research-ops

Research Ops

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

这是仓库研究栈的操作封装。它不替代 deep-research、exa-search 或 market-research；它告诉你何时以及如何将它们组合使用。

技能栈

在相关时将这些ECC原生技能纳入工作流：

• exa-search 用于快速当前网络发现
• deep-research 用于多源综合并附引用
• market-research 当最终结果应为推荐或排序决策时
• lead-intelligence 当任务是针对人员/公司而非通用研究时
• knowledge-ops 当结果需要存储到持久上下文中时

使用时机

• 用户说“研究”、“查找”、“比较”、“我应该找谁”或“最新情况是什么”
• 答案依赖于当前公开信息
• 用户已提供证据并希望将其纳入新的推荐
• 任务可能重复出现，应转为监控而非一次性查询

防护措施

• 当新鲜搜索成本低廉时，不要用陈旧记忆回答当前问题
• 区分：
  • 有来源的事实
  • 用户提供的证据
  • 推断
  • 推荐
• 如果答案已在本地代码或文档中，不要启动重型研究流程

工作流

1. 从用户已提供的信息开始

将提供的材料规范化为：

• 已有证据的事实
• 需要验证的内容
• 未解决的问题

如果用户已构建部分模型，不要从头开始分析。

2. 分类请求

在搜索前选择正确的路径：

• 快速事实性答案
• 比较或决策备忘录
• 线索/丰富化流程
• 重复监控候选

3. 首先采用最轻量的有用证据路径

• 使用 exa-search 进行快速发现
• 当需要综合或多个来源时升级到 deep-research
• 当结果应以推荐结束时使用 market-research
• 当实际需求是目标排序或暖路径发现时交给 lead-intelligence

4. 报告时明确证据边界

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

对时效性敏感的答案应包含具体日期。

5. 决定任务是否应保持手动

如果用户可能重复询问相同的研究问题，明确说明并推荐监控或工作流层，而不是永远重复手动搜索。

输出格式

问题类型
- 事实性 / 比较 / 丰富化 / 监控

证据
- 有来源的事实
- 用户提供的上下文

推断
- 从证据得出的结论

推荐
- 答案或下一步行动
- 是否应转为监控

陷阱

• 不要将推断混入有来源的事实而不加标注
• 不要忽略用户提供的证据
• 不要对本地仓库上下文能回答的问题使用重型研究路径
• 不要给出无日期的时效性敏感答案

验证

• 重要声明按证据类型标注
• 时效性敏感输出包含日期
• 最终推荐与实际使用的研究模式匹配