name: research-messages-search description: 搜索对话历史以获取研究背景 - 讨论过的论文、分析的引用、做出的发现或探索的问题。

研究消息搜索

从您的对话历史中查找过去的研究对话、论文讨论和分析。

快速开始：寻找研究线索

最常见用途：查找您讨论特定论文、主题或研究问题的时间。

标准开场

用户：“我们什么时候讨论了Transformer架构？”

助手：“让我搜索我们的对话历史，查找关于Transformer的讨论。

我将使用混合搜索（语义+关键词）来查找最相关的消息。”

然后执行搜索：

npx tsx [SKILL_DIR]/scripts/search-messages.ts --query "transformer architectures" --limit 10

呈现结果：

助手：“找到了8个关于Transformer的对话：

最相关的：
- 2025年12月15日：分析了《Attention Is All You Need》论文
- 2025年12月18日：讨论了Transformer记忆机制
- 2026年1月3日：比较了Transformer与Mamba架构

需要我展开其中任何一个以查看完整上下文吗？”

诊断：他们在寻找什么？

通过2个问题来理解搜索需求：

问题1：什么类型？

助手：“您是在寻找：
A) 我们讨论过的特定论文？
B) 某个研究主题的分析？
C) 查询的发现结果？
D) 我们构建的引用网络？
E) 其他内容？”

问题2：时间范围？

助手：“时间范围：
A) 最近（上周）
B) 本月
C) 特定日期/期间
D) 任何时间（完整历史）”

根据答案进行路由：

类型A（论文）+ 最近 → 论文标题搜索，过去7天
类型B（主题）+ 任何时间 → 语义搜索，全部历史
类型C（发现）+ 本月 → 关键词“discovery”，当前月
类型D（引用）+ 特定 → 日期限定搜索

对话模式

模式1：查找论文讨论

触发条件：用户询问特定论文

用户：“我们关于BERT论文说了什么？”

助手：“让我搜索BERT讨论。”

[运行搜索，关键词“BERT paper”，关注标题/作者]

助手：“找到了3个对话：
- 11月20日：BERT论文初步分析
- 11月22日：比较BERT与RoBERTa
- 12月1日：使用BERT进行情感分析

11月20日的对话包含主要分析。想查看吗？”

[如果是，使用“线索+展开”策略]

模式2：查找主题讨论

触发条件：用户询问研究主题/概念

用户：“我们什么时候讨论了引用网络？”

助手：“正在搜索关于引用网络的讨论...”

[运行语义搜索，--mode vector 用于概念匹配]

助手：“找到了5个关于引用网络的对话：

最相关的：
- 1月5日：为ML论文构建了引用图
- 1月8日：使用PageRank分析了有影响力的论文
- 1月10日：讨论了引用中的闭环

这些跨越了多个对话。需要完整的讨论串吗？”

[如果是，围绕首次出现展开并按时间顺序跟进]

模式3：查找发现结果

触发条件：用户询问从发现中找到的论文

用户：“我们找到了哪些关于状态空间模型的论文？”

助手：“正在搜索关于状态空间模型的发现...”

[使用“discovery state space models” + 关键词模式搜索]

助手：“找到了2个发现会话：
- 12月28日：从ArXiv发现了15篇SSM论文
- 1月4日：找到了Mamba论文及其变体

12月28日的会话包含完整的论文列表。显示那个吗？”

模式4：线索 + 展开策略

触发条件：用户希望围绕特定发现获得完整上下文

助手：“找到了线索！来自12月15日下午2:30的消息。

正在获取该消息周围的上下文...”

[使用 --before 和 --after 运行 get-messages]

助手：“这是完整的对话（前10条 + 后10条消息）：

[显示对话串]

这是完整的上下文。需要更多吗？”

快速参考卡片

卡片1：搜索模式

何时使用每种模式：

模式	使用时机	示例
`hybrid` （默认）	通用搜索	“transformer discussions”
`vector`	概念/语义搜索	“papers about memory”
`fts`	精确短语搜索	“Attention Is All You Need”

默认使用混合搜索，除非用户需要精确匹配或纯语义搜索。

卡片2：时间过滤器

常见时间模式：

# 上周
--start-date "2026-01-06" --end-date "2026-01-13"

# 特定月份
--start-date "2025-12-01" --end-date "2025-12-31"

# 特定日期之后
--start-date "2025-11-01"

# 特定日期之前
--end-date "2025-10-31"

专业提示：日期使用ISO格式 YYYY-MM-DD。

卡片3：研究特定查询

有效的研究搜索词：

论文标题：使用引号进行精确匹配
作者：包含“et al”或全名
主题：使用技术术语，而非口语
引用：包含“citation”或“references”
发现：包含“discovered”或“found papers”
分析：包含“analyzed”或“compared”

示例：

“Attention Is All You Need”  → 精确论文
transformer memory mechanisms → 主题讨论
Vaswani et al                → 作者搜索
citation network analysis    → 分析类型
discovered mamba papers      → 发现结果

卡片4：线索 + 展开模式

获取完整上下文的两步策略：

步骤1：找到线索

npx tsx [SKILL_DIR]/scripts/search-messages.ts \
  --query "您的搜索词" \
  --limit 5

步骤2：围绕它展开

# 获取之前的上下文
npx tsx [SKILL_DIR]/scripts/get-messages.ts \
  --before "来自搜索的消息ID" \
  --limit 10

# 获取之后的上下文
npx tsx [SKILL_DIR]/scripts/get-messages.ts \
  --after "来自搜索的消息ID" \
  --order asc \
  --limit 10

优化模式

优化1：结果太多

症状：搜索返回50+条消息，信息过载

解决方法：缩小搜索范围

助手：“该搜索返回了太多结果。让我们缩小范围：

选项A：添加时间过滤器（大概是什么时候？）
选项B：添加特定术语（有什么独特的词吗？）
选项C：使用精确短语（用引号括起来）

哪种方式有帮助？”

优化2：未找到结果

症状：搜索返回0个结果

解决方法：扩大范围并诊断

助手：“该搜索没有结果。让我们排查一下：

1. 尝试语义搜索（概念 vs 精确词）：
   --mode vector

2. 尝试更宽泛的术语：
   'transformer' 而不是 'transformer architecture'

3. 搜索所有助手（如果是多助手设置）：
   --all-agents

我们应该尝试哪种？”

优化3：错误的上下文

症状：找到了消息但不是正确的对话

解决方法：正确展开

助手：“这不是您想要的对话。让我：

1. 检查其他搜索结果（我们还有4个）
2. 展开更多上下文（20条消息而不是10条）
3. 优化搜索词（那个对话有什么独特之处？）

哪种方法？”

优化4：需要跨会话上下文

症状：主题在多个会话中讨论过

解决方法：按排序搜索，按时间顺序呈现

助手：“这个主题跨越了多个对话。这是时间线：

会话1（12月5日）：初步讨论
会话2（12月8日）：后续分析
会话3（12月12日）：最终结论

想按顺序查看所有三个，还是只看最相关的？”

故障排除

问题	快速解决方法
搜索太慢	将 --limit 减少到5
未找到结果	使用 --mode vector 进行语义搜索
结果太多	使用 --start-date 添加日期范围
错误的消息	使用引号中的精确短语
需要更多上下文	使用 get-messages.ts 配合 --before/–after
想要完整对话串	围绕线索展开前后消息
多助手搜索	添加 --all-agents 标志
需要特定日期	使用 --start-date 和 --end-date（同一天）
结果不相关	切换到 --mode fts 进行精确关键词搜索

高级：跨助手研究搜索

使用场景：查找哪个助手讨论了某个主题

助手：“正在跨所有助手搜索关于Transformer的讨论...”

[使用 --all-agents 标志运行]

助手：“在3个助手中找到了讨论：
- 助手A（首席工程师）：技术分析
- 助手B（文献综述）：论文摘要
- 助手C（研究助理）：发现结果

您想探索哪个助手的上下文？”

结果包含 agent_id - 与 finding-agents 技能一起使用以获取助手详细信息。

总结：助手的思维模型

核心工作流程：

理解用户在寻找什么（论文、主题、发现等）
选择搜索模式（默认混合，概念用向量，精确用全文）
使用适当的过滤器运行搜索
呈现带有上下文的主要结果
如果需要，围绕线索展开
如果结果不准确，进行优化

关键原则：

默认使用混合搜索（最佳平衡）
概念搜索使用语义（向量）
特定短语/标题使用精确（全文）
始终提供展开以获取完整上下文
呈现带有时间戳和消息类型的结果
如果结果太多，帮助用户缩小范围
如果没有结果，帮助用户扩大范围

成功标准：用户找到他们正在寻找的研究对话，并获得他们需要的完整上下文。