Research Solution Supervisor：监督 AI 是否真正推进研究的研究型 Skill Skill 技能

Research Solution Supervisor（研究方案监督）是一个面向研究型工作的 AI 监督技能。它的定位很特别：不负责把研究重新做一遍，而是判断 AI 给出的回答、调研、推导或方案建议，是否真正推进了用户的研究目标，并把结论转换成下一步可执行的动作。它监督的是"研究有没有往前走"，而不是"内容看起来多不多"。

这个技能借鉴了 Intent Debugger 的思路：先把目标和判断标准说清楚，再评估当前输出是否满足这些标准。区别在于，Intent Debugger 更偏"把模糊意图变成可确认需求"，而 Research Solution Supervisor 更偏"监督 AI 是否让研究方案真的向前走"。它适合在你已经有一个研究目标、方案或阶段性计划，且 AI 刚给出一版输出、你需要判断这版输出是否足够可靠的时刻使用。

核心能力

1. 推进判断：把当前 AI 输出归类为"已较好解决 / 部分解决 / 尚未解决 / 需要先补证据 / 需要用户决策"五种状态。
2. 缺口暴露：指出真正影响研究推进的缺口，而不是泛泛地修改文风或挑字眼。
3. 证据监督：区分已确认事实、AI 声称、推断和仍需验证的信息，避免把"说得有道理"误当成"证据充分"。
4. 下一步动作：给出最小但有效的后续行动，例如下一轮提示词、证据清单、实验任务、比较表或需用户决策的问题。
5. 流程控速：帮助用户判断该继续、修订、验证，还是暂停依赖当前结果。

工作原理

一次典型的监督会输出四块内容：一是推进判断，判断当前 AI 工作是否解决了本阶段问题；二是关键缺口，列出哪些缺失、冲突或证据不足会影响继续推进；三是下一步动作，说明下一轮最该做什么，必要时给出可直接发送的 prompt；四是当前状态，说明哪些结论可暂时视为成立、哪些仍然不能依赖。

安装配置

1. OpenAI Codex：把 skill/research-solution-supervisor 复制到 Codex 可发现的 skills 目录，例如 mkdir -p "$HOME/.agents/skills" 后复制进去；部分 Codex Desktop 环境的目录可能是 $CODEX_HOME/skills 或 $HOME/.codex/skills。
2. Claude Code：把同一个 skill 文件夹复制到 .claude/skills 或用户级 skills 目录，例如 mkdir -p .claude/skills 后 cp -R 复制。
3. DeepSeek：DeepSeek API 不会自动读取本地 SKILL.md，需把 SKILL.md 说明作为 system/developer prompt 注入对话，再把研究方案与 AI 输出作为待监督材料传入。

使用步骤

1. 写明你的研究目标，例如"比较几种数学建模思路，找出最适合比赛论文的方案"。
2. 把当前 AI 给出的方案、调研或推导作为待监督材料一并提供。
3. 明确提出诉求：请判断它是否真正推进了研究流程，指出关键缺口。
4. 根据输出的"下一步动作"继续下一轮提示词、补证据或做用户决策。

适用场景

• 研究方案监督：判断一版方案是否足以进入下一步。
• AI 输出质量审查：识别"内容很多但没有推进"的假进展。
• 阶段性推进判断：在关键节点决定继续、修订还是验证。
• 证据与推理检查：把已确认事实、AI 声称和推断分开。
• 人机协作研究控速：避免研究长时间停留在原地。

适用人群

需要长期与 AI 协作推进研究的人，包括科研与竞赛选手、做方案评审的产品与研究人员，以及希望把 AI 输出纳入严格质量控制流程的团队。

不适用

普通代码 review、单纯润色文档、没有研究目标或方案背景的泛泛评价，以及已明确要执行的实现任务。

官方链接

GitHub 仓库：https://github.com/bydtesla1609/research-solution-supervisor