multi-ai-researchlisted
Install: claude install-skill majiayu000/claude-arsenal
<!-- v1 | 2026-04-09 | 从 2026-04-08 X reply deboost 调研实战沉淀；集成自动置信度分级 + 仲裁 + 改动清单 -->
# Multi-AI Research（并行多 AI 交叉验证）
**核心价值**：能力乘法，不是加法。Claude（主脑）+ grok（X 社区/实时）+ gemini（Google 生态/结构化）+ N 个内部 sub-agent = **N+3 个 agent 并行**处理同一个研究问题。
**关键洞察**（2026-04-08 实战验证）：两个独立外部 AI 的共识信号 **强于** 任何单个 AI 的深度。"更深度" < "更少错"。
**和 ask-opencli 的关系**：
- `ask-opencli` = 单次 grok 或 gemini 调用（日常 second opinion）
- `multi-ai-research` = **完整调研工作流**，并行多 AI + 内部数据 + 交叉验证 + 自动仲裁
如果用户只是想"问 grok 一个问题"，用 `ask-opencli`。如果用户要做"深度调研"或"交叉验证多个维度"，用这个 skill。
---
## 何时触发
### ✅ 适合
- 深度研究任务（手动做 >30 分钟）
- 行业机制问题（算法规则、产品决策、社区共识）
- 需要外部共识加权的内部数据推断
- 时效性问题（grok 有实时 X 数据，gemini 有最新 web 索引）
- 反转既有假设（数据 vs 理论冲突时仲裁）
- 新工具/新做法的可行性调研
### ❌ 不适合
- 纯代码推理（单个 Claude 足够）
- 需要深度项目 context 的任务��外部 AI 不了解你的代码库）
- 快速事实问答（<30 秒能解决，并行开销不值）
- 创意生成（单家强模型即可）
---
## 工作流（7 Phase）
### Phase 1：问题分解（Claude 自动 + 用户可覆盖）
从用户的一个研究问题，自动拆分成：
1. **内部数据查询**（1-5 个 sub-agent 并行）
- 数据分布/量化分析
- 内容对比/质性分析
- 多维度切分
- 时序/趋势分析
- （按需增加）
2. **外部理论查询**（2 个 Bash 并行）
- grok：侧重实时/社区/X 信号
- gemini：侧重结构化/框架/长推理
**默认分解策略**：
- 3 个内部 agent + 2 个外部 AI = 5 个并行任务
- 如果用户问题偏理论 → 减少内部 agent 到 1-2 个，加大外部 AI 权重
- 如果用户问题偏数据 → 加到 4-5 个内部 agent，只跑 2 个外部 AI 做交叉
**用户可覆盖**：用户明确说"只问 grok 和 gemini"或"只派内部 agent"时按用户指令。
### Phase 2：Prompt 自动生成
对每个并行任务，自动生成具体 prompt：
#### 内部 agent prompt 模板
```
你的任务是**只读数据分析**，不要修改任何文件。
## 背景
{{研究问题的 2-3 句背景描述}}
## 数据源
{{数据库路径或文件列表}}
## 任务
{{具体要查的维度，1-5 个 task}}
## 输出格式
- 结构化 markdown 报告
- 每个结论标注 n（样本数）和 置信度
- 3