deep_research/.opencode/commands/dr-init.md at ddaa6730bcc7bfaeffda2c55c023f3c594fd22ce

kai/deep_research

Fork 0

Files

T

kai ddaa6730bc v0.12.1: select model profile at init and carry via manifest

2026-04-29 16:20:24 +08:00

6.4 KiB

Raw Blame History

description, agent, subtask

description	agent	subtask
初始化一个新的 Deep Research 主题。创建 projects/<slug>/ 目录与 manifest.json，启动 Phase 1 访谈（9 步，含模型策略选择），访谈末尾自动提议 3 个报告标题让用户选。用法：/dr-init <研究主题>	dr-plan	false

你是 dr-plan。用户刚刚执行了 /dr-init $ARGUMENTS，启动一个新的生物医药 Deep Research 项目。

执行步骤

Step 1: 解析主题并生成 slug

用户输入的主题：$ARGUMENTS
生成 slug 规则：
- 英文小写+连字符
- 包含关键词 + 年份
- 例：GLP-1 减重药物市场 → glp1-obesity-market-2026
- 例：中国 CAR-T 产业链 → china-car-t-industry-2026
检查 projects/<slug>/ 是否已存在
- 存在且非空：追问用户是否覆盖或换名
- 不存在：继续

Step 2: 创建目录骨架

mkdir -p projects/<slug>/{phase1,phase2/drafts,phase2/evidence,phase3/revisions,phase4/figures}

Step 3: 启动访谈（9 步）

不要急着生成 framework，向用户清晰编号地提出以下 8 个关键问题：

研究类型：
- 综述类（默认 ≥10,000字）
- 研究类（默认 ≥30,000字）
- 投资报告（默认 ≥20,000字）
- 管理工艺类（默认 ≥15,000字）
核心受众：投资人 / 管理层 / 研发团队 / 监管 / 混合？
时间范围：近 3 年 / 近 5 年 / 近 10 年 / 历史全量？
地理范围：全球 / 中国 / 美国 / 欧洲 / 其他具体地区？
必须回答的核心问题（3-5 条，越具体越好）：
竞争/对比对象（如适用）：具体公司、药物、技术路线？
禁区：有没有明确不想涉及的方向？
字数期望（新增）：
- auto — 按研究类型默认（推荐，大多数情况）
- concise — 简明（8,000-12,000 中文字，6-8 章；适合高管快阅）
- detailed — 详细（20,000-35,000 中文字，10-12 章；标准专业报告）
- deep — 深度（50,000-80,000 中文字，12-15 章；行业专著级）
- 说明：字数只是参考，以把问题讲清楚为第一优先。
模型策略选择（新增，必须在 init 阶段确定）：
- simple：低成本探索
- medium：默认推荐（平衡质量/成本）
- premium：高质量正式交付
- cn_heavy：中文/中国市场侧重
- codex_native：Codex 原生模式

等待用户回答。用户可能一次性回答也可能分多轮。

Step 4: 提议报告正式标题（关键新增步骤）

用户答完前 8 个问题后，基于他们的回答提议 3 个候选标题供选择。

命名范式（参考 9MW1911 综合战略报告）：

主标题：精炼、有分量、体现报告定位（如"XX综合战略报告"、"XX立项可行性研究报告"、"XX市场深度研究报告"）
副标题：说明具体研究对象和视角（如"全球视角下抗 ST2 单克隆抗体在慢阻肺治疗领域的战略定位"）

示例对话：

根据你的回答，我为本报告提议以下 3 个候选标题：

候选 A（推荐） 主标题：自研 O-糖苷酶立项可行性研究报告副标题：对标 NEB 与 Merck 经典产品的技术路径、IP 壁垒与差异化战略

候选 B 主标题：GH101 家族酶国产化战略研究副标题：从 E. faecalis / S. pneumoniae 经典产品到下一代工程酶的三段式路径

候选 C 主标题：O-糖苷酶商业化立项报告副标题：技术可行性、知识产权风险与 2026-2034 年市场机会评估

请选 A/B/C，或告诉我怎么改。

Step 5: 创建 manifest.json

用户确认标题后，创建 projects/<slug>/manifest.json：

{
  "slug": "<slug>",
  "topic": "<用户输入的完整主题>",
  "report_title": "<用户选定的主标题>",
  "report_subtitle": "<用户选定的副标题>",
  "author": "Deep Research 系统",
  "date": "<今天 YYYY-MM-DD>",
  "version": "1.0",
  "type": "<综述/研究/投资/管理>",
  "confidentiality": "机密 | 仅供内部决策使用",
  "audience": "<受众>",
  "time_range": "<时间范围>",
  "geography": "<地理范围>",
  "core_questions": ["...", "..."],
  "comparison_targets": [],
  "exclusions": [],
  "word_budget_mode": "<auto/concise/detailed/deep>",
  "model_profile": "<simple/medium/premium/cn_heavy/codex_native>",
  "model_profile_selected_at": "<今天 YYYY-MM-DD>",
  "model_profile_source": "dr-init interview",
  "target_words_zh": <按类型和模式计算，见 length-budget skill §1-2>,
  "target_words_en": <target_words_zh / 1.4>,
  "min_words_zh": <target_words_zh × 0.8>,
  "min_words_en": <min_words_zh / 1.4>,
  "disclaimer": "本报告基于公开信息与 AI 辅助研究生成，仅供参考，不构成投资或医疗建议。",
  "work_language": "en",
  "output_language": "zh",
  "phase1": {"status": "interview_done", "approved": false},
  "phase2": {"status": "pending"},
  "phase3": {"status": "pending"},
  "phase4": {"status": "pending"}
}

Step 6: 记录访谈

把整个访谈对话写入 projects/<slug>/phase1/interview.md（用户原话 + 你的提问 + 提议的候选标题 + 用户选择）。

Step 6.5: 立刻应用模型策略（必须执行）

在项目初始化完成后，立即把 model_profile 应用到 agent 文件（OpenCode + Codex 模板）：

uv run python scripts/dr.py apply-models --profile <model_profile> --target both

这样可以确保从 Phase 1（plan）到 Phase 4（polisher/reporter）全流程使用同一套预设策略，而不是中途切换。

Step 7: 回报

项目已初始化：projects/<slug>/

报告标题：<主标题>
副标题：<副标题>
类型：<研究类型>
字数目标：<中文字数> 字 / <英文词数> words
工作语言：English（Phase 2-3）
输出语言：中文（Phase 4 翻译）

下一步：运行 /dr-frame 触发 Phase 1 框架规划（双语大纲）

注意事项

❌ 不要在本命令里做联网搜索或生成 framework（那是 /dr-frame 的工作）
❌ 不要自己猜研究边界，必须让用户明确
❌ slug 不要包含中文、空格、下划线
✅ Step 4 的报告标题是 v0.5 新增的关键步骤，不可跳过
✅ Step 8 的字数期望是 v0.5 新增的参数，帮助用户控制报告规模
✅ 如果用户主题过于模糊（如"生物医药"），追问细化后再创建目录

6.4 KiB Raw Blame History Unescape Escape