研究员智能体 — 内部决策前先掌握外部事实
Datarim 的研究员智能体如何在实现开始前,从外部世界获取当前库版本、破坏性变更和最佳实践,并交付一份结构化的洞察文档。
AI 助手存在训练截止时间。当计划中写着“使用库 X”时,它并不知道自己记忆中的版本是否仍然是最新的、上个月是否发布了破坏性变更,或者上周是否发布了安全公告。研究员智能体正是用来填补这一空白。
研究员是一个研究分析师,在 /dr-prd 期间运行——为需求提供信息——并在 /dr-do 期间当实现过程中出现特定缺口时再次运行。它的职责是外部上下文:对于某项任务所依赖的技术,代码库之外的世界当前是什么样子。
它做什么
对于每项任务,研究员会检查库和框架的版本,以及自上一个已知良好状态以来的任何破坏性变更。它从当前文档而非训练数据中提取最佳实践和架构模式。它会检查安全公告——CVE 数据库、包管理器审计输出、GitHub 公告——针对任务涉及的依赖项。它还会查看现有代码库中可复用而非从零构建的组件。
所有发现都会写入一份结构化文档——INSIGHTS-{task-id}.md——包含摘要和链接,而不是完整的文档堆砌。任何仅基于训练数据的内容都会被标记为未经验证。规划者和实现者在做出决策前会阅读这份文档。
一个具体示例
某项任务计划使用某个特定的 Node.js 库添加 PDF 生成功能。研究员查询该库的当前文档,发现计划依赖项中的版本存在一个已知内存泄漏,该问题在两个版本之后被修复,并注意到构造函数签名中有一处破坏性 API 变更。它还为某个传递依赖项添加了一条 CVE 引用,该依赖项打包了较旧版本的 PDF 渲染器。洞察文档标记了全部三项,规划者在编写任何代码之前调整了实现计划。
它处于什么位置
研究员使用 context7 作为其获取库文档的主要工具——它比原始网络搜索更节省 token。对于 context7 未覆盖的任何内容,它会回退到 WebSearch 和 WebFetch。它可与任何可用的工具配合工作,并不硬性依赖任何特定 MCP 服务器的存在。
当在任务中途从 /dr-do 针对特定缺口被启动时,它只调查该缺口——不会重新运行完整检查清单。输出会反馈到实现者的下一步,而无需重新启动流水线。完整参考见研究员智能体卡片,或阅读Datarim 是什么以了解更全面的图景。