Research Scout — Научная разведка

Когда использовать

• Нужно обосновать архитектурное решение научными данными
• Ищешь state-of-the-art по технологии/алгоритму
• Хочешь найти что-то неожиданное — данные которые меняют подход
• Перед построением ML-модели — найти benchmark и baseline
• Проверить: "а вдруг это уже исследовали и не работает?"

Как запустить

"запусти research-scout" — по контексту проекта
"запусти research-scout на [тема]" — по конкретной теме
"запусти research-scout: найди counterintuitive данные про [X]" — режим неочевидного
"запусти research-scout --anti-context [тема]" — FVA-RAG: kill queries first

Режим: --anti-context (FVA-RAG)

Что это: инвертированный RAG. Сначала ищем опровергающие доказательства, потом подтверждающие. Предотвращает confirmation bias: система не соберёт красивый стек поддерживающих статей и не пропустит ключевое опровержение.

Когда использовать:

• Перед финальной формулировкой гипотезы (FL Full-Ladder Step -3: Novelty Check)
• Когда уверенность в идее высокая (skeptic-trigger: 90%+ confidence)
• Аудит существующего claim перед публикацией / релизом

Запустить:

research-scout --anti-context "[тема / гипотеза]"

Anti-context Шаг 1 — Kill Queries (всегда первый)

Сформируй 5 kill queries — запросы, нацеленные на уничтожение гипотезы:

WebSearch: "[тема] does not work OR fails 2023 2024 2025 2026"
WebSearch: "[тема] null result OR negative result 2023 2024 2025 2026"
WebSearch: "[тема] replication failure OR failed to replicate OR does not replicate"
WebSearch: "[тема] contradicts OR refutes OR disproves 2024 2025"
WebSearch: "[тема] criticism OR fundamental limitation OR why [X] is wrong"

Для каждого результата:

• Записать: title, year, key negative finding
• Пометить: [KILL] если опровергает гипотезу напрямую, [WEAKEN] если ограничивает scope

Anti-context Шаг 2 — Null Results Registry

Проверить локальный реестр перед поиском в интернете:

grep -i "[ключевое слово]" null_results/INDEX.md
grep -i "[ключевое слово]" parked/INDEX.md

Если найдено: прочитать decision.md из того эксперимента. Новая попытка ОБЯЗАНА объяснить чем отличается от предыдущей провалившейся.

Anti-context Шаг 3 — Confirmation Round (только после Kill Queries)

Стандартные запросы (Шаги 1-5 из основного алгоритма ниже) — но теперь каждый результат сопоставляется с kill findings. Найденные противоречия документируются явно.

Anti-context Формат вывода

## Kill Findings (что может уничтожить гипотезу)

1. **[Название статьи]** (год) — [URL]
   - **Тип:** [KILL] / [WEAKEN]
   - **Что опровергает:** [1 предложение]
   - **Scope ограничение:** [при каких условиях опровержение применимо]

## Null Results (внутренние)
- [found / not found in null_results/INDEX.md]

## Confirmation Evidence (после kill check)
[стандартный формат Топ-5 фундаментальных / свежих / неочевидных]

## Anti-context Verdict
- Kill findings: N
- Weakening findings: N
- Surviving claim scope: [что осталось после всех опровержений]
- Recommendation: PROCEED / REVISE_CLAIM / STOP_HYPOTHESIS

Стандартный алгоритм (5 шагов)

Шаг 1 — Контекст и ключевые слова

Прочитай .claude/memory/activeContext.md. Извлеки:

• Домен: что делает проект (AI agents, genomics, NLP, etc.)
• Ключевые технологии: 3-5 терминов на EN
• Открытые вопросы: что ещё не решено / PENDING

Если тема задана явно → используй её. Сформируй 3 поисковых запроса:

• Запрос A: [технология] [проблема] — прямой
• Запрос B: [технология] surprising OR unexpected OR counterintuitive — неочевидный
• Запрос C: [смежный домен] [та же проблема] — кросс-доменный

Шаг 2 — ArXiv (свежие preprints)

Для каждого запроса выполни WebFetch:

URL: https://export.arxiv.org/api/query?search_query=all:[QUERY]&sortBy=submittedDate&max_results=8&start=0
Prompt: "Extract: arxiv ID, title, abstract first 2 sentences, submission date. Return as list."

Примеры рабочих URL:

https://export.arxiv.org/api/query?search_query=all:attention+memory+decay&sortBy=submittedDate&max_results=8
https://export.arxiv.org/api/query?search_query=all:llm+agent+hooks+memory&sortBy=relevance&max_results=8
https://export.arxiv.org/api/query?search_query=all:knowledge+graph+retrieval+counterintuitive&sortBy=submittedDate&max_results=5

ArXiv через WebFetch — протестировано, работает без rate limits.

Шаг 3 — bioRxiv (биология, медицина, нейронауки)

Если проект касается биологии, геномики, нейронаук, медицины:

mcp__obsidian-vault или bioRxiv MCP:
search_preprints(query="[тема]", limit=5)

Если домен не биологический → пропусти, перейди к Шагу 4.

Шаг 4 — WebSearch (неочевидные + Papers With Code)

Для неочевидных данных:

WebSearch: "[тема] negative results OR null results site:arxiv.org"
WebSearch: "[тема] surprising finding 2024 OR 2025 OR 2026"
WebSearch: "[тема] contradicts conventional wisdom research"
WebSearch: "[тема] replication failure OR does not replicate"

Для имплементаций:

WebSearch: "[тема] site:paperswithcode.com"
WebSearch: "[тема] benchmark state of the art 2025 2026"

Для кросс-доменного:

WebSearch: "[смежная область] [та же проблема] unexpected results"

Шаг 5 — Скоринг и вывод

Для каждой статьи вычисли Score:

Формат вывода (стандартный режим)

## Топ-5 фундаментальных (высокоцитируемые / классика)

1. **[Название статьи]** (год) — arXiv:XXXX / DOI
   - **Ключевой результат**: [1 предложение]
   - **Применить**: [как использовать в проекте]
   - **Код**: [ссылка или "нет"]

## Топ-5 свежих (< 2 лет)

1. **[Название]** (2025/2026)
   - **Ключевой результат**: [1 предложение]
   - **Почему важно**: [что меняет в текущем подходе]
   - **Код**: [ссылка или "нет"]

## Топ-5 неочевидных (counterintuitive / surprising)

1. **[Название]** (год)
   - **Общепринятое мнение**: [что все думали]
   - **Что обнаружили**: [неожиданный результат]
   - **Импликация для проекта**: [что менять]

## Главный инсайт сессии
> [1-2 предложения: самое важное что изменит подход к проекту]

## Следующий шаг
- [ ] Прочитать полностью: [название #1 из неочевидных]
- [ ] Реализовать: [конкретная идея из статьи]
- [ ] Проверить baseline: [что нужно измерить]

Источники по домену

Примеры запросов для неочевидного поиска

# Паттерн 1: Что НЕ работает (negative results)
"[технология] does not work when OR fails when site:arxiv.org"

# Паттерн 2: Противоречие консенсусу
"[технология] contrary to popular belief research 2024 2025"

# Паттерн 3: Репликация провалилась
"[метод] replication crisis OR failed to replicate"

# Паттерн 4: Кросс-домен инсайт
"[проблема в другой области] solution applied to [наш домен]"

# Паттерн 5: Эффект маленького датасета
"[ML метод] small dataset surprising performance 2025"

Связка с другими скилами

• --anti-context → после kill queries → запусти skeptic с найденными [KILL] findings
• После research-scout → запусти skeptic — проверить применимость найденного
• После research-scout → запусти codex-solver — реализовать найденный алгоритм
• Ключевые статьи → error-to-lesson — сохранить инсайт в wiki
• scientific-research skill — для полного цикла исследования с kill criteria
• FL Step -3 (Novelty Check) — запускать --anti-context как часть ai-hyp-gate

Gotchas

• [2026-04] Не пропускать Шаг 5 (скоринг) — синтез на слабом корпусе = уверенно выглядящий мусор
• [2026-04] ArXiv-поиск (Шаг 2) обязательно до скоринга (Шаг 5) — нельзя scoring без сырого материала
• [2026-06] --anti-context: kill queries ОБЯЗАТЕЛЬНО первыми — нельзя начинать с подтверждающего поиска
• [2026-06] --anti-context: если в null_results/INDEX.md есть совпадение — прочитать decision.md ПЕРЕД продолжением