名称: 研究综合工作流 描述: 用于从多个来源搜集、分析和综合研究，形成连贯见解和可操作知识的系统方法论。 许可证: MIT
研究综合工作流
这个技能提供了一种系统的方法论，用于进行研究、从多个来源综合发现，并生成可操作的知识产物。
核心能力
- 源评估: 评估可信度、相关性和偏见
- 信息提取: 系统化的笔记和注释
- 综合方法: 主题分析、元分析、框架构建
- 知识产物: 报告、文献综述、决策框架
研究工作流概述
┌──────────────────────────────────────────────────────────────┐
│ 研究综合工作流 │
├──────────────────────────────────────────────────────────────┤
│ │
│ 1. 范围定义 2. 搜集源 3. 提取信息 │
│ ┌─────────┐ ┌─────────┐ ┌─────────┐ │
│ │ 定义 │─────▶│ 寻找 │─────▶│ 捕获 │ │
│ │ 问题 │ │ 源 │ │ 见解 │ │
│ └─────────┘ └─────────┘ └─────────┘ │
│ │ │ │
│ │ 5. 生产物 4. 综合 │
│ │ ┌─────────┐ ┌─────────┐ │
│ └─────────▶│ 创建 │◀─────│ 连接 │ │
│ │ 产物 │ │ 主题 │ │
│ └─────────┘ └─────────┘ │
│ │
└──────────────────────────────────────────────────────────────┘
阶段 1: 范围定义
研究问题框架
将模糊主题转化为可回答的问题:
| 类型 | 模式 | 示例 |
|---|---|---|
| 探索性 | 什么是 X？ X 如何工作？ | 什么是向量搜索？ |
| 比较性 | X 与 Y 相比如何？ | PostgreSQL 与 Neo4j 用于图数据库？ |
| 评估性 | X 对 Y 有效吗？ | RAG 对技术文档有效吗？ |
| 因果性 | 什么导致 X？ X 的影响是什么？ | 什么导致 LLM 幻觉？ |
| 规定性 | 我们应如何实现 X？ | 如何设计 RAG 管道？ |
范围边界
明确定义:
- 在范围内: 要涵盖的主题
- 在范围外: 要排除的相邻主题
- 深度: 调查（广泛） vs 深入（狭窄）
- 时间界限: 源的截止日期
- 源类型: 学术、行业、原始数据
示例范围文档
## 研究范围: 向量数据库选择
### 研究问题
哪个向量数据库最适合我们的生产 RAG 系统，要求 <50ms 延迟和 1000 万+向量？
### 在范围内
- Pinecone, Weaviate, Milvus, Qdrant, pgvector
- 规模延迟基准
- 成本分析（云 vs 自托管）
- 操作复杂性
### 在范围外
- 带有向量扩展的通用数据库
- 少于百万向量的用例
- 仅学术/研究系统
### 成功标准
推荐 2-3 个顶级候选者并提供支持证据
阶段 2: 源搜集
源质量评估
评估每个源:
| 标准 | 高质量 | 低质量 |
|---|---|---|
| 权威性 | 专家作者，同行评审 | 匿名，无证书 |
| 时效性 | 近期，更新 | 过时，无日期 |
| 准确性 | 引用，可验证 | 无支持的主张 |
| 目的 | 告知，教育 | 销售，说服 |
| 覆盖范围 | 全面 | 肤浅 |
源类型和用途
主要源（原始）
├── 研究论文
├── 官方文档
├── 基准数据
└── 专家访谈
次要源（分析）
├── 评论文章
├── 技术博客
├── 行业报告
└── 书章节
三级源（摘要）
├── 维基百科
├── 教科书
└── 百科全书
搜索策略
关键词扩展:
- 起始: “向量数据库性能”
- 扩展: “近似最近邻”, “HNSW 基准”, “嵌入搜索延迟”
引用链:
- 向前: 谁引用这篇论文？
- 向后: 这篇论文引用什么？
作者跟踪:
- 找到关键研究人员，跟踪他们的工作
源文档化
对于每个源，捕获:
## 源: [标题]
- **URL/DOI**:
- **作者**:
- **日期**:
- **类型**: [论文/博客/文档/报告]
- **质量分数**: [1-5]
- **相关性**: [高/中/低]
- **关键主题**:
- **笔记**:
阶段 3: 信息提取
结构化笔记
使用一致的模板进行提取:
## 主张: [具体断言]
- **源**: [引用]
- **证据**: [支持数据/推理]
- **强度**: [强/中/弱]
- **我的评估**: [同意/不同意/不确定]
- **相关主张**: [链接到其他笔记]
证据分类
| 类型 | 描述 | 权重 |
|---|---|---|
| 经验性 | 测量数据，实验 | 高 |
| 分析性 | 逻辑推导 | 中-高 |
| 轶事性 | 案例研究，示例 | 中 |
| 专家意见 | 权威声明 | 中 |
| 理论性 | 模型预测 | 中-低 |
矛盾跟踪
当源不一致时:
## 冲突: [主题]
### 位置 A: [主张]
- 源: [列表]
- 证据: [摘要]
### 位置 B: [主张]
- 源: [列表]
- 证据: [摘要]
### 分析
- 方法学差异:
- 上下文差异:
- 可能解决方案:
- 我的结论:
阶段 4: 综合
主题分析
- 编码 个体见解带标签
- 聚类 相关编码成主题
- 审查 主题的一致性
- 定义 每个主题清晰
- 关联 主题到研究问题
编码 主题 发现
├─ 快速查询 ─┐
├─ 低延迟 ─┼── 性能 ─┬── 主题 1: 性能
├─ 高吞吐量 ─┘ │ 因工作负载类型显著变化
├─ 管理服务 ─┐ │
├─ 自托管 ─┼── 部署 ─┼── 主题 2: 云 vs
├─ Kubernetes ─┘ │ 自托管权衡
├─ 定价层 ─┐ │
├─ 计算成本 ─┼── 经济学 ─┴── 主题 3: 总成本
├─ 隐藏成本 ─┘ 驱动最终选择
框架构建
从综合创建决策框架:
## 向量数据库选择框架
### 决策树
1. 规模要求？
- <100 万向量 → pgvector（简单性）
- 100 万-1 亿向量 → 继续到 2
- >1 亿向量 → Milvus/Weaviate（分布式）
2. 操作能力？
- 有限 DevOps → Pinecone（托管）
- 强大 DevOps → 继续到 3
3. 成本敏感度？
- 预算有限 → Qdrant（开源）
- 预算灵活 → 评估所有选项
### 比较矩阵
| 标准 | 权重 | Pinecone | Milvus | Qdrant |
|----------------|--------|----------|--------|--------|
| 延迟 | 30% | 4 | 5 | 4 |
| 可扩展性 | 25% | 5 | 5 | 4 |
| 操作 | 20% | 5 | 3 | 4 |
| 成本 | 15% | 2 | 4 | 5 |
| 功能 | 10% | 4 | 5 | 4 |
| **加权** | | **4.0** | **4.4**| **4.2**|
阶段 5: 知识产物生产
产物类型
| 格式 | 目的 | 受众 |
|---|---|---|
| 执行摘要 | 快速决策支持 | 领导层 |
| 技术报告 | 详细分析 | 工程师 |
| 文献综述 | 学术综合 | 研究人员 |
| 决策框架 | 结构化评估 | 决策者 |
| 参考指南 | 快速查找 | 实践者 |
结构模板
执行摘要 (1-2 页):
- 上下文和问题
- 关键发现 (3-5 点)
- 推荐
- 风险和考虑
技术报告 (5-20 页):
- 执行摘要
- 背景和范围
- 方法论
- 按主题的发现
- 分析和讨论
- 推荐
- 附录（数据，源）
质量检查清单
最终前:
- [ ] 研究问题回答了吗？
- [ ] 所有主张有证据支持吗？
- [ ] 矛盾处理了吗？
- [ ] 局限性承认了吗？
- [ ] 有可操作推荐吗？
- [ ] 源正确引用了吗？
- [ ] 适合受众吗？
最佳实践
避免偏见
- 积极寻找反驳证据
- 包括多个视角
- 注意你的先验并更新它们
- 分离观察和解释
- 文档方法论以确保透明性
管理范围蔓延
- 频繁回到研究问题
- 将有趣的切线放入“未来研究”
- 为每个阶段时间限制
- 提前定义“足够好”标准
迭代
研究很少是线性的:
- 新源可能需要范围调整
- 综合可能揭示需要更多搜集的缺口
- 产物可能需要多稿
参考
references/evaluation-rubrics.md- 源质量评分指南references/synthesis-methods.md- 详细综合技术references/artifact-templates.md- 文档模板和示例