Skill: rtk — Research TricorderKit

Version 0.1.0 — 2026-05-18 Wrapper Cowork vers le pipeline deep-research-core CLI. Exécute collect → dedup → score → export → index en pipeline complet.

Triggers

/tk:research "<query>"
/rtk "<query>"
rtk
deep research
lance une recherche
recherche approfondie sur
pipeline de recherche

Prérequis

Avant d'exécuter ce skill, vérifier :

1. plugins/deep-research-core/ présent dans le repo
2. sources/trusted_sources.yml contient les sources du domaine
3. Qdrant optionnel (dégradé sans indexation vectorielle)

Instructions agent

Séquence d'exécution

ÉTAPE 1 — Intent extraction
  → Extraire : query, domain, pipeline, dry_run
  → domain par défaut : "general"
  → pipeline par défaut : "content"

ÉTAPE 2 — Pre-execution check (R3 dry-run)
  → Exécuter collect_sources.py --dry-run d'abord
  → Valider que les sources sont disponibles
  → Afficher preview avant exécution réelle

ÉTAPE 3 — Collect (CLI goat)
  python plugins/deep-research-core/scripts/collect_sources.py \
    --query "<query>" \
    --domain <domain> \
    [--sources <liste>] \
    [--dry-run]

ÉTAPE 4 — Score + Dedup (pipe)
  <output_collect> | python plugins/deep-research-core/scripts/score_reliability.py

ÉTAPE 5 — Export rapport
  python plugins/deep-research-core/scripts/export_report.py \
    --input <scored_results> \
    --format markdown

ÉTAPE 6 — Index Qdrant (si disponible)
  python plugins/deep-research-core/scripts/index_qdrant.py \
    --input <scored_results> \
    --collection <domain>
  → Si Qdrant down : continuer sans indexation (log warning)

ÉTAPE 7 — Output contractuel JSON
  → Retourner au format skill_output.schema.json

Sélection du pipeline

Règles importantes

• CLI avant LLM (R1) : toujours exécuter les scripts Python, jamais synthétiser de mémoire
• Dry-run (R3) : toujours valider collect en --dry-run avant exécution réelle
• Ne jamais utiliser de source hors trusted_sources.yml
• Citer les sources dans le rapport final
• Limiter à 500 tokens par item (principe atomique Obsidian)
• Si Qdrant indisponible → continuer en mode dégradé, logger le warning
• Loguer dans .planning/DECISIONS.md si la recherche mène à une décision architecturale

Commandes de référence

# Dry-run (vérification sources)
python plugins/deep-research-core/scripts/collect_sources.py \
  --query "vector databases" --domain research --dry-run

# Pipeline complet
python plugins/deep-research-core/scripts/collect_sources.py \
  --query "vector databases" --domain research \
  | python plugins/deep-research-core/scripts/score_reliability.py \
  | python plugins/deep-research-core/scripts/export_report.py --format markdown

# Avec indexation Qdrant
python plugins/deep-research-core/scripts/index_qdrant.py \
  --collection research --input results.json

Format de sortie contractuel

{
  "status": "success",
  "skill_name": "rtk",
  "skill_version": "0.1.0",
  "timestamp": "2026-05-18T10:00:00Z",
  "output": {
    "query": "vector databases",
    "domain": "research",
    "pipeline": "content",
    "results_count": 12,
    "results_above_threshold": 8,
    "threshold": 0.70,
    "report_path": "reports/research_vector_databases_2026-05-18.md",
    "qdrant_indexed": true,
    "sources_used": ["arXiv API", "Hacker News Algolia", "Wikipedia REST"],
    "top_results": [],
    "next_steps": ["Vérifier doublon avec fiche existante", "Indexer dans Obsidian si nouveau"]
  },
  "metadata": {
    "dry_run": false,
    "tokens_estimated": 800,
    "pipeline_steps": ["collect", "dedup", "score", "export", "index"]
  }
}

Gestion d'erreurs

Intégration caveman (R15)

Quand ce skill est appelé par un sous-agent ou dans un pipeline inter-agents :

{
  "status": "ok",
  "task": "rtk_research",
  "data": {
    "results": 8,
    "report": "reports/research_xxx.md",
    "qdrant": true
  },
  "tokens_used": 1200,
  "next_action": "docmancer_index"
}

TricorderKit v0.8 — GeekFamilyCorp — 2026-05-18