核心用法
Research Skill 提供两种互补的研究范式：
交互式研究（Interactive）：适合与用户协作探索，通过对话实时搜索、综合信息并更新 research.md。每次交互后自动追加发现、移动已解答的问题、标注来源，形成可演进的知识库。
深度研究（Deep Research）：针对复杂主题调用 parallel-research CLI，利用并行AI API在分钟至小时级别完成全面调研。支持多级处理器（lite → ultra8x）及 -fast 变体，适用于市场分析、技术深潜、多维度比较。
文档体系严格规范：每个主题独立文件夹，包含 prompt.md（原始问题）、research.md（主发现）、可选PDF导出。关键机制包括状态追踪（Active/Complete/Graduated）、5-10轮交互后的合成检查点、以及研究完成后可向项目规格（~/specs/）的晋升通道。
显著优点
- 双轨架构：即时协作与异步深度任务无缝切换，覆盖从快速验证到全面调研的全谱系需求
- 活文档理念：研究过程即产出，避免重复劳动，支持长期维护与迭代
- 自动化交付：深度研究通过 cron 作业自动检查结果并回传，无需人工值守
- 来源可追溯：强制链接引用、置信度标注、日期戳记，符合学术与工程严谨性
- 晋升机制：研究可自然演进为项目规格，避免"调研完毕即废弃"
潜在局限
- 深度研究成本：高阶处理器（ultra2x/4x/8x）可能产生显著API费用，需用户明确授权
- 时间估算依赖经验：调度检查作业时需手动计算
atMs，文档虽提供校验命令但仍存在配置错误风险 - PDF渲染限制：表格以堆叠行形式呈现（PyMuPDF 限制），不适合数据密集型报告的最终交付
- 并行API依赖：深度研究功能绑定特定服务商，存在供应商锁定与可用性风险
适合人群
- 技术决策者评估框架/技术选型
- 产品经理进行竞品分析与市场进入研究
- 开发者调研开源方案或架构模式
- 研究者建立主题知识库
- 任何需要将"聊聊"转化为可复用资产的知识工作者
常规风险
- 调度作业误配：
atMs计算错误可能导致检查作业立即执行（过去时间）或延迟过久（年份错误），文档已内置校验命令但仍需操作警觉 - 环境变量假设：
PARALLEL_API_KEY预期预置，若缺失将导致深度研究失败 - 状态漂移：长期标记为 "Ongoing" 的文档可能因缺乏合成检查点而沦为信息垃圾堆
- 过度研究：开放性问题列表若缺乏收敛机制，易导致研究范围无限蔓延