/swarm

创建一个智能体团队，从多个角度并行研究“$ARGUMENTS”。

团队结构

启动 3 名队友，每位队友具有明确且互不重叠的研究焦点：

1. 市场研究员

聚焦领域：竞品分析、市场规模、定价模型、商业模式。

• 搜索直接与间接竞品
• 查找包含 TAM/SAM/SOM 数据的市场研究报告
• 分析定价策略与变现方式
• 识别市场空白与潜在机会
• 在 Product Hunt、G2、Capterra 等平台核查现有产品

2. 用户研究员

聚焦领域：用户痛点、用户情绪、功能需求。

• 在 Reddit 搜索用户讨论（通过 WebSearch 使用 site:reddit.com ，或在支持时调用 MCP web_search）
• 在 Hacker News 搜索技术社区观点（site:news.ycombinator.com）
• 若支持 MCP session_search：检查该想法是否曾在历史会话中被研究过
• 查找应用评论与评分数据
• 提取用户关于使用挫折的原始引述
• 识别未被满足的需求与具体功能请求

3. 技术分析师

聚焦领域：可行性评估、技术栈选型、现有解决方案、实现复杂度。

• 在 GitHub 搜索开源替代方案（site:github.com ）
• 评估不同技术栈选项
• 若支持 MCP project_info：检查已有项目中可复用的代码
• 若支持 MCP codegraph_explain：获取相似现有项目的架构概览
• 若支持 MCP codegraph_query：查找跨项目共享的依赖包
• 若支持 MCP project_code_search：在已有项目中搜索可复用的设计模式、服务与基础设施组件
• 评估实现复杂度与预估开发周期

搜索后端

各队友应根据可用性选择合适的搜索工具：

• WebSearch（内置）——适用于广域发现与市场报告检索，始终可用
• WebFetch——用于对特定 URL 进行深度抓取以获取细节信息，始终可用
• MCP web_search（如可用）——支持搜索引擎路由的增强型搜索
• MCP kb_search（如可用）——在本地知识库中检索相关研究资料

域名过滤：使用 site:github.com、site:reddit.com 等语法实现精准结果筛选。

协作机制

• 每位队友将研究成果写入共享任务列表
• 所有队友必须在获得整体研究计划审批后，方可开展深度调研
• 全部调研完成后，整合三者成果生成 research.md
• research.md 文件格式须遵循 /research 技能所定义的标准

输出要求

团队完成全部工作后，负责人需执行以下操作：

1. 综合三位队友的所有研究成果
2. 将生成的 research.md 写入当前项目目录下的 docs/ 子目录
3. 给出明确决策建议：GO / NO-GO / PIVOT
4. 推荐下一步操作：/validate

常见问题

智能体团队不可用

原因：CLAUDE_CODE_EXPERIMENTAL_AGENT_TEAMS 环境变量未启用。
解决方法：确保 .claude/settings.json 中配置了 "env": {"CLAUDE_CODE_EXPERIMENTAL_AGENT_TEAMS": "1"}。

队友产出内容高度重复

原因：各研究方向边界不清晰。
解决方法：每位队友严格限定于单一维度（市场 / 用户 / 技术），最终由负责人统一整合并去重。

网页搜索返回结果有限

原因：未配置额外的搜索后端。
解决方法：队友默认回退至始终可用的内置 WebSearch；若需更丰富的定向结果（如 Reddit、GitHub、YouTube 等来源），请部署 SearXNG（私有、自托管、免费）并配置 solograph MCP。