Research Context【免费下载链接】ECCThe agent harness performance optimization system. Skills, instincts, memory, security, and research-first development for Claude Code, Codex, Opencode, Cursor and beyond.项目地址: https://gitcode.com/GitHub_Trending/ev/ECCMode: Exploration, investigation, learning Focus: Understanding before acting西班牙语版本 [docs/es/contexts/research.md](https://link.gitcode.com/i/172c25b7fc50d57ea66b90a8c79fe204) 与之完全同构Modo: Exploración, investigación, aprendizaje / Enfoque: Comprender antes de actuar说明这份上下文是 ECC 多语言本地化体系[docs/es](https://link.gitcode.com/i/8d9124c9b78671f34a9291197698e893)、[docs/ja-JP](https://link.gitcode.com/i/c2314729baf25d824e5edbd667ddd9d7)、[docs/zh-CN](https://link.gitcode.com/i/ccf80e7ce434b53a0db8ba632a55e3ff) 等的一部分可以被原样翻译并分发到不同语言的工作区中。 **适用场景**接手陌生代码库、追踪某个功能从入口到完成的调用链、在动手改代码前先搞清架构与依赖、排查不确定根因的问题。这类任务最忌讳看到什么就改什么研究上下文正是为抑制这种冲动而设计。 ## 二、行为准则四条约束防止过早编码 研究上下文用四条行为准则定义 Agent 在该模式下的底线原文英文版为 - **Read widely before concluding**先广泛阅读再下结论 - **Ask clarifying questions**提出澄清性问题 - **Document findings as you go**边推进边记录发现 - **Dont write code until understanding is clear**理解清晰之前不写代码 把这四条放在一起看本质是一条研究纪律结论是阅读的产物而非猜测的产物问题可以随时问但代码必须最后写。这与 [contexts/dev.md](https://link.gitcode.com/i/4b854b3fe95bc88872acf02b8699b1da) 的先写代码再解释Write code first, explain after形成鲜明对照——同一个工作区里研究模式负责想清楚开发模式负责做出来两者通过上下文切换而非修改项目代码来实现。 其中Document findings as you go在实践中意味着每完成一次源码探查或工具调用就把结论追加到研究笔记如 research-summary.md中而不是依赖会话记忆。这与 ECC 的记忆持久化机制一脉相承——仓库 [hooks/memory-persistence](https://link.gitcode.com/i/325b64b761352caef3f5c1989e8c476e) 下的钩子正是负责在上下文压缩PreCompact与会话结束Stop时把重要状态落盘。 ## 三、五步研究流程从问题到结论的标准路径 研究上下文定义了一个严格五步的迭代流程 1. **Understand the question**理解问题——先澄清要回答什么必要时向用户追问背景与约束 2. **Explore relevant code/docs**探索相关代码与文档——用阅读与检索定位证据 3. **Form hypothesis**形成假设——基于已读内容提出可检验的解释 4. **Verify with evidence**用证据验证——回到源码、测试与配置确认假设 5. **Summarize findings**总结发现——产出结构化结论。 这条流程的价值在于把调研从无序的随机搜索变成有假设驱动的验证闭环。以 ECC 仓库本身为例假设你想弄清研究上下文如何被加载你可以①把问题界定为上下文文件的注入机制②探索 [docs/es/the-longform-guide.md](https://link.gitcode.com/i/1a469928921df443f1f5686c3939f4aa) 与 contexts/ 目录③形成假设通过 CLI 的 --system-prompt 注入④在指南中找到 alias claude-researchclaude --system-prompt $(cat ~/.claude/contexts/research.md) 加以验证⑤把结论写入研究摘要。整个过程完全符合文档对流程的定义也印证了验证环节必须以仓库真实内容为准的原则。 ## 四、工具偏好Read、Grep/Glob 与 Explore 子代理 研究上下文明确列出了该模式下应优先使用的工具英文版原文 - **Read**用于理解代码for understanding code - **Grep, Glob**用于发现模式for finding patterns - **WebSearch, WebFetch**用于查阅外部文档for external docs - **Task with Explore agent**用于就代码库问题委派 Explore 子代理for codebase questions 前两类工具对应 ECC 工作区内的实际能力Read 即逐行阅读源码Grep/Glob 即按正则与文件名模式检索——本文所依赖的 [contexts/research.md](https://link.gitcode.com/i/5afa7d505b83fe5341a69eaf8361ec79)、[contexts/dev.md](https://link.gitcode.com/i/4b854b3fe95bc88872acf02b8699b1da)、[contexts/review.md](https://link.gitcode.com/i/7590172c6abd10f3ee4cabc244ffb9ad) 三份上下文正是通过这类检索定位到的。WebSearch/WebFetch 用于补充外部公开资料但按 ECC 的一贯口径外部资料只能辅助理解行业背景不能替代仓库内证据。 第四项尤其关键**Explore 子代理**。在 ECC 中它落地为 [agents/code-explorer.md](https://link.gitcode.com/i/c727f9c3d7a0ac7141ef3a106c7e914f) 这份 Agent 定义其描述为通过追踪执行路径、映射架构分层、记录依赖深入分析现有代码库特性为新开发提供依据配置的工具集为 Read, Grep, Glob模型为 sonnet。该 Agent 把探索过程进一步细化成五步分析法 1. **Entry Point Discovery**入口发现找到功能的主入口从用户操作或外部触发点开始追踪 2. **Execution Path Tracing**执行路径追踪沿调用链从入口走到完成标注分支逻辑、异步边界与错误路径 3. **Architecture Layer Mapping**架构分层映射识别代码触及的层及其通信方式标注可复用边界与反模式 4. **Pattern Recognition**模式识别识别既有抽象与命名/组织惯例 5. **Dependency Documentation**依赖文档化映射外部库、内部模块依赖找出值得复用的公共工具。 可以看到研究上下文中的五步流程是宏观方法论而 [agents/code-explorer.md](https://link.gitcode.com/i/c727f9c3d7a0ac7141ef3a106c7e914f) 的五步分析法是执行细节——两者配合即主 Agent 用 Task 委派 Explore 子代理子代理按固定模板返回《Exploration: [Feature/Area Name]》格式的报告。因此当研究模式启用时真正跑腿的是携带精简上下文的子代理主 Agent 得以节省 token 并专注判断——这正是 ECC 长文指南中所强调的子代理通过返回摘要而非倾倒全文来节省上下文的架构意图见 [docs/es/the-longform-guide.md](https://link.gitcode.com/i/1a469928921df443f1f5686c3939f4aa) 中El Problema de Contexto de los Subagentes一节。 ## 五、输出规范结论先行建议殿后 研究上下文的输出约定只有一句话却是整份文档的落点 **Findings first, recommendations second**发现/结论在前建议/推荐在后 西班牙语版**Hallazgos primero, recomendaciones segundo** 这条规范的价值在于沟通效率读者无论是人还是下游 Agent最关心的是你查到了什么事实其次才是基于这些事实你建议怎么做。如果把建议写在前面结论被埋没在推理过程里后续的规划与实现阶段就无法直接复用研究产出。结合 ECC 的多 Agent 流水线看研究阶段的输出如 research-summary.md会直接成为下一阶段规划的输入因此先结论后建议实际上是一种数据契约——它保证了阶段间传递的是凝练的发现而非冗长的探索日志。 与此对照[contexts/review.md](https://link.gitcode.com/i/7590172c6abd10f3ee4cabc244ffb9ad) 的输出规范是按文件分组、按严重度排序Group findings by file, severity first[contexts/dev.md](https://link.gitcode.com/i/4b854b3fe95bc88872acf02b8699b1da) 则没有显式输出模板。三份上下文各配一种输出习惯恰好覆盖了调查→规划→实施→审查链条上不同环节的信息消费方式。 ## 六、实战如何在 CLI 中启用研究模式 研究上下文的设计目标之一是按需注入而不是常驻会话。ECC 长文指南[docs/es/the-longform-guide.md](https://link.gitcode.com/i/1a469928921df443f1f5686c3939f4aa) 第 66–75 行给出了三组直接可用的 shell 别名 bash # Desarrollo diario日常开发 alias claude-devclaude --system-prompt $(cat ~/.claude/contexts/dev.md) # Modo de revisión de PRPR 审查模式 alias claude-reviewclaude --system-prompt $(cat ~/.claude/contexts/review.md) # Modo de investigación/exploración研究/探索模式 alias claude-researchclaude --system-prompt $(cat ~/.claude/contexts/research.md)使用要点与限制注入方式把 contexts/research.md 的内容作为--system-prompt传入即可让当前会话以研究人格运行用完新开会话避免研究人格污染后续开发。权威层级按指南中的说明系统提示词system prompt的权威高于用户消息用户消息的权威高于工具结果。因此用--system-prompt注入的上下文能够稳定约束 Agent 行为而非仅仅是一条建议。放置位置别名中假设文件位于~/.claude/contexts/用户级而仓库内对应文件位于contexts/项目级。你可以按自己的安装方式复制或软链如果希望项目级生效则直接引用仓库中的 contexts/research.md 路径即可。适用前提该模式针对 Claude Code 系的 CLI 设计claude命令 --system-prompt在其他兼容 ECC 的编码工具Codex、Opencode、Cursor 等上需按各自支持的注入方式等价转换。七、在多 Agent 流水线中的位置研究即第一阶段研究上下文并非孤立存在它是 ECC 顺序编排流水线的起点。长文指南docs/es/the-longform-guide.md 第 269–277 行定义了五阶段编排Fase 1: INVESTIGACIÓN (usa agente Explore) → research-summary.md Fase 2: PLANIFICACIÓN (usa agente planner) → plan.md Fase 3: IMPLEMENTACIÓN (usa agente tdd-guide) → cambios en el código Fase 4: REVISIÓN (usa agente code-reviewer) → review-comments.md Fase 5: VERIFICACIÓN (usa build-error-resolver si es necesario) → terminado o vuelve al inicio【免费下载链接】ECCThe agent harness performance optimization system. Skills, instincts, memory, security, and research-first development for Claude Code, Codex, Opencode, Cursor and beyond.项目地址: https://gitcode.com/GitHub_Trending/ev/ECC创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考