research-before-answer

Files (24)

• README.md
• SKILL.md
• feature-check-cc-builtin-advisor.yaml · evals/cases/
• free-tier-groq-qwen.yaml · evals/cases/
• identity-merge-needs-version-id.yaml · evals/cases/
• limit-change-claude-5h.yaml · evals/cases/
• low-confidence-mark-must-survive.yaml · evals/cases/
• pricing-delta-deepseek.yaml · evals/cases/
• pricing-page-tavily.yaml · evals/cases/
• pricing-tiers-supergrok.yaml · evals/cases/
• proxy-metric-cannot-decide-target.yaml · evals/cases/
• release-check-gemini-37-flash.yaml · evals/cases/
• release-check-gpt6-sol-luna.yaml · evals/cases/
• release-rumor-deepseek-v41.yaml · evals/cases/
• repo-look-heeler.yaml · evals/cases/
• rumor-workbuddy-free-deepseek.yaml · evals/cases/
• tool-intro-mise-with-claim.yaml · evals/cases/
• version-question-must-research.yaml · evals/cases/
• eval.yaml · evals/
• monid-opt-in.md · references/
• research-before-answer-flow.svg
• decision-table-output-contract.py · scripts/tests/
• inline-verify-contract.test.sh · scripts/tests/
• low-confidence-output-contract.py · scripts/tests/

SKILL.md (first lines)

# Research Before Answer

<!-- 本檔在契約測試底下：scripts/tests/inline-verify-contract.test.sh + evals/eval.yaml + scripts/tests/{decision-table,low-confidence}-output-contract.py — 改動後先跑 contract，再跑 `cd ~/.claude/skills/research-before-answer && skill-up-run run evals/eval.yaml --output-dir ~/Desktop/projects/.claude/trials/skill-up-cli/eval-runs`，最後用兩個 output contract 檢查該 run 的 report.json；python3 ~/.claude/commands/tests/test_skill_verify_one_shot_callers.py -->

涉及**事實**的問題預設**先查證再回答**，不要用訓練資料編。

## 觸發條件（符合任一即 invoke）

- 具體 repo / 專案 / 套件 / library / framework / SDK
- API / CLI 用法、版本、release notes、deprecation
- 公司、產品、人物、市場近況
- 任何「現狀」「最新」「最近」「這個 X 怎麼用」類問題
- 混合題（框架 + 事實）→ 先查事實部分，再套框架

**不觸發**：純框架 / 原則 / 設計模式 / 概念解釋（用訓練知識即可）。

## 來源選路：先分最新外部題與個人歷史

1. 如果是最新外部事實查核或外部探索，就直接接「外部工具分流」，用網路搜尋、第一手來源或已配置的外部查詢工具。本機 memory、wiki、session、報告與歷史收錄不作探索入口，也不作搜尋失敗的替代；收錄內容無法代表最新外部資訊。
2. 如果同時問「我能不能用」，就並行讀目前帳號、設定或即時資格回應；「我的」不因此觸發個人歷史檢索。外部功能現況與本人資格分開舉證。
3. 如果是個人歷史、既有決策或經驗回顧，就接「個人資料層」。混合題只對回顧部分查本機紀錄，最新外部部分仍走第 1 步。

完成條件：每個待答問題已分到外部現況、本人現況或個人歷史，選定來源後再查詢。

### 個人資料層（只用於歷史／決策／經驗回顧）

- **wiki** (`~/.claude/wiki/`): 個人經驗／偏好／踩過的坑
  - 寫/改 entity 前：(1) `cat ~/.claude/wiki/_schema.md` 確認格式 (2) `grep -ri "<keyword>" ~/.claude/memory/` 撈既有 reference / project / feedback memory，不要只憑當次對話
- **session memory** (`~/.claude/memory/`, canonical 由 `autoMemoryDirectory` setting 指定): hand-curated reference / project / feedback / user 4 類 .md + 兩層 index 結構（MEMORY.md + `_index_*.md` cluster files，2026-05-07 起）
  - Step 0：**query 要回顧個人歷史（「我之前 X 怎處理」「我有沒有寫過」）→ 並行查 wiki 與 memory**，用既有散文／session 檢索路由列出 hit file，補捕 MEMORY.md 沒列 pointer 但 file 還在的 standalone reference。只有「我的 X setup」「我這台機器」時，依上一段讀目前設定，不啟動本段。
  - Step 1：`cat ~/.claude/memory/MEMORY.md` 看索引（含 `### Cluster indexes` + `### Standalone reference` 兩段）
  - Step 2：MEMORY.md 看到相關 cluster pointer → `Read ~/.claude/memory/_index_<topic>.md` 看 sub-entries
  - Step 3：drill 進具體 topic file 取細節（**注意**：cluster index 內每 entry 的 1 行 description 通常已足夠形成 informed opinion，不要無腦 Read 對應 topic file 浪費 context）
  - Cluster 結構是動態的（每次重新 `ls _index_*.md` 拿當下狀態，不要記住固定 cluster list），規則見 `feedback_memory_cluster_maintenance.md`

### 外部工具分流

針對問題核心選工具，不要泛泛「搜相關資料」：

| 問題類型 | 工具 |
|---|---|
| SDK / library 用法 | Context7 (`mcp__context7__*`) |
| GitHub repo / issue / PR | `gh` CLI |
| 套件（npm / pypi / crates） | registry search 或 WebSearch |
| 市場 / 人物 / 公司動態 | WebSearch、Exa |
| 深度多輪研究 | `Skill(deep-research)` 或 `Workflow({name:"deep-research-paced"})` |

分流後，如果本次研究需要社群評價、實際使用經驗、跨平台評論或公開網頁資料，且 Monid 能補上資料缺口，就在任何 Monid 呼叫前讀 [Monid 贈額試用](references/monid-opt-in.md)。使用者已批准在剩餘原始贈額內跨任務直接使用，不逐次詢問；照 reference 查價、核餘額，贈額不足就退出並移除入口。不為耗贈額增加查詢；當次拒用、資料已足或不需外查時沿原路。下方搜尋配對、正文抓取與來源核對規則照常適用。

### 搜尋 layer：同 query 一輪 nav + WS（2026-06-01 結案保留，agent_type 範圍化）

任何「給 query 找 URL」場景，一輪搜尋保留同 query 的 **LCU Google SERP + WebSearch**：

1. 依目前 LCU server 的 initialization instructions 與 tool descriptors，在 `mcp__lcu__js` 建立自己的 Google 搜尋分頁。`createBrowserTab`／`goto` 操作碼保留完整的 `https://www.google.com/search?q=<URL-encoded query>` 字面值，實際導航並讀回頁面；只印 URL 不算搜尋。
2. 確認 LCU provider 沒有 isError，且頁面讀回有可用的搜尋結果，再在另一則訊息 call `WebSearch`，query 使用同一個原字串。未載入／失敗時停止並回報，不自動啟動 OBU、Cua 或 Agent Chrome。
3. 交叉比對兩份真實結果；收尾只關自己的搜尋分頁，不處理使用者其他分頁。正式 host 的 Stop／SubagentStop 收尾不代替成功讀頁的證據。

LCU 只改變 browser 入口；不取消同 query 配對、官方來源核對或成功 ticket 的要求。

**規則（2026-05-11 ticket model）**：

- 每張 nav 給一張 query-specific ticket，每次成功 WebSearch 消耗一張同 query ticket
- **順序**：先 navigate 再 WebSearch（不是嚴格同 message 並行 — `PreToolUse` hook fire 時 nav 必須已寫進 transcript，所以拆兩個 message 比較穩）
- **被 block 的 WS 不消耗 ticket**（retry-friendly：補 nav 後可直接 retry 同 query WS）
- **同 query 跑兩次成功 WS 會被擋**（結果一樣浪費 quota；要再跑請補新 nav 表達明確意圖）
- **不同 query 不共用 ticket**（每個 query 自己配對自己的 nav）

**強制範圍（2026-06-01 結案）**：hook 只硬擋兩種 context — **main session** 跟 **`parallel-search` agent**；其他所有 fan-out subagent（deep-research-paced 的 Search / Verify agent 等）一律**豁免**、WebSearch 自由（否則上百個平行小兵被迫各開 chrome 會塞爆真實瀏覽器，實證見 trial review）。

**派 subagent 做配對搜尋 → 用 `parallel-search` agent**：`Agent(subagent_type:'parallel-search')` 或 workflow `agent(prompt, {agentType:'parallel-search'})`。丟一個 query，它用自己的正式 LCU 呼叫讀 Google SERP，再把 SERP + WebSearch 兩段原始結果並列回來、自己關分頁，**不合成留給呼叫者**。如果派工後端無法提供正式 LCU MCP 與 host identity，就沿用可提供這些能力的原生 subagent 路徑；兩者都不可用時停止並回報，不用 Bash shared-client 假造正式接線。

Hook: `~/.claude/hooks/websearch-parallel-enforce.sh`（agent_type gate：main + `parallel-search` 強制、其餘 subagent 豁免；subagent 走 `agent_id` → 自己 transcript 的 redirect）。覺得不好用 → 移除 `settings.json` PreToolUse `WebSearch` matcher。

SERP 抽取 JS pattern 跟試用背景見 `~/.claude/memory/reference_search_tool_comparison_2026_05_10.md` + `feedback_websearch_misses_official_docs.md` + `feedback_parallel_decision_by_structural_failure.md`。

### URL 內容抓取

先看這次抓頁面要拿來做什麼，再選工具。`WebFetch` 回的不是原文：頁面先交給小模型照你的 prompt 改寫成回答。它回 200、讀起來通順，細節卻可能被改掉或漏掉（實例：從相對日期推錯年份、讀錯表格欄位、憑空加一段「官方回應」），而且這種錯不會命中下面任何退路條件——「回傳看起來完整」不是判斷依據。

**先判斷是否為使用者直接交付的 X／Twitter 研究連結**（`/status/` 貼文或 X 長文；不是日報／workflow 批次來源）。如果是，就走以下路線，不套用下方「exit 75/1 才升瀏覽器」的退路條件：

1. 以 LCU MCP（`mcp__lcu__js`）開啟指定連結，等待實際內容載入，讀回貼文、附帶或連到的 X 長文、程式碼與外部連結；只操作任務指定或自己建立的分頁。`x-fetch` 回成功仍可能只有長文入口，所以不先跑腳本來決定是否開瀏覽器。
2. 如果研究需要留言、作者串文或引用，就補跑 X／Twitter 抓取退路（見 WIRING.md「非官方內容抓取」），把回件當補充，不當全量討論。
3. 對照研究問題確認所需正文、程式碼與來源連結已讀到；缺少的項目明寫缺口，不以 exit 0 或頁面載入成功當作完整。LCU 不可用時停止並回報；登入、CAPTCHA 與核准照既有權限邊界處理。取得內容後接來源查證，答案成稿後接「交付前 inline 自查（R1–R3）」。

**公開 HTML 研究頁（文章、產品官網、HTML 文件／表格）預設先用 Firecrawl**，取得 Markdown 後再查證與分析。先分流：需要本人登入狀態、庫存或視覺／互動的頁面走正式 LCU；Reddit 沿用專用腳本；官方原生 Markdown 直接讀；直接交付的 X 研究連結走上方路線。日報／workflow 的既有批次腳本不因這條研究規則自動改接服務。

1. 用正式 LCU MCP 開啟 https://www.firecrawl.dev/app/playground?endpoint=scrape，使用既有帳號的 Scrape 與 Markdown 格式。需要現況時把 Max age 設為 0；回件未提供快取證據時，不宣稱已證明即時抓取。只送指定公開 URL，不傳登入 cookies、私人檔案或憑證；不選 Summary、Query 或模型 JSON extraction。新登入／權限、額外 premium 或付款確認依既有核准邊界處理。
2. 確認結果的 sourceURL 對應本次 URL（允許已確認的官方重新導向），讀回 Markdown 與 statusCode／creditsUsed，存至 scratchpad 再 Read；不要為取得內容反覆下載到 Downloads，也不要把前一頁殘留的 Success 當本次成功。核對研究所需正文、程式碼、表格條件與來源連結；缺項仍須補讀。
3. 如果 Firecrawl 拒絕、沒有自己的結果、額度不足或缺研究所需內容，就接下方網址抓取退路（見 WIRING.md「非官方內容抓取」）；把 Firecrawl 缺口記清楚，不重複扣額重試。LCU 未連線時回報這個阻塞，公開頁仍可用既有腳本取得內容；不得啟動其他瀏覽器後端。腳本也失敗時，沿下方正式 LCU 升級規則處理。取得內容後接來源查證與「交付前 inline 自查（R1–R3）」。

Firecrawl 的 fallback、Reddit 與既有日報／workflow 批次來源沿用以下路線：

- **要讀整篇、研究一篇文章，或要引用頁面上的數字／日期／原句** → 不用 WebFetch。用網址抓取退路（見 WIRING.md「非官方內容抓取」）把正文存到 `<scratchpad>/<名稱>.md`（輸出已是正文 markdown；不要印到畫面上，長頁會吃掉 context），再用 Read 讀。長文先 `grep -n '^#'` 看標題，按段落範圍讀。寫給使用者的數字、日期、引文都從這個檔取，附行號。
- **只是導航**（找連結、確認頁面還在、判斷該讀哪一頁哪一段）→ 可用 `WebFetch`（快、省 token）。它的回答只用來決定下一步；要寫成事實就回上一條抓原文。

**WebFetch 拿 4xx/5xx 或內容明顯不夠（403 body / "Forbidden" / 亂碼 / < 200 字模板 / "Please enable JavaScript"）→ 必須立刻 fallback，不要回覆「官網沒爬到」「403 抓不到」就跳過——fallback 是 mandatory 不是 optional（踩坑紀錄 [[feedback_webfetch_fallback_must_trigger]]）。** 兩段退路階梯：

🔌 接線點：非官方內容抓取 — 見 WIRING.md
2. 如果腳本 exit 75/1 或仍缺研究所需內容，就升 LCU MCP（`mcp__lcu__js`）— 建立自己的任務分頁，導航指定 URL 並讀回實際內容；如果遇到 CAPTCHA、登入或核准，就按既有權限邊界回報。LCU 不可用時停止，不改走 OBU／Agent Chrome，也不把連線失敗當內容不存在。

常見觸發：

- reddit.com 整域 hardcoded refuse
- 站需 cookie / 登入 wall
- JS-only 內容 server-side fetch 拿不到
- WebFetch 抓回來但 incomplete（亂碼 / 模板 / 空白）

如果頁面是 SPA，就在抽取前依 LCU 的當次 API 說明等待實際內容，再讀回；不拿傳輸成功代替頁面就緒。

公開 HTML 研究頁先走上方 Firecrawl；如果失敗或缺內容，就接網址抓取退路（見 WIRING.md「非官方內容抓取」），exit 75/1 或仍缺關鍵內容時以正式 LCU 補讀。需要本人登入狀態、視覺／互動或直接交付 X 研究連結時已先分流；既有批次腳本維持原路。

### 執行模式

- **淺題**（單次查）：沿「來源選路」直接查選定來源；最新外部題不額外讀 wiki index。搜尋層只負責找到候選 URL，找到後接「URL 內容抓取」讀過原頁再作答；LCU 不可用時直接走網址抓取退路（見 WIRING.md「非官方內容抓取」）／`gh`／registry，不要退成只剩 WebSearch——SERP 摘要不是頁面（2026-10-15 skill-up：LCU 失敗後 7 個線上題全部停在 WebSearch、0 次抓頁，全 FAIL）。
- **深題**（多輪研究）：派**背景 subagent**（`run_in_background: true`），**main session 繼續做其他工作、不要用 `sleep` 空轉輪詢**；背景 agent 完成會自動送 task-notification，收到才 merge（禁止 `Bash sleep 60` 類 poll、也不要 Read 未完成的 output 檔）
- **個人歷史**：查 wiki／memory；如果要找對話原文，就走 session 檢索路由。
- **外部搜尋受阻或沒答案**：如果已有原文 URL，就接「URL 內容抓取」；否則依既有授權換已配置的外部來源類型。仍受阻時回報具體缺口，不改查本機歷史收錄，也不把未找到當成不存在。
- **混合題**：外部現況、本人目前資格與個人歷史分開查、分開標出處；歷史紀錄不能佐證外部現況。

From GGGODLIN/gggodlin-cc-harness, MIT.

More from GGGODLIN/gggodlin-cc-harness