调研智能体 Joe-rq/dsh-research-agent

dsh-research-agent

通用调研智能体 · DeepSeek Harness（DSH）插件 / Agent Preset

把一套经过真实调研项目检验的工作流封装成开箱即用的调研智能体：7 个调研工具 + 1 段调研工作法提示词。
零内置数据——不绑定任何公司、行业或数据源，所有数据都在运行时从你传入的 project_root（缺省为当前工作区）读取。

能力总览

| 工具 | 作用 | 对应方法论 |
| research_init | 调研项目初始化：目录骨架 + 意向书 + 数字基准模板 + .gitignore | 意向即行动 |
| research_brief | 项目速览：读 README/AGENTS，提炼背景、规则与红线 | 开工必读 |
| research_plan | 分析工作台：决策点 / 来源登记 / 派活模板 / 差距表 / 取舍卡 五件套 | 决策点先行 |
| research_scan | 素材盘点：按类别统计文件数（PDF/非PDF分项）与大小 | 素材以实测计数为准 |
| research_baseline | 数字基准校验：验算内置校验式、列出废弃数字警示 | 数字唯一事实源 |
| research_deliverables | 交付物规范检查：抓版本号/草稿/备份/临时文件命名违规 | 交付物命名规范 |
| research_classify | 素材归类建议：五类规则按序匹配，仅供人工确认 | 归类惯例 |

调研工作法（随插件自动注入系统提示词）

- 决策点先行：调研前先写清不可妥协的约束与排除项，让材料逐格回答「原生支持 / 部分 / 没有」，先裁掉大半不读的材料；知道了也不改变决定的一条不看的抵十条要看的。
- 五步深度研究：拆题 → 并行分派 → 取源 → 验证 → 汇总；少了验证那步只叫收集。
- 派活四件事：逐条核查项（带 file:line）、证据格式（只报事实）、字数上限（500/800/1200）、必须给判断（直接用/改造/借鉴/不适合 + 一个首选 + 一个备选 + 三个风险）；批量派活前先拿一份冒烟。
- 两类来源：自有积累可照搬（先确认权利与时效）；他人积累只读借鉴（读懂→自己写，先查协议）。
- 证据纪律：说不出出处的不是依据是印象；找不到就明确说「没有」，不许用「部分相关」填空。
- 只增不删：过程文档编号追加式生长，不覆盖、不重排；对外数字以「调研数字基准.json」为唯一事实源。
- 放行判据：能列出「需要你拍板的地方」就该停；新开会话只喂取舍卡，问三句：选了什么？舍了什么？哪里要我拍板？

目录语义（research_init 生成的骨架）

| 目录 | 角色 |
| 00_要求/ | 原始要求（只读） |
| 01_调研素材/ | 原材料：产品资料 / 学术论文 / 应用案例 / 行业参考 / 现场实拍 |
| 02_交付物/ | 对外产物（文件名不得含版本号） |
| 03_工作底稿/ | 过程留存（含 00_Data/调研数字基准.json） |
| 99_废弃/ | 归档不删 |
| inbox/ | 暂存区（只清内容，不删容器） |
| resources/ | 他人积累（可重建、不入仓） |

安装

方式 A：作为 Agent Preset（推荐，clone 即装）

git clone https://github.com/Joe-rq/dsh-research-agent.git "$HOME/.dsh/.agent-presets/research-agent"

重启 dsh 后，新会话选择「调研智能体」preset 即可。本仓库根目录就是 preset 目录（agent.cordis.yml + preset.yml），组合中唯一一行插件以相对路径 ./src/host.js 加载（零依赖 ESM 模块，不 import 任何包），消费宿主提供的 fs / systemPrompt / sandboxPolicy / tools 服务，不发布任何服务，无需 isolate realm。

方式 B：Web GUI 动态插件（本会话临时生效）

1. 在 DeepSeek Harness Web 界面中让智能体使用 Cordis 工具定义插件；
2. 把 dynamic/host.js 的完整内容作为 code.host 传入 cordis_define（idPrefix 自定，如 resch）；
3. cordis_run 激活（Host-only 包，无需浏览器审批）。
4. 注意：动态插件是进程内临时扩展，重启后消失；要长期使用请走方式 A。

方式 C：npm（可选）

npm install dsh-research-agent

然后在任意 preset 组合中添加：

- id: research-agent
name: 'dsh-research-agent'

使用示例

用户：帮我调研「新能源充电桩选址」，起一个新项目
智能体：research_init(project_root=..., write=true) # 生成骨架
智能体：research_plan(topic="选哪个城市试点") # 建分析工作区
智能体：research_scan(...) # 过程盘点素材
智能体：research_classify(files="...") # 归类新素材
智能体：research_baseline(...) + research_deliverables(...) # 定稿前双检

注意事项

- write=true 的写盘动作受 DSH 文件沙箱管控：目标在工作区外会被拒绝，工具会逐文件报告结果并始终返回生成内容，不丢东西。
- 归类规则是「按序匹配、先到先得」的启发式，结果仅供人工确认；规则在 src/host.js / dynamic/host.js 的 PAPER_WORDS / CASE_WORDS / PRODUCT_WORDS / INDUSTRY_WORDS 常量处可按领域自行扩展。

方法论出处与致谢

- 目录语义、数字基准（内置校验式 + 废弃数字警示）、三角验证、交付物命名规范等，抽象自一套真实交付的行业调研项目——该项目的数据与厂商信息不包含在本仓库，这里只保留被验证有效的工作方法。
- 「决策点先行」「派活四件事」「放行判据」「只增不删」等概念参考了 aias-meta-init / aias-meta-research 技能（42ailab）的设计思路，模板文案均为独立改写。
- 发布形态参考 DeepSeek Harness 插件生态：https://github.com/topics/dsh-plugin

License

MIT