industry-research

name industry-research description Multi-agent collaborative industry research for OpenClaw. Dynamically assigns research roles, runs parallel research via sessions_spawn with codex/gemini/claude CLI augmentation, iterative quality review, merge & converge, outputs structured Markdown report. All parameters are configurable via environment variables or interactive setup. Trigger: /research, 行业调研, industry research, 调研报告 metadata {"openclaw":{"emoji":"🔍","homepage":"https://github.com/shineliang/industry-research-skill","requires":{"anyBins":"[Truncated]"}}} 多智能体协同行业调研（OpenClaw 版） 协调多个 sub-agent 并行完成行业调研，通过迭代审核和合并收敛产出高质量报告。 Commands /research <topic> # 启动行业调研（如：/research AI Agent 行业现状） /research <topic> --depth=deep # 深度调研模式 /research <topic> --depth=quick # 快速概览模式 Prerequisites OpenClaw — 主 agent 运行时（需启用 sessions_spawn 和 exec 工具） Codex CLI ( codex ) — 可选，提供 OpenAI 模型补充视角 Gemini CLI ( gemini ) — 可选，提供 Google 模型补充视角 Claude CLI ( claude ) — 可选，提供 Anthropic 模型补充视角 CLI 工具未安装不影响核心流程，仅跳过补充视角 可配置参数 优先级： 环境变量 > 启动时用户选择 > 默认值 参数 环境变量 默认值 说明 研究 agent 数量 RESEARCH_AGENT_COUNT auto 设为数字则固定， auto 则动态分配 研究迭代上限 RESEARCH_MAX_ROUNDS 3 研究阶段最多迭代几轮 合并迭代上限 MERGE_MAX_ROUNDS 2 合并阶段最多迭代几轮 质量总分阈值 QUALITY_THRESHOLD 35 满分 50，总分需达到此值 单项最低分 QUALITY_MIN_PER_DIM 6 满分 10，每个维度不低于此值 交叉验证模式 RESEARCH_CROSS_MODEL cli cli / native / both / none ，见下方说明 启用 CLI 工具 RESEARCH_CLI_TOOLS codex,gemini,claude 可选值： codex 、 gemini 、 claude 、 none 或组合 CLI 超时 RESEARCH_CLI_TIMEOUT 600 秒 Native 模型列表 RESEARCH_MODELS (空) 如 anthropic/claude-sonnet-4-6,google/gemini-2.5-pro,openai-codex/gpt-5.4 输出语言 RESEARCH_LANG zh zh 中文 / en 英文 报告深度 RESEARCH_DEPTH standard quick / standard / deep 交叉验证模式 不同 AI 模型有不同的知识覆盖、推理偏好和盲区。让多个模型分别分析同一问题，能有效提升调研质量。 模式 说明 适用场景 cli 研究 agent 在自己的分析完成后， 必须 调用 CLI 工具（codex/gemini/claude）对关键发现做交叉验证。CLI 使用订阅账号，无额外 API 费用。 这是默认模式。 没有购买多个模型 API 的用户 native 不同研究 agent 通过 sessions_spawn 的 model 参数使用不同模型原生运行。每个 agent 拥有完整工具链。需要配置 RESEARCH_MODELS 。 已购买多个模型 API key 的用户 both 结合两者：不同 agent 用不同模型 + agent 内部再用 CLI 交叉验证 追求最高质量的用户 none 所有 agent 使用默认模型，不做交叉验证 快速调研或预算有限 native 模式下的模型分配策略 ： 将 RESEARCH_MODELS 中的模型轮询分配给研究 agent Reviewer 使用与多数研究 agent 不同的模型 Merger 使用与 Reviewer 不同的模型 示例： RESEARCH_MODELS=anthropic/claude-sonnet-4-6,google/gemini-2.5-pro,openai-codex/gpt-5.4 深度预设 参数 quick standard deep Agent 数量 2-3 3-5 5-8 研究迭代上限 1 3 10 合并迭代上限 1 2 3 质量总分阈值 30 35 40 web_search 最少关键词数 3 5 10 工作流 阶段 0：配置加载与确认 收到调研主题后， 先完成配置再开始调研 ： 检查历史调研残留（防污染） ： 用 exec 扫描工作目录下是否存在历史调研产出： ls -d */round-1 */merged */output 2>/dev/null | sed 's|/.*||' | sort -u 如果发现历史调研目录 ：向用户列出这些目录及其创建时间，并询问： 检测到以下历史调研目录，它们可能干扰本次调研（旧报告内容可能被误引用、旧 progress/task_plan 可能干扰状态判断）： {dir1}/ ({date1}) {dir2}/ ({date2}) 是否清理？ A：归档到 _archive/ 后开始 （推荐 — 移走但不删除） B：直接删除后开始 C：保留，直接开始 （不推荐） 同时检查工作目录根下的孤立状态文件（ progress.md 、 task_plan.md 、 findings.md 、 tmp/ 、 generated/ ），一并列入清理范围。 用户选 A 时： mkdir -p _archive && mv {dirs} _archive/ ，同时移走孤立状态文件。 用户选 B 时： rm -rf {dirs} 及孤立状态文件。 用户选 C 或无历史残留时：跳过，继续下一步。 重要：等待用户回复后再继续。 用 exec 读取环境变量： echo "RESEARCH_DEPTH= ${RESEARCH_DEPTH:-standard} " echo "RESEARCH_AGENT_COUNT= ${RESEARCH_AGENT_COUNT:-auto} " echo "RESEARCH_MAX_ROUNDS= ${RESEARCH_MAX_ROUNDS:-} " echo "MERGE_MAX_ROUNDS= ${MERGE_MAX_ROUNDS:-} " echo "QUALITY_THRESHOLD= ${QUALITY_THRESHOLD:-} " echo "QUALITY_MIN_PER_DIM= ${QUALITY_MIN_PER_DIM:-} " echo "RESEARCH_CROSS_MODEL= ${RESEARCH_CROSS_MODEL:-cli} " echo "RESEARCH_CLI_TOOLS= ${RESEARCH_CLI_TOOLS:-codex,gemini,claude} " echo "RESEARCH_CLI_TIMEOUT= ${RESEARCH_CLI_TIMEOUT:-600} " echo "RESEARCH_MODELS= ${RESEARCH_MODELS:-} " echo "RESEARCH_LANG= ${RESEARCH_LANG:-zh} " 如果设置了 RESEARCH_DEPTH ，先应用对应预设，再用环境变量中的具体参数覆盖 检查 CLI 工具可用性： command -v codex && codex --version || echo "CODEX_UNAVAILABLE" command -v gemini && gemini --version || echo "GEMINI_UNAVAILABLE" command -v claude && claude --version || echo "CLAUDE_UNAVAILABLE" 如果配置了某 CLI 但不可用，自动从 RESEARCH_CLI_TOOLS 中移除并提示用户。 检测当前 session 模型（模型继承） ： 子 agent 必须继承主 session 当前使用的模型，而非回退到 openclaw.json 默认值。 你（主 agent）应当知道自己当前运行的模型 ID（例如 openai-codex/gpt-5.3-codex-spark 、 openai-codex/gpt-5.4 、 google/gemini-2.5-pro 等）。 如果不确定，可用 exec 尝试获取： curl -s http://localhost:18789/api/session/info 2>/dev/null | python3 -c "import json,sys; print(json.load(sys.stdin).get('model','UNKNOWN'))" || echo "UNKNOWN" 将模型 ID 记录为 inheritedModel ，写入 config.md。 后续所有 sessions_spawn 调用必须传入 model: {inheritedModel} ，确保子 agent 与主 session 使用同一模型。 向用户展示配置表并请求确认（直接输出，等待用户回复）： 选项 A：使用当前配置开始 选项 B：调整参数（逐项询问需修改的值） 选项 C：切换为深度调研模式 选项 D：切换为快速调研模式 重要：输出选项后停止，等待用户回复再继续执行。 创建项目目录，将最终配置写入 {topic-slug}/config.md ： mkdir -p "{topic-slug}/round-1" "{topic-slug}/merged" "{topic-slug}/output" 阶段 1 + 2：主题分析 → 立即 spawn 研究 agent 关键：阶段 1 和阶段 2 必须在同一个 turn 内连续完成，不得中间回复用户后停下。 用户确认配置后，在同一个 turn 中完成以下所有步骤： 分析主题 ：拆解调研领域，识别 3-8 个关键维度 动态生成角色 ，每个角色包含： 角色名称和代号（如 market-analyst 、 tech-trend ） 调研范围和具体任务描述 关键问题清单（3-5 个必答问题） 推荐 CLI 工具（Codex/Gemini/Claude/仅 web_search） 用 write 写入 brief.md 不要停下，不要等待用户确认角色方案，立即执行下一步： 立即用 sessions_spawn 逐个启动 N 个研究 agent （每个用不同 label）。这是必须调用的工具，不可跳过： cli 模式 （默认）：所有 agent 继承主 session 模型，prompt 中包含 CLI 交叉验证指令 sessions_spawn({ task: "...(含 CLI 交叉验证指令)", label: "researcher-market-analyst", model: "{inheritedModel}", mode: "run", runTimeoutSeconds: 900 }) sessions_spawn({ task: "...(含 CLI 交叉验证指令)", label: "researcher-tech-trend", model: "{inheritedModel}", mode: "run", runTimeoutSeconds: 900 }) native 模式 ：每个 agent 指定不同 model（从 RESEARCH_MODELS 轮询分配） sessions_spawn({ task: "...", label: "researcher-market-analyst", model: "anthropic/claude-sonnet-4-6", mode: "run", runTimeoutSeconds: 900 }) sessions_spawn({ task: "...", label: "researcher-tech-trend", model: "google/gemini-2.5-pro", mode: "run", runTimeoutSeconds: 900 }) sessions_spawn({ task: "...", label: "researcher-app-scenario", model: "openai-codex/gpt-5.4", mode: "run", runTimeoutSeconds: 900 }) both 模式 ：指定不同 model + prompt 中包含 CLI 交叉验证指令 用 write 将所有返回的 {runId, childSessionKey, label} 记录到 {topic-slug}/round-{N}/tracking.md 回复用户通知："已启动 N 个研究 agent，正在并行调研，完成后我会汇总。" 等待 announce 消息 ：每个 sub-agent 完成后会自动发送 announce 回主 session。收到 announce 时： 用 read 读取该 agent 的产出文件 {topic-slug}/round-{N}/agent-{role-slug}.md 将产出的"核心发现"和"交叉验证小结"章节内容发送给用户 ，格式如： ✅ Agent {label} 已完成 ({completed}/{total}) 核心发现： xxx xxx 交叉验证： {一致/矛盾要点} 这样用户可以实时检查每个 agent 的产出质量 兜底机制 ：如果等待超过合理时间，用 sessions_list 检查未完成 agent 状态 收到所有 announce 后（包括失败的），立即执行以下操作，不得停下： 用 exec 检查 {topic-slug}/round-{N}/ 下有哪些 agent-*.md 文件 统计成功/失败数量，通知用户 如果 ≥50% agent 有产出 → 立即 spawn reviewer （进入阶段 3） 不要说"我会接着收口"然后停下——这会中断整个流程 阶段 3：审核与迭代 用 sessions_spawn 启动 reviewer agent： sessions_spawn： task: {Reviewer Prompt} label: "reviewer-round-{N}" model: "{inheritedModel}" mode: "run" runTimeoutSeconds: 600 等待 reviewer 的 announce 消息 用 read 读取 {topic-slug}/round-{N}/review.md ， 将评审结果发送给用户 ： 📋 第 {N} 轮评审结果：{通过/不通过} — 总分 {X}/50 维度 得分 （各维度评分表） 需改进： {关键修改指令摘要} 根据评分决策： 通过 （总分 ≥ QUALITY_THRESHOLD 且单项 ≥ QUALITY_MIN_PER_DIM ）→ 进入阶段 4 不通过且轮次 < RESEARCH_MAX_ROUNDS → 回到阶段 2（spawn 新 agent，prompt 中包含上轮产出 + 反馈） 不通过且已达上限 → 通知用户并等待决策 阶段 4：合并收敛 用 sessions_spawn 启动 merger agent： sessions_spawn： task: {Merger Prompt} label: "merger-{M}" model: "{inheritedModel}" mode: "run" runTimeoutSeconds: 900 等待 merger 的 announce，用 read 读取合并稿， 将执行摘要发送给用户 ： 📄 合并稿已完成 ，执行摘要： {执行摘要内容} 用 sessions_spawn 启动 reviewer 审核合并稿，写入 {topic-slug}/merged/review-{M}.md 将合并稿审核结果发送给用户 （同阶段 3 格式） 判断逻辑同阶段 3，上限为 MERGE_MAX_ROUNDS 阶段 5：最终输出 用 read 读取通过审核的合并稿 最终格式化和润色 用 write 写入 {topic-slug}/output/report.md 向用户展示报告摘要和文件路径 Agent Prompt 模板 研究 Agent Prompt spawn 每个研究 agent 时，使用以下 prompt（替换 {...} 变量）： 你是行业调研团队的 {角色名}（{角色代号}）。 ## 你的任务 {来自 brief.md 的角色定义和任务描述} ## 必答问题 {来自 brief.md 的关键问题清单，每个问题单独一行} ## 工作流程 1. 使用 web_search 搜索相关信息（至少搜索 {config.minSearchKeywords} 个不同关键词，覆盖中英文） 2. 整理初步研究结果，识别核心发现 3. 调用 {推荐的 CLI 工具} 获取补充视角（遵循下方 CLI 调用协议） 4. 按照输出模板格式，用 write 将研究报告写入文件：{目标文件路径} 5. 完成后返回结果 {如果是迭代轮次 > 1，包含以下段落：} ## 上轮产出和反馈 请先用 read 阅读以下文件： - 你的上轮产出：{上轮文件路径} - Reviewer 反馈：{review 文件路径} 重点关注 reviewer 对你（{角色名}）的具体修改指令，逐条落实。保留上轮中已获好评的内容，只改进被指出的问题。 {/如果} ## 输出模板（必须严格遵循此格式） # {调研维度名称} > 调研员：{角色名} | 轮次：{N} | 日期：{今日日期} ## 核心发现 1. {发现1 — 一句话概括} 2. {发现2} 3. {发现3} （3-5 条） ## 详细分析 ### {子主题 1} {分析内容，包含数据、趋势、案例} ### {子主题 2} {分析内容} ## 数据与信源 | 数据点 | 数值 | 来源 | 可信度 | |--------|------|------|--------| | {数据名} | {具体数值} | {来源名称和链接} | {高/中/低} | ## 交叉验证（CLI 模式下必填，native/none 模式删除此节） > 以下为通过不同 AI 模型对核心发现的交叉验证结果 ### {CLI 工具名} 验证结果 {CLI 返回的分析 — 重点标注与你的发现一致或矛盾的部分} ### 交叉验证小结 | 核心发现 | 本 agent 结论 | CLI 验证结论 | 是否一致 |