multi-ai-research

Multi-AI Research（并行多 AI 交叉验证）

核心价值：能力乘法，不是加法。Claude（主脑）+ grok（X 社区/实时）+ gemini（Google 生态/结构化）+ N 个内部 sub-agent = N+3 个 agent 并行处理同一个研究问题。

关键洞察（2026-04-08 实战验证）：两个独立外部 AI 的共识信号 强于 任何单个 AI 的深度。"更深度" < "更少错"。

和 ask-opencli 的关系：

• ask-opencli = 单次 grok 或 gemini 调用（日常 second opinion）
• multi-ai-research = 完整调研工作流，并行多 AI + 内部数据 + 交叉验证 + 自动仲裁

如果用户只是想"问 grok 一个问题"，用 ask-opencli。如果用户要做"深度调研"或"交叉验证多个维度"，用这个 skill。

何时触发

✅ 适合

• 深度研究任务（手动做 >30 分钟）
• 行业机制问题（算法规则、产品决策、社区共识）
• 需要外部共识加权的内部数据推断
• 时效性问题（grok 有实时 X 数据，gemini 有最新 web 索引）
• 反转既有假设（数据 vs 理论冲突时仲裁）
• 新工具/新做法的可行性调研

❌ 不适合

• 纯代码推理（单个 Claude 足够）
• 需要深度项目 context 的任务（外部 AI 不了解你的代码库）
• 快速事实问答（<30 秒能解决，并行开销不值）
• 创意生成（单家强模型即可）

工作流（7 Phase）

Phase 1：问题分解（Claude 自动 + 用户可覆盖）

从用户的一个研究问题，自动拆分成：

1. 内部数据查询（1-5 个 sub-agent 并行）

   • 数据分布/量化分析
   • 内容对比/质性分析
   • 多维度切分
   • 时序/趋势分析
   • （按需增加）

2. 外部理论查询（2 个 Bash 并行）

   • grok：侧重实时/社区/X 信号
   • gemini：侧重结构化/框架/长推理

默认分解策略：

• 3 个内部 agent + 2 个外部 AI = 5 个并行任务
• 如果用户问题偏理论 → 减少内部 agent 到 1-2 个，加大外部 AI 权重
• 如果用户问题偏数据 → 加到 4-5 个内部 agent，只跑 2 个外部 AI 做交叉

用户可覆盖：用户明确说"只问 grok 和 gemini"或"只派内部 agent"时按用户指令。

Phase 2：Prompt 自动生成

对每个并行任务，自动生成具体 prompt：

内部 agent prompt 模板

你的任务是**只读数据分析**，不要修改任何文件。

## 背景
{{研究问题的 2-3 句背景描述}}

## 数据源
{{数据库路径或文件列表}}

## 任务
{{具体要查的维度，1-5 个 task}}

## 输出格式
- 结构化 markdown 报告
- 每个结论标注 n（样本数）和 置信度
- 3 屏幕内
- 纯文本返回，不要尝试写文件

grok / gemini prompt 模板

{{研究问题的精简描述，≤300 字}}

具体问：
(1) {{子问题 1}}
(2) {{子问题 2}}
...

请基于 2026 年上半年真实情况/最新数据回答，要具体可引用。

关键要求：问 grok 和 gemini 的 prompt 必须一致（独立对比的前提）。

Phase 3：并行派发（一条消息多个工具调用）

Tool 1: Agent (general-purpose)  run_in_background=true  [内部数据 agent A]
Tool 2: Agent (general-purpose)  run_in_background=true  [内部数据 agent B]
Tool 3: Agent (general-purpose)  run_in_background=true  [内部数据 agent C]
Tool 4: Bash run_in_background=true  [OPENCLI_BROWSER_COMMAND_TIMEOUT=300 opencli grok ask "..." --timeout 300 -f json]
Tool 5: Bash run_in_background=true  [opencli gemini ask "..." --format plain]