kai/deep_research
1
0
Fork 0
Code Issues Pull Requests Actions Packages Projects Releases Wiki Activity
Files
bb2c91754bdba09ce7bfd55e7906e06ffb809569
deep_research/docs/platform-adapters.md
T

13 KiB
Raw Blame History

v0.20 Platform Adapters

v0.20 的默认核心入口是 Python core：scripts/dr.py、scripts/runtime/**、configs/models.yaml、.agent/skills。Antigravity 例外：它使用 .agent/skills 与 .agent/rules 走 native Deep Research，让 Antigravity 模型配额承担主要研究工作。

Shared Rule

除 Antigravity native 模式外，不要让平台 agent 自己调度 Phase 2 并发、模型选择或上下文压缩。默认平台只负责：

  • 运行 uv run python scripts/dr.py ...
  • 展示产物路径与失败包
  • 做少量人工访谈、审阅、解释
  • 必要时调用其原生强模型做“补充审校”，但不得覆盖 Python runtime 的产物 schema

最小可执行链路：

uv run python scripts/dr.py init "研究主题" --slug <slug> --method mckinsey_market
uv run python scripts/dr.py frame <slug>
uv run python scripts/dr.py research <slug> --workers 6
uv run python scripts/dr.py research <slug> --workers 6 --execute-packets
uv run python scripts/dr.py research <slug> --workers 6 --build-briefs
uv run python scripts/dr.py research <slug> --workers 6 --assemble-chapters
uv run python scripts/dr.py review <slug>
uv run python scripts/dr.py finalize <slug>

Antigravity 不走这条最小链路作为默认研究主流程；详见下方 Antigravity 章节。

OpenCode

官方机制：OpenCode 支持 .opencode/commands/*.md 自定义命令；文件名就是 slash command，内容是 prompt，frontmatter 可指定 agent、model、subtask。OpenCode 也支持 primary/subagent 两类 agent，但 v0.20 不再把平台 subagent 当默认并发机制。

本项目调用方式：

/dr-init "ADC 全球竞争格局" --slug adc-global-landscape --method mckinsey_market
/dr-frame adc-global-landscape
/dr-research adc-global-landscape
/dr-review adc-global-landscape
/dr-finalize adc-global-landscape
/dr-status adc-global-landscape

使用建议：

  • OpenCode 适合做表层 TUI、人工访谈和快速查看状态。
  • 不要让 dr-pm 在 OpenCode 里 spawn 多个 dr-analyst；Phase 2 并发已经由 Python worker pool 控制。
  • 如果要用 OpenCode 原生模型优势，只用于 frame 前的人工访谈或 review 后的解释，不改变 configs/models.yaml 的 role/task 映射。

Codex

官方机制：Codex CLI 使用 AGENTS.md 作为项目指令；用户级配置位于 ~/.codex/config.toml 或 $CODEX_HOME/config.toml，项目级 .codex/** 只作为可选覆盖。v0.20 推荐用部署脚本把 adapter 模板写到用户级 Codex home，避免在研究项目里维护 .codex。Codex 可通过 /model 选择 GPT 系列模型、通过 /permissions 调整审批/沙盒，也支持多 agent thread，但 v0.20 默认不使用它做研究并发。

本项目调用方式：

uv run python scripts/deploy_adapters.py codex --force
codex

默认部署不会复制 config.toml，避免覆盖用户级 Codex 设置；只有明确需要 bundled deep-research profile 时才加 --include-config，然后用 codex --profile deep-research。

在 Codex 里直接要求：

运行：uv run python scripts/dr.py run "ADC 全球竞争格局" --slug adc-global-landscape --method mckinsey_market

或用已有 wrapper prompt：

codex exec "$(uv run python scripts/dr.py prompt dr-run 'adc-global-landscape')"
codex exec "$(uv run python scripts/dr.py prompt dr-research 'adc-global-landscape')"

使用建议：

  • Codex 原生 GPT 系列适合代码改造、回归测试、schema/debug、review。
  • 研究模型混合仍由 Python core 调 ZenMux；Codex 当前会话模型不决定 dr_analyst、dr_verifier 等 role。
  • codex_native profile 可用于偏 OpenAI/GPT 的执行环境，但仍通过 configs/models.yaml 解析。

Claude Code

官方机制：Claude Code 推荐用 .claude/skills/<name>/SKILL.md 定义可调用 skill；目录名成为 slash command。旧 .claude/commands/*.md 仍兼容，但 skill 优先。Claude Code 的优势是 Claude/Opus/Sonnet 对长文风格和中文润色的稳定性。

本项目调用方式：

claude

在 Claude Code 中：

/dr-run "ADC 全球竞争格局" --slug adc-global-landscape --method mckinsey_market
/dr-research adc-global-landscape
/dr-finalize adc-global-landscape

使用建议：

  • Claude Code 适合 Phase 1 人工访谈增强、Phase 4 中文风格润色建议、复杂报告结构讨论。
  • 默认不要让 Claude Code 直接整章写作或并发 spawn；让 Python core 生成 packets、briefs、drafts。
  • 若想优先用 Claude/Opus 成本包，可在 configs/models.yaml 里选择或新增 profile，而不是在 Claude Code prompt 里手工指定。

Gemini CLI

官方机制：Gemini CLI 支持 GEMINI.md 作为项目记忆，也支持 .gemini/commands/*.toml 自定义命令；TOML command 用 prompt 字段，支持 {{args}} 参数和 !{...} shell 注入。

本项目调用方式：

gemini

在 Gemini CLI 中：

/dr:run "ADC 全球竞争格局" --slug adc-global-landscape --method mckinsey_market
/dr:research adc-global-landscape
/dr:review adc-global-landscape
/dr:finalize adc-global-landscape

使用建议：

  • Gemini CLI 适合长上下文审校、框架替代方案、图表/多模态材料理解。
  • 对需要本地 shell 的命令，Gemini CLI 会在执行 shell injection 前要求确认，这是好事。
  • 研究执行仍以 Python core 为准；Gemini 模型可作为 phase3_review 或 final_editorial profile 的候选模型。

Antigravity

官方资料显示，Antigravity 是 agent-first IDE：主 Agent 可跨 editor、terminal、browser 工作；浏览器操作由 browser subagent 执行；Agent Manager 可管理多个任务流和 artifacts。基于 Codex 的 skill-driven 经验，本项目在 Antigravity 中不再默认把研究主流程交给 Python model workers，而是让 Antigravity 用自己的模型配额按 phase 执行研究。

本项目已提供 Antigravity 入口。注意：Antigravity 入口使用 .agent/ 单数目录；.agents/ 是旧版兼容目录，不作为 Antigravity native 的加载目标。

  • .agent/agents.md：Antigravity 角色定义，只定义 Research Manager / Strategist / Analyst / Reviewer / Final Editor 等角色。
  • .agent/skills/antigravity-surface-adapter/SKILL.md：Antigravity 专用执行说明。
  • .agent/skills/method-selection/SKILL.md：按场景选择研究方法，避免默认套用麦肯锡/MECE。
  • .agent/skills/research-quality-gates/SKILL.md：把 search receipt、source access、claims ledger、delta retrieve、continuation state 和 final fact check 做成阶段质量门。
  • .agent/rules/deep-research-antigravity.md：workspace rule，约束其优先使用 Antigravity 模型配额，避免主流程落回 ZenMux。
  • .agent/workflows/deep-research-native.md：可按 slash workflow 执行的四阶段研究流程与反幻觉 gate。
  • .agent/skills/*：Antigravity 官方默认 skill 目录，直接复用本项目 canonical skill registry。

推荐方式是先创建 clean workspace，只让 Antigravity 看到必要文件：

python scripts/export_antigravity_workspace.py --target /path/to/deep_research_antigravity --force

或使用 sparse checkout，见 docs/antigravity-clean-workspace.md。

部署到另一个 Antigravity workspace：

uv run python scripts/deploy_adapters.py antigravity --target /path/to/workspace --dry-run
uv run python scripts/deploy_adapters.py antigravity --target /path/to/workspace

该命令只写 workspace-local .agent/agents.md、.agent/skills、.agent/rules 和 .agent/workflows，不修改全局 Antigravity/Gemini 设置；已有文件默认跳过，--force 才会备份为 .bak 后覆盖。

本项目调用方式：

  1. 在 Antigravity 打开 clean workspace 根目录，不要打开完整多平台仓库。
  2. 在 Customizations / Rules 中确认 workspace rule 已启用；若未自动启用，手动 at mention deep-research-antigravity 或直接引用该文件。
  3. 选择模型：
Phase / 工作 Antigravity model 用法
Surface 管理、读 skill、状态推进 Gemini 3 Flash 管任务清单、跑轻量命令、收集 artifact
Phase 0-1 材料解读、框架规划 Claude Opus 4.6 (Thinking) 大局观、研究假设、章节结构
Phase 2 证据包与章节草稿 Gemini 3.1 Pro (Low) 质量/速度均衡，按 skill 写 artifacts
Phase 3 总编审校 Gemini 3.1 Pro (High) 先试高强度 Gemini，不行再换
Phase 4 最终统稿 Claude Opus 4.6 (Thinking) 保证中文终稿和交付质量
  1. 给 Agent Manager 一个明确任务：
请加载 .agent/agents.md、.agent/rules/deep-research-antigravity.md、.agent/skills/antigravity-surface-adapter/SKILL.md、.agent/skills/research-quality-gates/SKILL.md 和 AGENTS.md。
忽略 .codex、.opencode、.claude、.gemini 和 legacy .agents。
用 Gemini 3 Flash 做流程管理，按 skill 要求在需要时提示我切换模型。
研究主题："ADC 全球竞争格局"，slug: adc-global-landscape，method: mckinsey_market。
请先创建/确认项目目录，然后进入 Phase 0-1，并在生成 phase1/framework.md 和 research_brief 后暂停。

使用建议：

  • Antigravity 的 Gemini/Opus/Gemini Computer Use/Browser 能力适合可视化 QA、PDF/HTML 预览、跨文件审阅。
  • Opus 额度有限，但 Phase 0-1 和 Phase 4 的价值最高，优先花在框架和终稿，不花在 routine 管理。
  • 不要默认运行 dr.py run、research --execute-packets、research --assemble-chapters，这些会把主流程重新导向 Python/ZenMux。
  • Python core 可用于 init/status/skills validate/finalize/render 等辅助动作。
  • 若本机安装了 paperfoot/search-cli 的 search 命令，Antigravity Phase 0-2 可优先用 search agent-info、search ... --json 做统一检索入口。
  • Phase 2 不只产出章节草稿；必须维护 search_log.jsonl、sources.jsonl、claims_ledger.jsonl、coverage_matrix.md 和 unsupported_claims.md，否则 Phase 3/4 不得声称已验证。
  • 不建议依赖 SOUL.md：它不是 Antigravity 官方 Deep Research 约束入口。本项目用 AGENTS.md、.agent/agents.md、.agent/rules、.agent/skills 和 .agent/workflows 分层约束。

Model Strategy Across Platforms

Platform Surface model priority Deep Research model source
OpenCode 可用 Claude/ZenMux provider 做 TUI 增强 configs/models.yaml
Codex GPT 系列用于代码、测试、schema、review configs/models.yaml
Claude Code Opus/Sonnet 用于访谈、中文风格、结构讨论 configs/models.yaml
Gemini CLI Gemini 用于长上下文、多模态、框架审阅 configs/models.yaml
Antigravity Gemini Flash/Opus/Gemini Pro 分 phase 执行研究 .agent/skills + Antigravity model selector

核心原则：除 Antigravity 外，平台模型负责“怎么帮用户操作项目”，ZenMux/Python role 模型负责“研究任务用哪个模型执行”。Antigravity 专门走 native 模式，以消耗 Antigravity 自身模型配额并降低 Python-core 碎片化风险。

Sources

Reference in New Issue View Git Blame Copy Permalink