multi-ai-research

<!-- v1 | 2026-04-09 | 从 2026-04-08 X reply deboost 调研实战沉淀；集成自动置信度分级 + 仲裁 + 改动清单 --> # Multi-AI Research（并行多 AI 交叉验证） **核心价值**：能力乘法，不是加法。Claude（主脑）+ grok（X 社区/实时）+ gemini（Google 生态/结构化）+ N 个内部 sub-agent = **N+3 个 agent 并行**处理同一个研究问题。 **关键洞察**（2026-04-08 实战验证）：两个独立外部 AI 的共识信号 **强于** 任何单个 AI 的深度。"更深度" < "更少错"。 **和 ask-opencli 的关系**： - `ask-opencli` = 单次 grok 或 gemini 调用（日常 second opinion） - `multi-ai-research` = **完整调研工作流**，并行多 AI + 内部数据 + 交叉验证 + 自动仲裁 如果用户只是想"问 grok 一个问题"，用 `ask-opencli`。如果用户要做"深度调研"或"交叉验证多个维度"，用这个 skill。 --- ## 何时触发 ### ✅ 适合 - 深度研究任务（手动做 >30 分钟） - 行业机制问题（算法规则、产品决策、社区共识） - 需要外部共识加权的内部数据推断 - 时效性问题（grok 有实时 X 数据，gemini 有最新 web 索引） - 反转既有假设（数据 vs 理论冲突时仲裁） - 新工具/新做法的可行性调研 ### ❌ 不适合 - 纯代码推理（单个 Claude 足够） - 需要深度项目 context 的任务（外部 AI 不了解你的代码库） - 快速事实问答（<30 秒能解决，并行开销不值） - 创意生成（单家强模型即可） --- ## 工作流（7 Phase） ### Phase 1：问题分解（Claude 自动 + 用户可覆盖） 从用户的一个研究问题，自动拆分成： 1. **内部数据查询**（1-5 个 sub-agent 并行） - 数据分布/量化分析 - 内容对比/质性分析 - 多维度切分 - 时序/趋势分析 - （按需增加） 2. **外部理论查询**（2 个 Bash 并行） - grok：侧重实时/社区/X 信号 - gemini：侧重结构化/框架/长推理 **默认分解策略**： - 3 个内部 agent + 2 个外部 AI = 5 个并行任务 - 如果用户问题偏理论 → 减少内部 agent 到 1-2 个，加大外部 AI 权重 - 如果用户问题偏数据 → 加到 4-5 个内部 agent，只跑 2 个外部 AI 做交叉 **用户可覆盖**：用户明确说"只问 grok 和 gemini"或"只派内部 agent"时按用户指令。 ### Phase 2：Prompt 自动生成 对每个并行任务，自动生成具体 prompt： #### 内部 agent prompt 模板 ``` 你的任务是**只读数据分析**，不要修改任何文件。 ## 背景 {{研究问题的 2-3 句背景描述}} ## 数据源 {{数据库路径或文件列表}} ## 任务 {{具体要查的维度，1-5 个 task}} ## 输出格式 - 结构化 markdown 报告 - 每个结论标注 n（样本数）和 置信度 - 3 ...