자료조사, 자료수집, 레퍼런스, 문헌조사, 기술조사, 논문, 사례조사, 비교분석, 리서치, 학술조사, 기술리서치, 정보수집, 자료정리, 배경조사 - 특정 주제에 대해 병렬 전문가 서브에이전트를 활용한 심층 자료 조사를 수행한다. 기술 문서, 논문, 사례, 통계, 비교 분석, 최신 동향을 복합적으로 수집·통합하여 종합 리포트를 생성한다. PRD 작성 전 기술 검토, 아키텍처 결정, 기술 스택 선택, 학술 배경 파악이 필요할 때 사용. 마켓 리서치(시장조사/경쟁분석)는 market-research 스킬을 사용할 것.
병렬 전문가 서브에이전트 방식으로 자료를 수집하고 종합 리포트를 생성하는 리서치 코디네이터.
각 전문가는 독립적으로 자신의 영역을 조사하고, 코디네이터가 결과를 통합·교차 검증한 후 단일 리포트로 제출한다. 단일 에이전트가 순차 조사할 때보다 커버리지가 넓고 관점의 다양성이 확보된다.
비유: 한 명이 도서관을 순차 방문하는 게 아니라, 각자 다른 서가를 동시에 담당하는 팀이 조사 후 편집회의에서 통합하는 방식.
조사를 시작하기 전 반드시 다음 3가지를 확인한다:
quick: 핵심 자료 빠른 수집 (전문가 3개, 각 핵심 소스만)standard: 종합 리포트 (전문가 3-4개, 교차 검증 포함)deep: 심층 분석 (전문가 5-6개, 전문가 간 충돌 데이터 해소까지)주제 성격을 분석하여 적합한 전문가 조합을 선택한다.
| 전문가 | 담당 영역 | 주요 소스 | Agent 파일 |
|---|
| 학술 | 논문, 리뷰, 연구 결과 | arXiv, Google Scholar, PubMed | agents/academic.md |
| 기술문서 | 공식 docs, 스펙, RFC | 공식 사이트, GitHub, ReadTheDocs | agents/technical.md |
| 구현사례 | 실제 적용, 벤치마크, 튜토리얼 | Medium, 기술 블로그, Stack Overflow | agents/case-study.md |
| 비교분석 | 대안 기술, 트레이드오프 | StackShare, HN, 비교 글 | agents/comparison.md |
| 통계데이터 | 수치, 채택률, 다운로드 통계 | npm trends, GitHub Stars, 설문 | agents/stats.md |
| 최신동향 | 최근 발표, 커뮤니티 반응 | GitHub Trending, HN, 공식 블로그 | agents/trends.md |
| Codex 독립분석 | 독립 관점, blind spot 발견 | Codex 자체 분석 (codex-synthesis.md) | codex-synthesis.md |
| 주제 유형 | 권장 전문가 조합 |
|---|---|
| 라이브러리/프레임워크 선택 | 기술문서 + 구현사례 + 비교분석 + 통계데이터 + Codex |
| 기술 아키텍처 결정 | 학술 + 기술문서 + 구현사례 + 비교분석 + Codex |
| 학술/연구 주제 | 학술 + 비교분석 + 최신동향 + Codex |
| 구현 방법 탐색 | 기술문서 + 구현사례 + 최신동향 + Codex |
| 기술 성숙도 평가 | 학술 + 통계데이터 + 비교분석 + 최신동향 + Codex |
Codex 독립분석은 모든 주제 유형에 자동 포함된다.
codex-synthesis.md를 참조하여 실행.
입력 3가지를 확인 후:
사용자에게 할당 계획을 미리 고지한다:
[주제] 조사를 시작합니다.
투입 전문가: [전문가 목록]
각 담당 범위: [전문가별 범위]
예상 소요: [시간]
서브에이전트 사용 가능한 경우: 모든 전문가를 동일한 턴에 동시 스폰한다. 각 전문가에게 전달:
역할: [전문가 유형]
조사 주제: [원본 주제]
담당 범위: [구체적 할당 영역]
지침 파일: agents/[파일명].md
반환 형식:
- 핵심 발견사항 (3-5개)
- 레퍼런스 (URL, 출처, 발행일)
- 인사이트
- 불확실하거나 미확인된 항목
Codex 독립분석 (항상 포함): 다른 전문가 스폰과 동시에 codex-synthesis.md의 research 프롬프트 템플릿으로 Codex를 Bash run_in_background: true로 실행한다. Codex는 다른 전문가와 독립적으로 분석하여 blind spot 발견과 비주류 관점을 제공한다.
서브에이전트 불가한 경우: 순차 실행. 각 agents/*.md를 읽고 해당 역할로 인라인 실행. Codex도 순차로 실행. 사용자에게 순차 실행임을 명시.
모든 전문가 + Codex 결과 수집 후:
codex-synthesis.md의 합성 프레임워크 (Consensus / Divergence / Unique Insights) 적용신뢰도 등급:
| 등급 | 정의 |
|---|---|
| High | 복수 전문가 + 공식 문서로 확인 |
| Medium | 단일 소스 또는 간접 확인 |
| Low / Unverified | 단일 블로그, 개인 의견, 추정 |
docs/research/NNNN.YYYY-MM-DD-<topic>-research.md로 저장. (NNNN: 해당 폴더 내 최대 번호 + 1, 없으면 0001)
# 자료 리서치: [주제]
**조사일**: YYYY-MM-DD
**목적**: [Purpose]
**Scope**: quick / standard / deep
**투입 전문가**: [목록]
---
## 1. Executive Summary
- 핵심 발견 3-5줄
- 조사 목적 대비 주요 결론
- 추가 검토 필요 항목
## 2. 핵심 발견사항
### [전문가 A 담당 영역]
[내용, 신뢰도 표시]
### [전문가 B 담당 영역]
[내용, 신뢰도 표시]
[... 전문가 수만큼 반복 ...]
## 3. 교차 검증 결과
### 복수 소스로 확인된 사항 (High Confidence)
- ...
### 소스 간 충돌 / 불일치
- [충돌 내용]: [전문가 A 주장] vs [전문가 B 주장]
- 원인 분석: [왜 다른가]
- 결론: [어느 쪽이 더 신뢰 가능한가]
### 미확인 / 공백 영역
- [어떤 정보를 찾지 못했는가]
- [추가 조사 방법 제안]
## 4. 종합 분석
[전문가 발견사항을 통합한 인사이트. 조사 목적에 비추어 해석.]
## 5. 레퍼런스
### [전문가 유형별 분류]
- [제목] (출처, 발행일) — [URL]
## 6. 다음 단계
- 조사 목적 달성 여부
- 추가 조사 필요 항목
- 실행 권고 (구현/학습/결정 등)
| 항목 | quick | standard | deep |
|---|---|---|---|
| 전문가 수 | 3개 | 3-4개 | 5-6개 |
| 소스 수 (전문가당) | 2-3개 | 4-6개 | 7개 이상 |
| 교차 검증 | 생략 | 주요 사항만 | 전체 충돌 해소 |
| 충돌 데이터 처리 | 양측 나열 | 원인 분석 | 추가 조사로 해소 |
| 보고서 분량 | 1-2페이지 | 3-5페이지 | 5페이지 이상 |
공식 문서가 없거나 찾기 어려운 경우: GitHub 레포지토리의 README, Wiki, Issues를 대체 소스로 활용한다. 비공식 소스임을 명시.
전문가 간 결론이 크게 다른 경우: 충돌을 숨기지 않는다. 각 전문가의 결론과 근거 소스를 나란히 제시하고, 어떤 상황에서 어떤 결론이 맞는지 맥락을 설명한다.
주제가 너무 광범위한 경우: "어떤 측면에 집중할까요?" 라고 범위 좁히기를 요청한다. 조사 시작 전에 해결한다.
최신 정보가 부족한 경우: GitHub의 최근 커밋, 이슈, PR을 직접 조사한다. HN의 최신 토론 스레드를 찾는다.
한국어 자료가 필요한 경우: 네이버 기술 블로그, 카카오 기술 블로그, 라인 기술 블로그, 토스 기술 블로그를 우선 조사한다.
보고서가 docs/research/에 저장되고 사용자가 주요 발견사항을 확인하면 완료.