Distills vague user input (descriptions, voice transcripts, context dumps) into a clear research intent, then generates a structured execution plan. Use when the user asks for deep research, topic exploration, or provides raw material that needs to be turned into an actionable research plan.
把用户的原始输入(不论多模糊)转化为可执行的 Research Plan(调研计划书)。
关键能力:先听懂用户到底想干什么,再设计"如何回答问题"的路径。
用户输入不一定是清晰的调研题目。Planner 必须先判断输入属于哪种类型,再选择对应的处理策略。
用户直接给出了具体调研主题或问题列表。
特征:有明确的主语和动词,如"调研 X"、"对比 A 和 B"、"总结这 10 篇论文"。
处理:跳过提炼,直接进入计划生成。
示例:
用户有想法但说不清楚,给出一段散漫的描述。
特征:长段落、多个发散方向、没有明确的"请帮我做 X"、可能自相矛盾。
处理:执行 Phase 0 需求提炼 → 输出调研简报 → 请用户确认 → 再生成计划。
示例:
用户提供了与其他 AI 的语音聊天转录、会议纪要、或者一段别人写的需求描述,让你基于这些材料去调研。
特征:对话体("我说...他说...")、多人讨论、有大量背景信息但缺乏聚焦的 action item。
处理:执行 Phase 0 需求提炼(从材料中萃取意图和关键问题) → 输出调研简报 → 请用户确认 → 再生成计划。
示例:
用户给了一些上下文材料,同时也表达了模糊的意图。
处理:同 Type C,但额外关注用户自己表达的意图(权重高于材料中的信息)。
当输入不够明确时,Planner 必须先执行这一步。
## 调研简报
### 输入类型
{Type B: 模糊描述 / Type C: 上下文材料 / Type D: 混合型}
### 用户核心意图(1-2 句话)
{用一句话概括用户到底想搞清楚什么}
### 提炼出的核心问题
1. {Q1: 最重要的问题}
2. {Q2: 次重要的问题}
3. {Q3: ...}
### 关键约束 / 偏好
- {从输入中识别的约束,如"团队规模小"、"预算有限"、"偏好 Python"}
### 信息缺口(需用户补充)
- {Planner 无法从输入中推断的关键信息}
### 矛盾点(如有)
- {用户描述中自相矛盾的地方}
### 建议调研方向
1. {Direction 1}
2. {Direction 2}
Phase 0 的输出(调研简报)必须返回给主 Agent / 用户确认,再进入 Phase 1 计划生成。 原因:模糊输入的理解可能偏差大,必须让用户看到"我理解你想做这件事"并确认。
确认调研方向后,将核心问题转化为可执行的调研计划。
# Research Plan: {Topic}
## 0. 调研简报摘要
{如果经过了 Phase 0,在这里附上简报的核心结论}
## 1. 核心问题拆解
- Q1: ...
- Q2: ...
- Q3: ...
## 2. 调研路径(Execution Path)
### Phase 1: 广度搜索
- **Query**: "..."
- **Target**: 维基百科 / 官方文档概览
- **Goal**: 确定核心术语定义
### Phase 2: 深度挖掘(循环执行)
- **Task 1**: 针对 Q1 进行专项搜索
- Query: "..."
- Source: Arxiv / GitHub Issues / 官方文档
- Focus: {关注什么}
- Success Criteria: {怎样算搜到了}
- **Task 2**: 针对 Q2 进行专项搜索
- ...
## 3. 预期产物结构
- 最终报告应包含:{根据调研类型定制}