快速验证(版本、依赖、环境)先自己做,别麻烦用户。

Source Transparency

This detail page is rendered from real SKILL.md content. Trust labels are metadata-based hints, not a safety guarantee.

Related Skills

Related by shared tags or category signals.

Coding

Sharedintellect Quorum

Multi-agent validation framework — 6 independent AI critics evaluate artifacts against rubrics with evidence-grounded findings.

Registry SourceRecently Updated
3530Profile unavailable
Coding

joinquant

聚宽量化交易平台 - 提供A股、期货、基金数据查询,事件驱动策略回测,支持在线研究与模拟实盘。

Registry SourceRecently Updated
630Profile unavailable
Coding

NotebookLM Auth Bypass

Programmatic NotebookLM control with auto-recovery for authentication errors.

Registry SourceRecently Updated
1480Profile unavailable
Coding

NotebookLM Query

Use this skill to query your Google NotebookLM notebooks directly from Claude Code for source-grounded, citation-backed answers from Gemini. Browser automati...

Registry SourceRecently Updated
400Profile unavailable