Communitygithub.com

TIKAZI/TIKAZ-Codex-Knowledge-Research

可溯源的研究与决策,配备证据账本、分歧记录、置信度评估和知识反馈机制。

TIKAZ-Codex-Knowledge-Research 是什么?

该技能为AI代理(如Claude Code、Codex等)提供了一套完整的研究与知识管理方法论,确保所有决策和结论都有可靠来源和清晰记录。它要求代理在执行研究任务时,先定义问题边界和证据阈值,然后有选择地转换源文件,并明确研究的所有者类型(学术研究、产品策略或个人业务运营)。核心机制是构建一个包含来源、日期、主张、支持/反驳证据、置信度和相关性的“证据账本”,并要求在代理改变执行计划时才记录知识采纳,在获得用户或客观证据时才记录成功。支持平台包括任何遵循这一结构化指令的AI代理环境,通过强制要求可重现的源踪迹、可见的不确定性、反驳证据以及无虚构引用,从根本上消除了AI幻觉和“黑箱决策”问题,特别适合需要高度可信和可审计输出的研究场景。

兼容平台~Claude Code✓Codex CLI~Cursor
npx skills add TIKAZI/TIKAZ-Codex-Knowledge-Research

在你喜欢的 AI 中提问

打开一个已预加载此 Agent Skill 的新对话。

文档

知识与研究

由 TIKAZ 设计、集成、重构并持续维护。

TIKAZ 方法

  1. 定义问题、决策、时间边界、来源类型和证据阈值。
  2. 仅当必要时使用 document-to-markdown 转换源文件;转换不等于验证。
  3. 选择一个所有者:academic-research(学术研究)、product-strategy(产品策略)或 solo-business-operations(个人业务运营)。
  4. 在重要的可复用工作前,通过 personal-knowledge-memory 检索个人知识,但仅将其视为候选历史上下文。
  5. 构建一个包含来源、日期、主张、支持、反驳、置信度和相关性的证据账本。
  6. 仅当知识改变执行时才记录知识采纳;仅凭用户或客观证据才记录成功。

完成门控

要求具备可重现的源踪迹、可见的不确定性、反驳证据、无虚构引用、与原始问题匹配的决策或综合结果,以及一份需要未来重新验证的主张列表。

阅读 references/routing.md 和 references/output-contract.md。

相关技能