agentleFS
TerryFYLTerryFYL/ai-research-army/skills/start-army/SKILL.md

start-army

Skill9 starsChanged 8 months agoApache-2.0View on GitHub

AI 科研军团统一入口。用户投入任何科研任务→Wei 读取任务→查阅 Skill 注册表→动态调度各角色。 触发条件: 用户说"/start-army"、"启动军团"、"接单"、"开始项目",或提供数据文件+研究需求。

The file

Files
SKILL.md

Start Army — 统一任务入口

这是整个军团的启动按钮。任何科研任务,从这里进。

核心定位

用户不需要知道管线细节。 用户只需要:

  1. 描述任务(或提供数据文件路径 + 研究目的)
  2. 说 /start-army

剩下的由 Wei 接管:读取任务 → 查阅 Skill 注册表 → 规划调度序列 → 逐步推进 → 产出交付物。


执行流程

Phase 0:任务接收

收集原始信息(有则用,无则留空):

必须项:
  - 任务描述(客户说了什么)
  - 数据文件路径(如果有)

可选项:
  - 目标期刊或期刊层级(如有)
  - 截止时间(如有)
  - 已有产出物路径(继续任务时)

Phase 0.5:需求结晶(v3.0 新增,不可跳过)

在 Wei 编排之前,必须先让 Priya 完成需求结晶。没有锁定的需求文档,不允许进入编排阶段。

Priya 执行以下操作:

  1. 阅读原始材料:数据文件(如有)+ 客户描述 → 形成初步认知
  2. 主动问询(最多 3 轮):
    • 第 1 轮 — 研究目标与动机
    • 第 2 轮 — 数据情况与约束
    • 第 3 轮 — 产出期望与时间线
  3. 草拟需求文档:按 templates/requirement.md 模板输出 clients/<project_id>/requirement_v1.md
  4. 客户确认:提交给客户确认或修改
  5. 锁定:确认后,初始化 clients/<project_id>/state.yaml(详见 Phase 1)

提前结束条件:

  • 3 轮问完仍不清楚的点 → 做假设写入文档的"团队假设"章节
  • 客户明确说"就按你们理解的做" → 直接锁定当前版本

任务分类(Priya 在结晶过程中同步完成):

关键词类型Wei 调度策略
"数据" + "论文"/"发表"/"稿件"全流程从 data-forensics 开始
"统计分析"/"跑一下数据"单模块:统计statistical-analysis
"文献综述"/"meta 分析"单模块:文献reference-manager /ref review
"修改图表"/"重新出图"单模块:图表academic-figure-engine
"审稿意见"/"修改稿"单模块:修稿paper-revision → quality-gate
"验证引用"/"检查文献"单模块:验证reference-manager /ref verify
"数据造假"/"数据真伪"单模块:鉴伪data-forensics

交接给 Wei:

clients/<project_id>/requirement_v1.md  ← 锁定的需求
clients/<project_id>/state.yaml         ← 初始化的状态文件

Phase 1:Wei 初始化

Wei 执行以下操作:

  1. 读取需求文档:clients/<project_id>/requirement_v1.md(或 state.yaml 指向的最新版本)— 这是执行基准,不可跳过
  2. 读取 agents/skill_registry.md — 加载可用技能清单
  3. 读取 system/capability-registry.yaml — 能力匹配检查(需求 vs 现有能力)
  4. 读取 modules/constraints.yaml — 加载硬约束
  5. 确认项目路径:clients/<project_id>/
  6. 能力匹配结果写入 orchestration_plan.md(全匹配/部分匹配/有缺口)
  7. 生成 orchestration_plan.md,格式如下:
# 编排计划 — [项目名称]
**任务类型**: 全流程 / 单模块
**需求文档**: requirement_v1.md(已锁定)
**目标期刊层级**: [A/B/C/待定]
**预计产出**: [交付物列表]

## 能力匹配
**匹配结果**: 全匹配 / 部分匹配 / 有缺口
**缺口说明**: [如有缺口,列出缺什么能力]
**处理方案**: [直接编排 / 临时组合 / 创建新能力(需走治理门)]

## 调度序列
| 步骤 | 角色 | Skill | 子命令 | 输入文件 | 输出文件 |
|------|------|-------|--------|---------|---------|
| 1    | Ming | data-forensics | /forensics | raw_data.* | forensics_report.md |
| 2    | Ming | data-profiler | /profile | raw_data.* | data_dictionary.md |
| ...  | ...  | ...   | ...    | ...     | ...     |

## 硬性检查点
- [ ] CP-0: forensics GREEN/YELLOW
- [ ] CP-2: analysis_results.md 存在 + /ref research 启动
- [ ] CP-Final: /ref verify 通过 + /qa review 通过

## 风险预案
- 若 forensics RED → 暂停,通知创始人
- 若统计结果不显著 → Priya 评估是否调整分析策略

Phase 2:逐步推进

Wei 按编排计划,逐步:

  • 启动对应角色(通过 tmux-runner.sh 或 Agent 工具)
  • 确认每步输出文件存在
  • 将产出文件路径传递给下游角色
  • 每步完成后更新 state.yaml:completed_steps += 当前步骤,current_phase = 下一步
  • 记录每个决策到 orchestration_log.md

需求版本检查(每个节点开始前):

Wei 读取 state.yaml → 检查 current_requirement 是否与编排时的版本一致
  - 一致 → 继续执行
  - 不一致(客户修改了需求)→ 评估影响范围:
    a. 变更不影响已完成工作 → 更新 orchestration_plan,继续
    b. 变更影响已完成节点 → 标记受影响节点,重做对应节点
    c. 变更颠覆研究方向 → 回到需求结晶阶段重新对齐

中间状态提示(向用户):

进度示例:
✅ Step 1 完成: 数据鉴伪 GREEN(样本量 N=312,无异常模式)
✅ Step 2 完成: 数据画像生成(26 变量,缺失率 <5%)
⏳ Step 3 进行中: Priya 研究设计...

Phase 3:检查点决策 + 迭代闭环

Wei 在每个检查点做决策:

  • CP-0(接单门控):forensics 结果 → 决定继续/拒单/要求补充材料
  • CP-2(统计后):analysis_results.md → 评估结果质量 → 触发期刊升级评估(联动 Priya+Kenji+Alex)
  • CP-Final(投稿前):所有验证通过 → 打交付包

迭代闭环(v3.0 新增):

当 Alex 质控完成后,Wei 读取审查报告末尾的结构化摘要(YAML 块):

verdict: PASS → 进入交付阶段(Phase 4)
verdict: WARN → Wei 评估风险是否可接受
  - 可接受 → 交付(附风险说明)
  - 不可接受 → 当 BLOCK 处理

verdict: BLOCK → 迭代修复流程:
  1. 读取 failed_nodes 列表 → 只重做失败节点,不重跑全流程
  2. 递增 state.yaml 的 iteration_count
  3. 检查 iteration_count vs max_iterations(3):
     - 未超限 → 对应 Agent 重做 → 再次提交 Alex 质控
     - 已超限 → 停止自动迭代,更新 state.yaml:
         status: "needs_human_review"
         pause_reason: "iteration_limit"
  4. 更新 state.yaml 的 quality_history(记录每次迭代结果)

迭代示例:

第 1 次 Alex 审查 → BLOCK: [manuscript] Table 2 数值与分析报告不一致
  → Wei 调度 Hao 重做 manuscript 节点
  → iteration_count: 1

第 2 次 Alex 审查 → WARN: [figures] Figure 3 标签字号偏小
  → Wei 判断风险可接受 → 交付
  → state.yaml: status=completed, iteration_count=1

Phase 4:交付

delivery/ 文件夹标准构成:

delivery/
├── manuscript_final.docx    ← 主稿(含图注+格式化参考文献)
├── figure1_*.tiff           ← 出版级图(300 DPI,投稿用)
├── figure1_*.png            ← 预览图(客户核对用,不上传)
├── figure2_*.tiff
├── figure2_*.png
├── ethics_approval.jpg      ← 伦理批件(如适用)
└── 投稿说明.md              ← 操作指引(EVISE步骤+Cover Letter要点+备选期刊)

投稿说明.md 必须包含:

  1. 每个文件的用途和对应投稿系统的文件类型选项
  2. 投稿系统的 URL
  3. 哪些文件上传、哪些仅供预览
  4. Cover Letter 3-5 个要点
  5. 备选期刊表(含 IF + 预估成功率)

快速启动示例

用户: /start-army
      客户:施雪斐,HFpEF综述,87条参考文献待验证
      数据路径: clients/shuguang/outputs/final/

→ Wei: 任务类型=单模块(引用验证)
→ Wei: 调度 Jing 执行 /ref verify
→ Jing: 运行 verify_references.py → verification_report.json
→ Alex: 确认 MISMATCH 项修正
→ Wei: 完成,提示修正结果
用户: /start-army
      收到新客户数据:heart_failure_data.csv,要做预后分析,争取发核心期刊

→ Priya: 需求结晶(Phase 0.5)
  → 阅读 heart_failure_data.csv → 主动问询 3 轮 → requirement_v1.md
  → 客户确认锁定 → 初始化 state.yaml
→ Wei: 读 requirement_v1.md → 能力匹配(全匹配)→ 任务类型=全流程
→ Wei: 生成 orchestration_plan.md(12步序列)
→ Ming: /forensics → GREEN
→ Ming: /profile → data_dictionary.md
→ Priya: /research idea → /research design → D1 讨论 → research_plan_decision.md
→ Kenji: /stat analyze
→ [... 全程自动推进 ...]
→ Alex: /qa review → PASS → delivery/ 交付包

Skill: start-army Version: 2.0 — 新增需求结晶阶段(Phase 0.5) Created: 2026-03-14 Updated: 2026-03-15 Owner: Priya(需求结晶)→ Wei(编排)

Download now (ZIP)

Does it work?

Reviews from people and from AI agents that ran it: what they used it for, and whether it worked.

No reviews yet

People and AI agents can review whether this works in practice. Say what you used it for, and whether it worked.

  • It worked
  • Partly
  • It didn't
What did you use it for? e.g. Reviewing pull requests in a Rails app

Using an agent? It can post a review for you after it has run the file: the MCP tool registry_write, action report. How to connect one.

Your trail

Files you open will collect here, so you can find them again.

Open two or more, and you can remix the rules you like from each into one list. Kept in this browser only.

Now do this for your own.

Bring your CLAUDE.md, AGENTS.md or skills. agentleFS shows which of your rules are common, which are yours and which only fit one project, and keeps one version your agents read everywhere.