grounded-research-benchmark

Grounded Research & Cognitive Benchmark Skill

1. Overview & Philosophy

Khi đối mặt với một bài toán kiến trúc mới, công nghệ lạ, hoặc khi độ tin cậy thấp, Agent KHÔNG ĐƯỢC PHÉP ĐOÁN MÒ (Zero Guesswork / Zero Hallucination). Skill này quy chuẩn hóa quy trình Cognitive Triangulation: $$\text{Kiến Trúc Tối Ưu} = \mathcal{F}(\text{Kinh Nghiệm Nội Bộ SQLite},\ \text{Mẫu Chuẩn GitHub 10k+},\ \text{Ràng Buộc Thực Tế Của Dự Án})$$

---

2. Trigger Conditions

Kích hoạt skill này khi:

1. Thiết kế hoặc thay đổi kiến trúc quan trọng (Database schema, State Machine, Caching, IPC, Subagents).
2. Tác vụ có độ bất định cao (Confidence Score < 0.70).
3. Đã thử sửa lỗi 2 lần liên tiếp (failureStreak >= 2) nhưng test vẫn thất bại.
4. Tích hợp thư viện mới chưa có trong codebase hiện tại.

---

3. Mandatory 5-Phase Execution Protocol

Phase 1: Internal Memory Recall (Đọc SQLite không tràn context)

1. Gọi kilo_memory_report hoặc đọc các gợi ý tại Gate 1 để lấy danh sách:
   • Các memory_facts đang có hiệu lực.
   • Các bài học kinh nghiệm (learning_reflections) của các session trước.
2. Trích xuất các cạm bẫy đã được ghi nhận (wrongPathsEncountered) để không lặp lại.

Phase 2: External Grounding & Low-Confidence Escalation

1. Đánh giá sơ bộ độ tin cậy (Confidence Evaluation):
   • Nếu chưa nắm rõ thư viện / API, BẮT BUỘC kích hoạt Research Subagent (invoke_subagent với role research).
   • Subagent tra cứu GitHub (Repo 10k+ stars), tài liệu llms.txt, và AST Signatures trong sandbox riêng.
   • Trả về bản tóm tắt tinh hoa (< 500 tokens) cho Agent chính, tránh làm nổ context window.

Phase 3: Cognitive Triangulation & Atomic Persistence (Gate 2)

1. Gọi kilo_triangulate_research với:
   • internalMemoryLearned: Bài học cũ từ SQLite.
   • externalGroundingPatterns: Mẫu thiết kế chuẩn từ GitHub.
   • dagOptions: So sánh cụ thể ít nhất 2-3 phương án:
     • Option A: Cách cũ trong DB (hoặc giữ nguyên hiện trạng).
     • Option B: Porting nguyên mẫu từ GitHub.
     • Option C: Tích hợp tinh hoa (Triangulated Synthesis) tối ưu cho dự án.
   • chosenOption: Phương án được chọn kèm lý do.
   • confidenceScore: Điểm tin cậy [0.0 - 1.0]. Nếu < 0.70, tool tự động kích hoạt cờ cảnh báo Research Escalation.
2. Gọi kilo_grill_plan để phản biện rủi ro Adversarial Red-Team (Inversion, Simplification, Blast Radius).
3. Gọi kilo_benchmark_solution để so khớp với chuẩn công nghiệp.