核心用法
solo-swarm 是一个并行研究 Agent 系统，通过同时启动 3 个专业研究 Agent（市场研究员、用户研究员、技术分析师），从三个维度对同一想法进行同步深度调研。用户只需输入想法名称或描述，系统自动协调各 Agent 分工执行，最终整合为一份结构化研究报告。
显著优点
1. 并行效率：三维度同步推进，相比串行研究节省 60-70% 时间
2. 视角互补：市场数据、用户真实反馈、技术可行性交叉验证，避免单维度盲区
3. 来源多元：整合 Product Hunt、G2、Reddit、Hacker News、GitHub 等多平台数据
4. 可复用基础设施：支持 MCP 工具链（codegraph、session_search 等）利用历史研究成果和现有代码资产
5. 决策输出明确：提供 GO/NO-GO/PIVOT 建议及下一步动作（通常指向 /validate）
潜在缺点与局限性
1. 实验性功能依赖：需要 CLAUDE_CODE_EXPERIMENTAL_AGENT_TEAMS 环境变量，存在稳定性风险
2. 搜索质量波动：WebSearch 结果质量依赖搜索引擎，无 SearXNG 配置时 Reddit/GitHub 定向搜索效果受限
3. Agent 协调成本：可能出现研究重叠，需 lead 角色去重整合，增加协调复杂度
4. 输出深度受限：并行模式下单个 Agent 的研究深度可能不及专注的单次 /research
5. 无实时数据保证：依赖公开网络信息，缺乏一手调研或付费数据库支持
适合人群
- 早期创业者/产品经理：快速验证 MVP 想法的可行性
- 独立开发者：评估 side project 的技术实现路径和市场空间
- 投资分析师：快速扫描赛道竞争格局和用户痛点
- 敏捷团队：作为设计冲刺或机会发现阶段的标准化输入
常规风险
- 信息过时风险：公开搜索可能返回过期市场数据或已下架产品信息
- 幸存者偏差：Reddit/HN 反馈偏向技术早期采用者，不代表大众市场
- 技术栈推荐偏差：GitHub 搜索结果偏向流行方案，可能忽略更适合场景的新兴技术
- 环境配置失败：未正确设置实验性环境变量时功能完全不可用