返回顶部
s

source-research信源研究系统

Build and maintain a reusable source-research system for discovering source pools, evaluating whether they are worth ongoing investment, defining efficient acquisition/filtering methods, recording rejection decisions, and producing high-quality source lists or notes. Use when the user mentions 信源, 信源池, 高质量信源, 信息源, 来源池, 作者池, account/blog/source curation, or wants a repeatable framework for finding and using high-quality information sources.

作者: admin | 来源: ClawHub
源自
ClawHub
版本
V 1.0.0
安全检测
已通过
189
下载量
免费
免费
0
收藏
概述
安装方式
版本历史

source-research

来源调研技能

当任务涉及以下内容时使用此技能:

  • - 发现或记录新的来源池;
  • 判断某个来源池是否值得持续投入;
  • 定义如何高效地从来源池获取信息;
  • 将来源池筛选为高质量来源;
  • 标准化来源调研产物的存储方式;
  • 留下可复用的产物,使未来的智能体无需重复相同的分析。

核心模型

将来源调研视为:

  1. 1. 三个结果层级:来源池 / 获取方法 / 筛选后的高质量来源。
  2. 四个执行阶段:记录来源池 / 研究方法 / 产出来源结果 / 自动化监控。

重要提示:四个阶段并非严格的顺序流程。某个来源池可能保持手动操作,可能在方法文档化之前就已产出结果,也可能先记录后续再研究。

默认操作规则

  1. 1. 如果在执行其他任务时发现新的来源池,立即记录
  2. 如果某个来源池已被评估并拒绝,保留拒绝结论,避免未来的智能体浪费时间重新评估。
  3. 如果某个来源池有用但尚未自动化,允许手动收集;不要因自动化而阻塞。
  4. 如果某个来源池反复证明有价值,提升优先级以进行方法论、工程化和自动化。
  5. 始终尝试至少留下一个可复用产物:来源池更新、方法文档、结果列表、拒绝说明或工程设计。

阅读参考资料

在执行重要的来源调研工作前,请阅读以下文件:

  • - references/framework.md
  • references/artifacts.md
  • references/storage.md
  • references/organization.md

存储规范

此技能不仅涉及如何使用框架,还标准化了以下内容的存储方式:

  • - 来源池信息;
  • 获取规则或程序;
  • 筛选规则或程序;
  • 高质量来源列表;
  • 从这些来源捕获的高质量信息;
  • 拒绝结论;
  • 信息结果和自动化资产。

遵循优秀技能的既定模式:将方法论保留在技能中,将工作区数据保留在专用目录中

此技能的规范专用工作区目录为:

  • - .source-research/

如果该目录尚不存在,请使用以下命令初始化:

  • - python <技能目录>/scripts/initsourceresearch.py [工作区根目录]

.source-research/ 内的规范分类:

  • - source-pools/
  • acquisition/
  • filtering/
  • high-quality-sources/
  • high-quality-information/
  • rejections/
  • programs/

不要将通用文档作为这些结果的主要存储位置。通用文档可以存放框架笔记,但规范的来源调研数据应存放在 .source-research/ 中。

最小工作流程

A. 发现新来源池

  • - 在 .source-research/source-pools/ 下添加或更新来源池文件。
  • 标记状态,例如:已观察 / 值得深入研究 / 已有高质量结果 / 适合工程化 / 不值得投入。

B. 重新审视现有来源池

  • - 首先检查现有的来源池笔记和拒绝结论。
  • 如果之前已被拒绝,只有在确实有新证据时才重新开启。

C. 当前需要信息

  • - 手动收集是可接受的。
  • 如果出现重复的手动工作,记录该来源池应转向可复用的获取/筛选方法。
  • 当值得保存时,将有价值的捕获信息存储在 .source-research/high-quality-information/ 下。

D. 确认有价值的来源池

  • - 添加或更新:
- 获取方法或程序,存放于 .source-research/acquisition/ 或 .source-research/programs/; - 筛选方法或程序,存放于 .source-research/filtering/ 或 .source-research/programs/; - 高质量来源结果,存放于 .source-research/high-quality-sources/; - 在合理的情况下,添加工程化/自动化设计。

存储标准

使用此技能时,不要仅将结果留在对话中。根据产物类型规范化存储:

  • - 来源池元数据和状态 -> .source-research/source-pools/;
  • 获取方法/程序 -> .source-research/acquisition/ 或 .source-research/programs/;
  • 筛选方法/程序 -> .source-research/filtering/ 或 .source-research/programs/;
  • 筛选后的高质量来源结果 -> .source-research/high-quality-sources/;
  • 来自这些来源的高质量信息 -> .source-research/high-quality-information/;
  • 拒绝决策 -> .source-research/rejections/;
  • 工程化/自动化工作 -> .source-research/programs/。

输出标准

不要仅以模糊的建议结束。在工作区中留下具体的产物,使其他智能体能够从文件而非对话记忆中继续工作。

标签

skill ai

通过对话安装

该技能支持在以下平台通过对话安装:

OpenClaw WorkBuddy QClaw Kimi Claude

方式一:安装 SkillHub 和技能

帮我安装 SkillHub 和 source-research-1776097204 技能

方式二:设置 SkillHub 为优先技能安装源

设置 SkillHub 为我的优先技能安装源,然后帮我安装 source-research-1776097204 技能

通过命令行安装

skillhub install source-research-1776097204

下载

⬇ 下载 source-research v1.0.0(免费)

文件大小: 9.6 KB | 发布时间: 2026-4-15 14:28

v1.0.0 最新 2026-4-15 14:28
- Initial release of the source-research skill with a reusable framework for discovering, evaluating, filtering, and managing information/source pools.
- Defines a structured storage standard in a canonical `.source-research/` directory, with clear categories for pools, acquisition, filtering, source lists, information, rejections, and programs.
- Outlines step-by-step workflows for discovering new pools, revisiting existing ones, manual vs. automated collection, and confirming pool value.
- Provides default operating rules to ensure efficient and non-redundant source research.
- Emphasizes creating and standardizing reusable artifacts for future agents, not just chat-based suggestions.
- Includes references to support methodology, artifacts, storage, and organization.

Archiver·手机版·闲社网·闲社论坛·羊毛社区· 多链控股集团有限公司 · 苏ICP备2025199260号-1

Powered by Discuz! X5.0   © 2024-2025 闲社网·线报更新论坛·羊毛分享社区·http://xianshe.com

p2p_official_large
返回顶部