中文 | English
把严谨科研方法做成可复用的 AI Agent 技能：采集材料、界定证据、做判断与决策、实验验证，并以可追溯方式把结论写入文件。
研究 ≠ 堆材料。 OmniResearch（OMR）把「深研」拆成可组合的技能生命周期：
采集 → 分析（界定 · 证据 · 判断 · 规划）→ 决策 → 验证 → 落盘写回
目标不是替你「搜一堆链接」，而是让 Agent 在明确证据边界下推进研究，并留下可检查、可复现、可回滚的产物。
| 场景 | 你会怎么用 |
|---|---|
| 文献调研 / Survey | 批量收论文与仓库 → 画证据图 → 写成 survey |
| 从想法起步 | 先记假设 → 再决策 / 实验 → 回填证据 |
| 架构选型 | 先写下备选与取舍 → 用证据与评估约束决策 |
| 快速验证假设 | 先做原型与评估 → 再补分析与综合 |
| 持续迭代课题 | 新证据到来时 reconcile，保留版本与影响范围 |
| 多人 / 多 Agent 协作 | 状态都在文件里（.omr/、docs/、materials/），可审查、可交接 |
安装后，在 Cursor、Claude Code、Codex 等支持 Agent Skills 的环境中，用斜杠命令按需调用即可。
一句话：Skills + Tree + Gates + Patterns + Reconciliation。
| 原则 | 含义 |
|---|---|
| 证据边界 | 主张必须标成 proven / suggested / inferred，禁止过度宣称 |
| 技能可组合 | 技能是原料，不是固定流水线；模式是可保存的配方 |
| 产物即状态 | 进度与结论都在文件中，无隐藏内存状态 |
| 质量门禁 | Gate A–D 约束推进；Gate L 支持「再挖一层 vs 往前走」 |
| 可追溯写回 | 综合报告落盘；聊天只给摘要与路径 |
| 迭代是常态 | 新证据触发 reconcile，而非推倒重来 |
与「一键总结网页」类工具的差别：OMR 强调边界、门禁、模式与可复现产物，适合需要严肃论证的科研与工程研究。
建议一次性装齐全部 9 个技能，才能走完采集 → 分析 → 决策 → 评估 → 综合（以及灵感记录、证据调和）的完整能力。只装一部分会导致后续阶段不可用。
完整说明（三种方式、各 Agent 路径、排错）：技能安装指南
跨 Cursor / Claude Code / Codex 等 Agent，一条命令批量安装：
npx skills add OMNILab/omni-research --skill '*' -g -y/plugin marketplace add OMNILab/omni-research
在插件界面安装 omniresearch 下的全部 omr-* 技能。
git clone https://github.com/OMNILab/omni-research.git
cp -R omni-research/skills/omr-* ~/.cursor/skills/ # Cursor 示例
# 或 ~/.claude/skills/、~/.agents/skills/ 等，见安装指南也可打包为 .skill 后再解压到对应目录（见安装指南）。
/omr-bootstrap "你的研究主题"
只会创建：
AGENTS.md— 给 Agent 的项目说明.omr/tree-state.json— 技能进度状态
materials/、docs/、wiki/、src/ 等目录在对应技能首次写入时按需创建。
| 目标 | 调用 |
|---|---|
| 采集论文 / 仓库 / 网页 | /omr-collection |
| 记录灵感或假设 | /omr-idea-note |
| 梳理证据并规划下一步 | /omr-analyze |
| 记录架构决策 | /omr-decision |
| 设计并运行评估 | /omr-evaluation |
| 写报告到文件 + 聊天摘要 | /omr-synthesis |
| 新证据到来后更新状态 | /omr-reconcile |
示例 — 证据优先路径
/omr-bootstrap "agent memory mechanisms"
/omr-collection "https://arxiv.org/abs/2402.12345"
/omr-analyze
/omr-decision
/omr-evaluation
/omr-synthesis --mode survey
omr-synthesis 始终把完整报告写入 docs/<mode>/，聊天中只返回路径、关键发现与门禁状态摘要。
| 技能 | 对你的作用 | 说明 |
|---|---|---|
| omr-core | 共享基础设施（契约、模式、技能树） | SKILL.md |
| omr-bootstrap | 启动研究工作区 | SKILL.md |
| omr-collection | 采集论文、仓库、网页、数据集 | SKILL.md |
| omr-analyze | 证据图、判断与研究计划 | SKILL.md |
| omr-decision | 带备选方案的架构决策 | SKILL.md |
| omr-evaluation | 实验设计与验证 | SKILL.md |
| omr-synthesis | 报告落盘 + 聊天摘要（可选 wiki） | SKILL.md |
| omr-idea-note | 随时记录灵感 | SKILL.md |
| omr-reconcile | 证据变化时更新研究状态 | SKILL.md |
流程总览：技能流程图
可以从你当前所处阶段切入，不必总从文献综述开始。
| 模式 | 入口 | 适合场景 |
|---|---|---|
| Evidence-First | /omr-collection |
从文献系统调研 |
| Idea-First | /omr-idea-note |
先有假设再验证 |
| Decision-First | /omr-decision |
先有架构立场 |
| Experiment-First | /omr-evaluation |
先做原型/实验 |
| Rapid-Prototype | 采集 → 综合 | 快速形成初稿 |
| Loop | /omr-idea-note 或 /omr-collection |
用 Gate L 循环深化想法或证据 |
| 门禁 | 时机 | 保证 |
|---|---|---|
| A | omr-analyze 内部 |
规划前证据边界与置信度清楚 |
| B | 固化决策前 | 备选方案与风险已记录 |
| C | 采信评估前 | 指标与可复现性明确 |
| D | 发布综合报告前 | 可追溯，且无过度宣称 |
| L | Loop 模式（analyze / idea-note） | 继续深化，或推进到下一阶段 |
详见：质量门禁
my-project/
├── AGENTS.md # bootstrap 创建
├── .omr/
│ ├── tree-state.json # bootstrap 创建
│ └── loop-state.json # Loop / Gate L 激活时
├── materials/ # 按需 — 采集材料
├── docs/ # 按需 — 计划、报告、索引
├── wiki/ # 按需 — 概念页面
└── src/ # 按需 — 原型 / 实验
静态技能规范保留在已安装技能目录（如 ~/.cursor/skills/、~/.claude/skills/、~/.agents/skills/）。研究项目只在 .omr/ 保存可变状态。
| 用途 | 链接 |
|---|---|
| 安装与配置 | 技能安装指南 |
| 设计总览 | 设计文档索引 · 概述 · 原则 |
| 技能与契约 | 技能参考 · Agent Skill 规范 |
| 日常流程 | 工作流 · 模式 · 门禁 |
| 可视化 | 技能流程图 |
面向开发的目录布局与打包脚本见 skills/ 与 scripts/。普通研究使用请优先阅读上文与 安装指南；深入实现细节可进入设计文档。