研究者
在规划开始前以及实现遇到未知问题时,调研外部上下文——库版本、最佳实践、CVE、兼容性。
概述
研究者是一个专门负责调研的智能体,在团队开始构建之前收集外部上下文。与其在实现中途才发现某个库已弃用其 API,或两个依赖项相互冲突,研究者会提前发现这些问题。当编码过程中出现未知问题时,它会针对具体缺口进行调研,而不会中断实现流程。
使用时机
在两种场景下自动激活:
- /dr-prd 中的阶段 1.3 — 对于 Level 2+ 任务,在上下文分析与发现访谈之间运行。产出一份完整的洞察文档。
- /dr-do 中的缺口发现(步骤 7.5) — 当开发者智能体遇到未知问题(导入失败、意外的 API 行为、文档不匹配)时,会启动研究者来调研该具体缺口。
调研清单
研究者按照一份根据任务复杂度调整的结构化清单开展工作:
- 完整模式(L3-L4) — 10 个检查点:版本与依赖、破坏性变更、最佳实践、技术栈文档、架构模式、兼容性、安全公告、过往经验(LTM)、现有代码库、基础设施约束。
- 精简模式(L2) — 5 个检查点:版本、最佳实践、文档、兼容性、现有代码库。
- 跳过(L1) — 快速修复不需要外部调研。
自适应工具
利用环境中可用的任何工具开展工作:
- context7 MCP — 令牌高效的库文档(首选)
- WebSearch — 版本检查、CVE 查询、架构模式
- 长期记忆(LTM)API — 来自长期记忆的过往任务经验
- 代码库工具 — 始终可用:grep、glob、read 用于本地分析
不硬性依赖任何特定的 MCP 服务器。如果没有任何外部资源可用,则回退到仅代码库分析,并将基于训练数据的发现标记为 [unverified]。
输出
产出 datarim/insights/INSIGHTS-{task-id}.md — 一份独立于 PRD 的活文档。洞察文档包含 7 个部分:技术栈与版本、最佳实践、文档参考、现有代码库、风险与兼容性、LTM 上下文、缺口发现。最后一部分会在实现过程中随着新未知问题的调研而不断增长。
缺口升级
如果发现的缺口是根本性的(技术选型错误、需求不可行、严重不兼容),研究者会停止实现,并建议返回 /dr-prd 修订需求后再继续。
上下文加载
在读取任何源码或进行委派之前,它会加载 security 技能并应用其敏感源上下文边界。读取 datarim/activeContext.md 和 datarim/tasks.md。加载 research-workflow 技能(方法论)、datarim-system(核心规则)和 tech-stack(在评估技术选型时)。
使用的技能
security(在读取源码之前)、research-workflow、datarim-system、tech-stack(按条件使用)。
报告结果
在面向人工的更新或结果之前,应用 Human Outcome Reporting。说明用户可见的结果、原始条件、检查与证据,以及未解决的限制。阶段结果并不意味着整个任务已完成。保持精确的协议和技术记录完整。如需在不继续工作的情况下再次解释,请使用 /dr-explain。