核心用法
CIRF（Crypto Interactive Research Framework）是一个结构化的加密货币研究系统，通过四种专业智能体（研究分析师、技术分析师、内容创作者、QA专家）和17种标准化工作流实现深度研究自动化。
标准执行流程：
1. 理解目标 - 解析研究主题、预期成果与范围深度
2. 规划队列 - 构建带依赖关系的任务矩阵，明确并行与串行执行逻辑
3. 用户确认 - 分阶段展示研究计划，获取执行授权
4. 协同执行 - 按智能体类型分组派生子代理，实时追踪进度
5. 综合交付 - 整合多维度分析输出，生成带置信度的最终报告
工作空间机制：每个项目独立隔离，支持文档沉淀与版本追溯，输出按工作流类型结构化存储。
---
显著优点
| 维度 | 优势 |
|------|------|
| **方法论标准化** | 17种预制工作流覆盖sector分析、竞争对标、代币经济、技术审计等全场景，避免研究盲区 |
| **多智能体协作** | 专业分工+QA校验机制，模拟投研团队工作模式，输出质量显著优于单代理 |
| **人机协同设计** | 关键节点（计划确认、错误处理）保留人工介入接口，兼顾效率与可控性 |
| **可扩展架构** | 模块化配置（core-config.yaml）+ 工作空间模板，支持多语言、多币种、多项目并行 |
---
潜在局限
- 信息时效性：依赖静态文档输入，无实时链上数据/价格流集成，需外部数据源补充
- 执行成本：复杂研究需多轮智能体调用，token消耗与响应时间显著高于单轮问答
- 领域聚焦：专为加密资产设计，传统金融或跨链研究需自定义
open-research工作流适配 - 技术门槛：用户需理解任务依赖逻辑（如
tokenomics-analysis常依赖project-snapshot前置输出）
---
适合人群
- 加密投研分析师：需要系统化覆盖项目基本面、技术架构与竞争格局
- 机构投资团队：建立标准化尽调流程，降低个人经验差异导致的质量波动
- 内容创作者/VC：快速将深度研究转化为多平台适配的投资备忘录或thread内容
- 高级散户：对研究深度有要求，愿投入时间换取结构化认知框架
---
常规风险
| 风险类型 | 说明 | 缓释建议 |
|----------|------|----------|
| **幻觉传导** | 子代理输出错误被后续任务继承放大 | 强制QA审查节点，关键结论要求多源交叉验证 |
| **依赖失效** | 前置任务失败导致队列阻塞 | 内置重试（2次）+ 跳过/暂停选项，非关键路径可解耦 |
| **置信度虚标** | 智能体可能高估结论可靠性 | 人工复核`high`置信度结论，关注信息分级标注（verified/credible/speculative） |
| **数据泄露** | 工作空间持久化存储敏感研究内容 | 定期清理历史workspace，核心项目启用本地隔离环境 |