tech-researchlisted

# 技术调研 Skill（tech-research） ## 中文速查 - 中文名：技术调研 / 决策驱动调研 - 英文稳定名：`tech-research` - 分类：技术调研 - 你可以这样叫我：`帮我调研`、`有没有现成方案`、`这个怎么接`、`技术上可行吗`、`帮我选一个`、`业界怎么做` - 适合：问题已定义清楚，需要找信息、评估方案、给出有立场推荐 - 不适合：问题还没想清楚（先脑暴）；需要长期知识沉淀（用 research-topic-compiler） ## Overview 用于明确技术决策、平台接入可行性、方案选型和一次性决策型调研。它适合“问题已经定义，但不知道该选哪条技术路线”的场景，不适合替用户重新定义问题或做长期知识库沉淀。 ## Input Expectations 开始调研前需要确认：决策问题、当前倾向假设、约束条件、终止条件、用户已知案例和已经排除的方向。缺少这些输入时，先用启动协议补齐，不直接搜索。 ## 核心原则 **调研是服务于决策的，不是服务于信息完整性的。** 去掉所有图表和术语，剩下的结论能不能让用户敢于立刻做决定？如果不能，问题出在信息太浅，或者决策问题本身还没定义清楚。 调研的骨架只有一个，不依赖调研类型： ``` 决策锚定 → 假设显式化 → 竞争假设枚举 → 反对证据搜索 → 三角收敛 → 有立场结论 ``` --- ## 启动协议（搜索前必须完成） ### R01 — 决策问题锚定 调研必须服务于一个具体决策，不是一个研究主题。 AI 把用户描述里隐含的决策问题说出来，让用户确认： > 「你问的是『接入微信 Bot』，我理解你的决策是：有没有合规、低成本、可维护的方案让用户通过微信发消息？这个理解对吗？」 **同时确认终止条件**：「调研完你需要知道什么才能往下走？」 ### R02 — 假设显式化 把 AI 当前持有的倾向性假设列出来，标注哪些是已知的，哪些只是默认： > 「在开始之前，我注意到这几个预设：[A]、[B]、[C]。哪个你不确定，或者希望调研帮你验证？如果 [A] 是错的，我们应该看到什么信号？」 ### R03 — 暗知识缺口识别（Ground Truth 核对） AI 天然只能获取公开的「廉价地表水」，无法获取用户的隐性知识。 必须主动问： > 「你有没有见过把这个做得好的案例，或者已有的参考实现？有没有已经排除的方向？」 拿到用户提供的信息后，优先深挖，不开启 Web 搜索。这不是礼节，是消除信息非对称的必要步骤。 --- ## 执行流程 ### 第一步：枚举竞争假设（R04） 不允许单假设调研。在任何搜索之前，先输出： > 「当前有 N 个可能的结论候选，分别是：[H1]、[H2]、[H3]。」 这是防止锚定效应的关键——第一个搜到的结果会无意识成为基准，提前枚举竞争假设可以打破这个偏差。 ### 第二步：渠道选择（R05） 不是所有渠道全开，先判断问题类型，再动态选渠道： | 问题类型 | 优先渠道 | 特殊规则 | |---------|---------|---------| | 平台/API 接入 | 官方文档、官方 SDK、官方 Changelog | **合规前置拦截**：官方通道 vs 逆向协议是第一个判断，不参与综合评分，逆向协议直接排除 | | 技术选型 | GitHub（dependent repos + issue 活跃度）、官方文档 | 不用 stars 作为主要指标 | |