Multi Lens Research

multi-lens-research v3

基于斯坦福 STORM 方法的多视角深度研究 Skill。

核心理念：不是让一个人在脑子里模拟 N 种角色——而是真的派出 N 个独立的 agent 各担任一种角色，并行分析，再让另一个 agent 合成他们的输出。

v3 新特性：多团队架构。根据场景自动选择最合适的专家团队，角色定义从 teams/ 目录按需加载，不再所有场景共用同一套角色。

⚡ 团队选择机制

根据用户输入中的关键词，自动选择匹配的专家团队：

自动模式： 如果用户输入包含"自动完成全流程"、"全自动"、"一口气跑完"、"auto"、"full auto"、"run all"等关键词，进入自动模式。自动模式匹配到的团队不变，但跳过所有 Phase 间的用户确认，直接跑完 4 个 Phase。在自动模式下，非自动模式关键词同样用于选择团队（例如"多视角自动分析一下XXX"→ 选中 default 团队并自动跑完）。

加载流程：

1. 从用户输入识别场景关键词
2. 匹配 teams/<team>/team.json 获取角色列表
3. 读取每个角色的 .md 文件获取完整 prompt
4. 如果未匹配任何关键词 → 默认加载 teams/default/
5. 同时加载 teams/shared/（Phase 2-4 角色）

触发词 / When to Use

你不需要记命令。想用的时候，直接说人话就行：

简单规则： 只要你的话里包含"多视角" + 上面的动作词，Skill 就会自动触发。

⚡ 必需：使用 Agent 工具并行启动子 agent

这是本 Skill 最核心的行为规则。不要在自己的上下文中顺序模拟 N 个角色。必须通过 Agent 工具派出独立的子 agent。

数据收集机制

子 agent 返回输出有且只有两种可靠方式：

架构概述

你（Coordinator）
├── 识别场景 → 加载 teams/<team>/team.json → 读取角色 .md 文件
├── 判断是否 auto_mode（用户输入含"自动完成"/"全自动"/"auto"等）
├── 澄清主题（如不够具体 → 先 AskUserQuestion）
│
├── ═══ Phase 1：Multi-Perspective Scan ═══
│    ├── 同一 turn 并行启动所有角色 Agent（非background）
│    │   Agent("ROLE_1 prompt")  ← 从 .md 文件读取
│    │   Agent("ROLE_2 prompt")  ← 从 .md 文件读取
│    │   ...
│    ├── 等待所有 agent 完成
│    ├── 展示每个角色的核心结论摘要
│    ├── （auto_mode 则自动继续，否则问用户）
│    │
├── ═══ Phase 2：Contradiction Map ═══
│    ├── Agent("矛盾分析师", 从 teams/shared/ 加载 prompt)
│    ├── 展示矛盾地图
│    ├── （auto_mode 则自动继续，否则问用户）
│    │
├── ═══ Phase 3：Synthesis ═══
│    ├── Agent("综合简报师", 从 teams/shared/ 加载 prompt)
│    ├── 展示综合简报
│    ├── （auto_mode 则自动继续，否则问用户）
│    │
└── ═══ Phase 4：Peer Review ═══
     ├── Agent("同行评审员", 从 teams/shared/ 加载 prompt)
     └── 展示最终完整报告

🚫 强制执行规则

核心方法（4 步 STORM 流程）

Phase 0：场景识别 + 团队加载

1. 从用户输入识别场景关键词（见上面的关键词表）
2. 如果关键词包含"自动完成全流程"、"全自动"、"一口气跑完"、"auto"、"full auto"、"run all"等 → auto_mode = true
3. 非自动模式关键词同样用于选择团队（例如"多视角自动分析一下XXX"→ 选中 default 团队 + auto_mode）
4. 匹配 teams/<team>/team.json ← 获取角色列表
5. 对每个角色 Read teams/<team>/<slug>.md ← 获取完整 prompt
6. Read teams/shared/team.json 和 Phase 2-4 的 .md
7. 在用户当前工作目录下创建工作目录 outputs/<team>/（不是 skill 目录下，而是 $(pwd) 即用户启动对话的地方）

Phase 1：Multi-Perspective Scan

在同一 turn 并行启动所有角色子 agent（非 background）：

✅ 正确做法：
   Agent("ROLE_1 prompt（从 .md 读取）", ...)
   Agent("ROLE_2 prompt（从 .md 读取）", ...)    ← 同一 turn
   ...                                              ← 同一 turn
   全部启动后 → 等待完成 → 收集结果

❌ 错误做法：
   - 分批启动（后启动的角色受前一批影响，破坏独立性）
   - background + SendMessage（子 agent 不会回复文字内容）
   - 在自己上下文里模拟角色（思维链互相污染）

每个子 agent 的 prompt 末尾追加："请将你的完整分析保存到 outputs/<team>/<role>.md 文件（相对于当前工作目录 $(pwd)）"

Phase 2：Contradiction Map

派出 1 个子 agent，使用 teams/shared/contradiction-analyst.md 中的 prompt。

Phase 3：Synthesis

派出 1 个子 agent，使用 teams/shared/synthesis-briefer.md 中的 prompt。

Phase 4：Peer Review

派出 1 个子 agent，使用 teams/shared/peer-reviewer.md 中的 prompt。

完整工作流

你（Coordinator）
│
├── 识别场景关键词 → 加载 teams/<team>/ 和 teams/shared/
│   ├── 如果关键词包含"自动完成全流程"/"全自动"/"auto"/"run all"等
│   │   → 进入自动模式（auto_mode = true）
│   └── 否则 → 标准模式（auto_mode = false）
├── 澄清主题 → 如果不够具体，先问用户
│
├── ═══ PHASE 1：Multi-Perspective Scan ═══
│    ├── 创建工作目录 outputs/<team>/（相对于当前工作目录，不是 skill 目录）
│    ├── 同一 turn 并行启动所有角色 Agent（非background）：
│    │   从 team.json 读取角色列表，对每个角色：
│    │   Read teams/<team>/<slug>.md → 获取 prompt
│    │   每个 Agent prompt 末追加保存路径
│    ├── 等待所有 agent 完成
│    ├── 收集每个角色的输出
│    ├── 展示每个角色的核心结论摘要
│    ├── （auto_mode）→ 自动继续 Phase 2，不询问
│    └── （标准模式）→ 问用户：是否继续 Phase 2？
│        是 → 继续
│        否 → 结束，或按用户要求调整
│
├── ═══ PHASE 2：Contradiction Map ═══
│    ├── Read teams/shared/contradiction-analyst.md → 获取 prompt
│    ├── Agent("矛盾分析师", {读取 Phase 1 的所有文件并分析})
│    ├── 读取矛盾地图
│    ├── 展示核心矛盾点、共识和盲区
│    ├── （auto_mode）→ 自动继续 Phase 3，不询问
│    └── （标准模式）→ 问用户：是否继续 Phase 3？
│
├── ═══ PHASE 3：Synthesis ═══
│    ├── Read teams/shared/synthesis-briefer.md → 获取 prompt
│    ├── Agent("综合简报师", {读取 Phase 1+2 的所有文件})
│    ├── 读取综合简报
│    ├── 展示 5 个关键发现 + 可操作建议
│    ├── （auto_mode）→ 自动继续 Phase 4，不询问
│    └── （标准模式）→ 问用户：是否继续 Phase 4？
│
└── ═══ PHASE 4：Peer Review ═══
     ├── Read teams/shared/peer-reviewer.md → 获取 prompt
     ├── Agent("同行评审员", {读取简报文件})
     ├── 读取同行评审报告
     └── 展示最终完整报告（所有 Phase 的输出）

关键原则

1. Agent 团队是强制性的：Phase 1 的多个角色必须作为并行子 agent 运行。这是本 skill 区别于"一个人自言自语模拟 N 种角色"的根本所在。
2. 从 teams/ 加载 prompt：不要凭记忆写角色 prompt。每次去 Read teams//.md 获取准确内容。这是"渐进式加载"的核心。
3. 英文提示词保持原文：子 agent 的 prompt 保留英文原文效果最佳。你的交互（展示给用户看、问问题）用中文。
4. 盲点优先：Phase 2 的盲点分析往往是整个分析中最有价值的部分。
5. 共识≈真相：如果所有角色都同意一个观点，它有极大概率是真的。
6. 先问再跑：如果主题不够具体，先问 2-3 个澄清问题再开始（自动模式下仍应澄清模糊主题，但不要询问"是否继续下一 Phase"这类流程性问题）。
7. 可中断、可迭代：任何一步的输出如果用户不满意，可以要求重新调整某一角色的 prompt 强度或换一个角色，重新跑那个子 agent（自动模式下同样适用；用户可随时打断，打断后转回标准确认模式）。
8. 自定义团队：用户可以创建 teams/custom/<name>/ 文件夹，放入自己的 team.json + 角色 .md 文件，skill 会自动发现。详见 teams/custom/README.md。

参考资料

• STORM paper: "Synthesis of Topic Outlines through Retrieval and Multi-perspective Question Asking" — NAACL 2024, Stanford OVAL Lab
• Live demo: storm.genie.stanford.edu
• Source code: github.com/stanford-oval/storm (MIT License)