技能人工智能研究

数据 社区

技能解读

当前原文的自动摘译,尚未人工审校。

路由表

触发词 · 工具 · 目的搜索、查找、查找 · search.py · Web、文档、新闻查找读取、获取、获取页面 · web.py · 提取页面文本下载、提取、字幕、转录 · youtube.py / yt-dlp · 视频字幕和元数据转换、压缩、编码、ffmpeg · ffmpeg.py · 媒体格式转换

研究深度

并非每个请求都需要进行全面调查。根据复杂程度选择合适的深度,或者不清楚时询问用户。 “Round” = 并行工具调用的一个周期。单轮可以并行触发 3-5 次搜索/读取。回合是连续的——每一轮都建立在您在上一轮中学到的知识的基础上。级别 · 何时使用 · 最省力 L1 — 快速查找 · 单一事实、定义、简单问题 · 1 轮,1-2 次搜索

流狐档案 运行与权限由流狐静态检查推断,不代表作者声明或实际测试结果。
领域
数据
作者声明的智能体
未找到明确声明;不据此推断已兼容或已测试
静态检查
88 / 100 · 启发式扫描,不代表运行安全
运行环境证据
未执行;当前没有隔离运行测试证据
作者 / 版本 / 许可证
@BrikerMan · 未声明许可证
上下文用量评级
中等消耗
接入复杂程度
需简单配置
是否需要外部接口密钥
不需要
兼容的系统
未声明(默认跨平台)
运行环境要求
未检出明确要求
检测到的文件与系统行为
  • 只读
  • 允许写入 / 修改
  • 命令执行
网络行为
允许外网请求
安装命令数
无(仅作为资料)

需要注意: 未声明工具权限范围;实际权限由运行环境决定。

01
第 1 步 — 定义范围

在搜索之前,先弄清楚:核心问题是什么?用户实际上需要知道什么?需要哪些来源类型——官方文档、新闻、学术论文、用户评论?哪些维度很重要(价格、性能、兼容性、新近度……)?结论需要有多大的信心?

02
第 2 步 — 制定研究计划(L3 强制,L2 推荐)

将任务分解为研究维度——每个维度都是一个独立的研究角度。使用`todo`、`tasks`、`todowrite`或等效工具创建可见的任务列表。示例 — “深度搜索 AI 编码领域的创业公司,区分海内外,并简单判断投资潜力”: 规则:L3 必须至少有 3 个维度,通常为 4-6 个维度 每个维度都会有自己的专用搜索轮次

03
步骤 3 — 执行每维度(多轮搜索)

将每个维度作为重点调查周期来执行: 对于任务列表中的每个维度: 标记为进行中 — 在开始维度之前,将其待办事项状态更新为`in-progress` 搜索 — 针对该特定维度触发 1-3 个并行搜索 读取 — 打开并从搜索结果中读取最相关的来源

04
第 4 步 — 事实核查

不要跳过此步骤。交叉验证来自多个独立来源的关键数据(目标是 2-3;L3 更多) 如果仅存在单一来源,请明确注明:“基于单一来源 — 未经独立验证” 当来源相互矛盾时:找出原因(时间差异?不同版本?利益冲突?)

05
第 5 步 — 合成输出

首先是结论 — 提出最重要的发现或建议,然后展开 用`[1]`、`[2]` 等引用每个数据点,以便读者可以验证 对不确定性诚实 — 如果证据有限,请说出来;不要强行下结论以完整的来源列表结束

讨论

基于 GitHub Discussions。登录 GitHub 即可参与讨论、点赞、订阅更新。