Research Best Practices — Meta 研究 Skill
SkillAI & modelsResearch external Claude Code best-practice sources (GitHub repos, official docs, blogs), compare them against the current workspace in a gap analysis, and produce an actionable list of recommendations.
Available today. Use it from your connected AI after setup.
No other account needed.
Connect ahel once, and every AI you use reads what you have installed.
Then ask your AI: use the Research Best Practices — Meta 研究 Skill skill
What this skill tells your AI
The instructions your AI receives, as published by zeuikli/claude-code-workspace in .claude/skills/research-best-practices/SKILL.md and read by ahel’s review.
觸發條件(何時使用)
以下情境適合啟動本 Skill:
- 季度審計:每季定期審查 workspace 設定是否跟上社群最新做法
- 官方 major update:Anthropic 發布 Claude Code 重大版本或新功能時(如
/ultraplan、/ultrareview、Voice mode) - 發現新 community repo:使用者找到新的高星 best practice repo 想評估是否採納
- 新指令公告:Thariq 或 Boris 發表新 tip 時,對照 workspace 評估採納優先級
執行流程(7 步驟,三層模型)
Step 1 — Fan-out 研究(Haiku)
平行啟動 researcher subagent × N,每個負責一個來源:
- 每份研究摘要限制在 350 字以內
- 不貼原始檔案內容,只產出結構化摘要(含:關鍵做法、理由、適用條件)
- 使用
context: fork確保原始內容留在 child context,不污染主對話
Step 2 — 現狀盤點(Haiku)
枚舉現有 workspace 設定,建立現狀清單:
.claude/skills/ → 現有 Skills 列表
.claude/agents/ → 現有 Agents 列表
.claude/hooks/ → 現有 Hooks 列表
.claude/rules/ → 現有 Rules 列表(含 @ auto-load 與 lazy-load 分類)
輸出格式:每個項目一行,附簡短功能描述。
Step 3 — Gap Matrix(Sonnet)
對照 Step 1 研究摘要與 Step 2 現狀清單,產出 gap matrix:
| 現有(Existing) | 缺口(Gap) | 來源(Source) |
|---|---|---|
| 已有類似功能的項目 | 尚未實作或明顯不足之處 | 建議的參考來源 URL |
優先標記:高價值(High)/ 中等(Medium)/ 低價值(Low)。
Step 4 — Advisor 確認(Opus advisor)
呼叫 advisor 工具,提交 gap matrix,詢問:
- 哪些缺口值得實作(reason:ROI、複雜度、與現有系統的相容性)
- 哪些缺口應跳過(reason:重複、過度工程、不符合本 workspace 使用情境)
不要在 advisor 確認前動手實作任何東西。
Step 5 — 實作(Sonnet implementer)
僅實作 Step 4 中 advisor 核准的項目:
- 新 rules 放入
.claude/rules/(lazy-load,不加@) - 新 skills 放入
.claude/skills/<name>/SKILL.md - 新 agents 放入
.claude/agents/<name>.md - 修改 CLAUDE.md 的 lazy-load 表(如需新增觸發條件)
Step 6 — 審查(Opus reviewer)
請 Opus 審查實作品質:
- 是否符合 workspace 既有風格
- 是否有多餘或重複的內容
- Frontmatter 格式是否正確
- 是否有任何安全或操作風險
Step 7 — 提交
git add <具體檔案路徑>
git commit -m "feat: apply best practice gap analysis from <date>"
git push -u origin <branch>
失敗時重試 4 次,間隔:2s / 4s / 8s / 16s。
研究來源
預設來源清單見:references/sources.md
執行時可附加臨時來源:在呼叫本 Skill 時於 prompt 中列出額外 URL。
Gotcha(注意事項)
- 不要把原始檔案內容塞進主對話:researcher subagent 只回傳摘要(≤350 字),原始網頁內容、完整 README 等留在 child context。
- 新 rules 進 lazy-load 表,不加
@auto-load:避免增加每次 session 啟動的 context 負擔;@只保留給真正「常駐必要」的規則。 - 既有功能的同類實作要跳過:若 workspace 已有類似效果的 rule/skill/agent,不要重複建立。避免重複發明(reinventing the wheel)。
- advisor 確認後才動手實作:Step 4 是強制關卡,不可跳過。高確定性的項目也應讓 advisor 快速過目,確保不遺漏邊界案例。
- 數量不是目標,精簡優於大量:workspace 設定的可維護性比覆蓋面更重要。10 個高品質的項目勝過 30 個低價值的項目。
- ⚠️ Researcher subagent 會幻覺(Hallucination Risk):研究型 subagent 常捏造 URL、百分比、功能名稱、repo 名稱。Step 4 (Advisor) 的核心職責之一就是攔截這些幻覺。
驗證清單:
- Hook 事件名稱 → 必須對照
code.claude.com/docs/en/hooks(官方一次列出所有事件) - 社群 repo → 用
site:github.com <repo-name>搜尋確認存在 - 功能名稱(如 "AutoDream", "Task Memory")→ 找官方 blog 或 changelog 一手來源
- 效能數字("20%→50% activation")→ 無一手來源即視為捏造,不引用
- Hook 事件名稱 → 必須對照
Signals
- GitHub stars
- 156
- Forks
- 38
- Last commit
- Sep 2026
Advanced
- Catalog kind
- skill
- Gateway key
research-best-practices- Source
- github.com/zeuikli/claude-code-workspace