research-ops

research-ops 技能概览

research-ops 的作用

research-ops 技能是一套面向 ECC 当前状态研究的 evidence-first 工作流。它能把一个含糊的“帮我查一下”请求，整理成结构化流程，用来寻找最新事实、比较方案、补充人物或公司信息，并基于最新公开证据以及你提供的本地上下文，输出有依据的推荐。

谁应该安装它

如果你经常需要用于 Web Research 的 research-ops——快速检索、多来源综合，或依赖最新信息的决策支持——就应该安装 research-ops 技能。它适合分析师、运营人员、销售/研究团队，以及需要把“已知事实”和“推断”分开的助手，而不是依赖过时记忆。

它的不同之处

它不是一个独立的研究引擎，而是 ECC research skills 的操作包装层，例如 exa-search、deep-research 和 market-research，并可选地交接给 lead-intelligence 和 knowledge-ops。因此，当你在意工作流选择、引用纪律，以及把重复研究沉淀成可监控流程时，它会特别有用。

如何使用 research-ops 技能

安装并接入你的工作流

从 repo 上下文中运行 research-ops 的安装命令，然后确认该技能已与其他 ECC skills 一起可用。由于这个 repository 只包含 skill，本质价值在于把它当作路由层来使用：它会告诉 agent 先用哪个 research tool，以及何时从 discovery 升级到 synthesis，再到 recommendation。

提供研究简报，而不是一个泛泛的话题

一个弱 prompt 是：“Research Acme.” 更好的 research-ops 使用 prompt 是：“Research Acme’s current product positioning, pricing changes, and recent customer signals. Use fresh public sources only, cite what is fact vs inference, and return a concise recommendation on whether they are a fit for enterprise outreach.” 这个技能在你明确说明以下内容时表现最好：

• 你要做的决策
• 时间敏感度
• 来源约束
• 你希望的输出格式

先读对的文件

实际配置时，先从 SKILL.md 入手，再查看工作流引用到的任何辅助 ECC skill 文档，尤其是 README.md 或 wider repo 中相关的 skill instructions。就这个 repository 而言，关键信息集中在主 skill 文件里，所以最快的路径是在提问前先读 stack、“When to Use” 指南和 guardrails。

使用双阶段工作流

想让 research-ops 用得更好，可以这样要求：

1. 先做 discovery pass，找出当前最好的来源，以及哪些内容仍然不确定
2. 再做 synthesis pass，把这些来源整理成比较、补充信息或推荐

这样可以减少猜测，也更容易在最终答案定稿前发现缺口。

research-ops 技能常见问题

research-ops 能替代普通 prompt 吗？

不能。普通 prompt 也可以要求研究，但 research-ops 技能会额外加入流程：帮助选择合适的 ECC research tool，强制使用新鲜来源，并把事实、证据和推荐分开。

什么时候不该用它？

如果答案是稳定的、纯内部的，或者不需要当前公开证据，就不要用 research-ops。若你只想要一个不带引用的快速意见，或者任务已经由专门的 retrieval workflow 覆盖，它也不是好选择。

它适合新手吗？

适合，只要你能把目标说清楚。主要门槛不在技能本身，而在于你是否给出了完整 brief。只要说明决策、受众、日期敏感度和期望输出，这个技能就很容易上手。

它如何融入 ECC 生态？

它的设计目标是与 ECC-native research skills 协同编排，而不是替代它们。你可以先用 research-ops 决定路径，再让专门技能去完成实际的搜索、综合或推荐步骤。

如何改进 research-ops 技能

先说明你需要的结果

提升 research-ops 结果最快的方法，就是一开始就点明最终产出：“shortlist”、“comparison table”、“risk memo”、“lead profile” 或 “current-state summary”。这样工作流才能选择合适的深度，避免泛泛的 web research 跑偏。

加上会改变答案的约束

更好的输入包括地理范围、时间区间、受众、预算、来源质量，以及必须排除的内容。比如：“只使用最近 90 天的来源”、“优先 primary sources”，或者“忽略论坛帖子”。这些约束会明显改善 research-ops 的引导行为，减少噪声输出。

明确要求来源处理方式

一个常见失败模式，是把事实、假设和推荐混在一起。可以通过要求如下结构来提升结果：

• sourced facts
• user-supplied evidence
• inference
• recommendation

这种格式让 research 更容易被信任，也更方便复用。

第一轮之后继续迭代

如果第一次结果太宽泛，就把问题收窄到一个决策变量并重新运行；如果结果太浅，就要求更多来源多样性、更强的比较标准，或者一个带监控的后续工作流。research-ops 技能最有效的提升方式，是收紧范围，而不是抽象地要求它“做更多”。