codex-research-library 是做什么的？
本地优先的 Codex 技能，用于严格的多智能体研究与分类知识管理。
本技能为 Codex 环境提供了一套工具和流程，使多个 AI 智能体能够协同进行深入研究，并将发现自动归类为结构化、可检索的知识库。所有数据均存储在本地，无需依赖外部服务器或云服务，从而在保证隐私与速度的同时实现完整的数据所有权。
主要特性
- 多智能体协作：支持任意数量智能体分工执行采集、验证、总结与分类等子任务。
- 本地优先：所有研究数据与知识条目仅保存在用户指定的本地目录中，不发送至第三方。
- 分类知识管理：研究成果按预定义或动态生成的标签、类别进行结构化组织，便于后续检索与复用。
- 可扩展的规则系统：用户可通过简单的 YAML 配置文件自定义研究流程、分类规则与输出格式。
- 与 Codex 深度集成：利用 Codex 的对话管理、文件读写与工具调用能力，实现无缝工作流。
使用方式
激活技能
在 Codex 中，使用自定义指令加载本技能：
/custom-install StepanZagray/codex-research-library
典型工作流
- 发起研究：向 Codex 发送研究请求，例如“调研最新的 Rust Web 框架”。
- 智能体分工（可选）：指定多个智能体各自负责不同子方向。
- 自动采集与整理：技能自动抓取相关信息，去除噪音，并提取关键内容。
- 知识入库：将处理后的结果按类别（如框架、性能、社区活跃度）存入本地知识库。
- 查询与复用：后续可通过自然语言查询已有知识条目，或作为新研究的背景信息。
配置
在项目根目录下创建 .codex-research.config.yaml 文件，示例：
research:
output_dir: ".research-knowledge" # 知识库存放路径
max_agents: 5 # 并行智能体数量
categories:
- "技术-框架"
- "技术-语言"
- "最佳实践"
- "工具链"
classification:
strategy: "auto" # 可选 "auto" 或 "manual"
fallback_category: "通用"
目录结构
执行研究后，输出目录结构如下：
.research-knowledge/
├── 技术-框架/
│ ├── rust-actix-web.md
│ └── rust-rocket.md
├── 技术-语言/
│ └── rust-language-trends.md
├── 最佳实践/
│ └── async-rust-guidelines.md
└── index.json # 全局索引，供快速检索
依赖
- Codex 0.8.0 或更高版本
- 支持 Markdown 文件的本地文件系统
- 可选：网络连接用于在线研究（本地模式下无需）
许可
MIT
贡献
欢迎提交 Issue 和 PR。请确保所有更改附带英文文档注释。
由 StepanZagray 开发并维护