rapid-triage

$npx mdskill add yogsoth-ai/de-anthropocentric-research-engine/rapid-triage

快速粗筛:当 gap 数量极大(50+)时,先用二元过滤快速淘汰明显不合格的 gap,再对幸存者做轻量评分,将候选集压缩到可精排的规模。

SKILL.md
.github/skills/rapid-triageView on GitHub ↗
---
name: rapid-triage
description: "Strategy: 快速粗筛——两轮过滤将大量 gaps 压缩为可精排的候选集"
version: 1.0.0
category: hypothesis-formation
type: strategy
campaign: gap-prioritization
tactics:
  - scoring-matrix-construction
sops:
  - gap-normalization
  - importance-scoring
  - feasibility-scoring
  - priority-synthesis
dependencies:
  skills:
    - context-management
    - subagent-spawning
---

# Rapid Triage

快速粗筛:当 gap 数量极大(50+)时,先用二元过滤快速淘汰明显不合格的 gap,再对幸存者做轻量评分,将候选集压缩到可精排的规模。

## 适用场景

- gap 数量极大(50+),无法对每个 gap 做完整多维度评分
- 时间或计算资源有限,需要快速得到初步排序
- 作为 multi-criteria-ranking 或 portfolio-optimization 的前置步骤
- 需要向团队快速展示"哪些 gap 不值得考虑"

## 思维框架

**核心原则**:不要对垃圾做精细排序。先淘汰,再精排。

两轮过滤:

**第一轮:二元过滤(Keep / Drop)**
对每个 gap 问三个是非题:
- 这个 gap 在我们的研究范围内吗?(范围过滤)
- 这个 gap 在技术上是否可解决的(非哲学问题、非无限问题)?(可解性过滤)
- 这个 gap 是否已有充分的近期工作在解决?(新颖性过滤)

任一答案为"否"→ Drop。通过三关 → 进入第二轮。

**第二轮:轻量评分(1–3 分,两维度)**
对幸存 gap 只评两个维度:
- 重要性(1–3):领域影响力的粗略估计
- 可行性(1–3):以现有资源能否在 6 个月内取得进展

得分 = 重要性 × 可行性(最高 9 分)。取 top-K(K = 目标精排数量)进入下一阶段。

**关键洞察**:第一轮的三个问题必须快速回答(每个 gap 不超过 30 秒),不允许深度分析。速度是这个策略的核心价值。

## Budget Gate

| Tier | 输入 Gap 数量 | 第一轮保留率 | 第二轮输出 | 最终产出 |
|------|------------|------------|---------|---------|
| S | 50–80 | ≤60% | top-15 | 候选集 + 淘汰理由摘要 |
| M | 81–150 | ≤50% | top-20 | 候选集 + 淘汰理由摘要 |
| L | 150+ | ≤40% | top-30 | 候选集 + 淘汰理由摘要 + 分类统计 |

## 默认参考流

1. 调用 `gap-normalization` SOP:统一 gap 格式,为每个 gap 生成一句话摘要
2. 执行第一轮二元过滤:对每个 gap 回答三个是非题,标记 Keep / Drop
3. 记录 Drop 理由(范围外 / 不可解 / 已被充分研究)
4. 对 Keep 集合调用 `importance-scoring` SOP(1–3 分粗评)
5. 对 Keep 集合调用 `feasibility-scoring` SOP(1–3 分粗评)
6. 调用 `scoring-matrix-construction` tactic:构建轻量评分矩阵
7. 按重要性 × 可行性排序,取 top-K
8. 调用 `priority-synthesis` SOP:输出候选集 + 淘汰统计

## context-checkpoint

每轮结束后记录:
- 第一轮过滤结果(Keep/Drop 数量 + Drop 原因分布)
- 第二轮评分矩阵(幸存 gap × 2 维度)
- 最终候选集(top-K gap 列表)
- 建议的下一步策略(multi-criteria-ranking 或 portfolio-optimization)
More from yogsoth-ai/de-anthropocentric-research-engine