--- name: topic-research description: | 给定一个选题,自动搜集多源信息,整理成结构化素材。 触发词:「调研XX」「搜集XX的资料」「research XX」「调研选题」。 triggers: - 调研 - 搜集资料 - research - 调研选题 output_schema: type: object properties: topic: { type: string } core_facts: { type: array } 各方观点: { type: object } key_data: { type: array } 争议点: { type: array } background: { type: string } sources: { type: array } tools: - web_fetch --- # 选题调研 收到选题后,按以下步骤执行。 ## Step 1: 多源搜索 搜索顺序: 1. **X/Twitter** - 搜索相关讨论,提取观点和情绪 2. **新闻源** - web_fetch 抓取核心文章,提取事实和数据 3. **Reddit/HN** - 搜索深度讨论 4. **中文平台** - 知乎、36氪等(如适用) ## Step 2: 提取关键信息 从搜索结果中提取: - **核心事实**:这件事到底发生了什么? - **各方观点**:支持方说什么?反对方说什么? - **数据支撑**:有没有具体数字? - **争议点**:最大的分歧在哪里? - **背景信息**:这件事的前因是什么? ## Step 3: 整理输出 保存到 `~/.openclaw/workspace-self_media/research/YYYY-MM-DD-选题名.md` ## 输出格式 ```json { "topic": "AI编程工具爆发", "core_facts": [ "GitHub数据显示AI编程工具年增300%", "中小企业采纳率不足20%" ], "各方观点": { "支持方": ["工具提升效率", "开发者工作方式改变"], "反对方": ["学习成本高", "团队工作流难改"] }, "key_data": [ "300%年增", "20%采纳率", "42.5分抽象推理(vs 头部76分)" ], "争议点": [ "工具爆发≠团队升级", "技术采纳率低于预期" ], "background": "AI编程工具从2023年开始爆发...", "sources": [ {"name": "GitHub年报", "url": "https://github.blog/..."}, {"name": "TechCrunch文章", "url": "https://techcrunch.com/..."} ] } ``` ## 注意 - 信息需要交叉验证,不采用单一来源 - 区分事实和观点 - 标注信息来源 - 字数控制在 500-800字 ## 示例 ### 输入 ``` 调研:AI编程工具爆发但团队采纳率低 ``` ### 输出 ```json { "topic": "AI编程工具爆发但团队采纳率低", "core_facts": [ "GitHub数据显示AI编程工具使用率年增300%", "中小企业采纳率不足20%", "Arena评测Muse Spark排第三但抽象推理仅42.5分" ], "各方观点": { "支持方": [ "工具是未来,不接受会被淘汰", "已经采纳的团队效率提升显著" ], "反对方": [ "学习曲线太陡,团队不愿意改", "现有工作流稳定,没必要换" ] }, "key_data": [ "300%年增", "20%采纳率", "头部模型抽象推理76分", "Muse Spark 42.5分" ], "争议点": [ "排名vs具体能力", "工具爆发vs组织采纳" ], "background": "AI编程工具从2023年开始爆发,GitHub Copilot引领...", "sources": [ {"name": "GitHub年报2025", "url": "https://github.blog/ai-report-2025"}, {"name": "Arena评测报告", "url": "https://arena.com/q1-2026"} ] } ```