把散落的来源，织成能看出"哪里站得住、哪里站不住"的研究。

English

已归档（2026-07-13）：Loom 不再作为当前维护入口。新的研究主干已迁移到 KKenny0/weave，请安装和使用 weave。

deep-read、source-dive、survey 已在 weave 统一；debate、excavate、forge 和 loom-maintain 保留在本仓库供历史查阅，不再承诺后续维护。

Why

让 AI 聊天机器人研究一个主题写篇文章——它会给你一个流畅、自信的答案。但真正的研究不流畅。来源之间有分歧，证据质量参差不齐，有些判断下面只是薄薄一层冰。AI 把它知道的东西平均了一下。分歧被抹平，弱主张听起来和强证据一样笃定。你得到一篇读起来很顺的文章，却看不出哪里地基是实的、哪里是虚的。

Loom 的做法不同。它读的是你给的来源，不是训练数据。它原样捕获、独立分析、再跨源综合——但不抹平冲突。它告诉你来源之间共识在哪、分歧在哪、哪些判断只靠弱证据撑着。

结果：一篇扎根于你来源的研究文章，附带一份证据地图——让你一眼看清哪里是共识、哪里有争议、哪里还没被充分验证。三个月后回头看，每个判断仍然能追溯到出处。持续使用时，Topic Notes 跨项目连接，研究会复利增长。

Loom（织）weave research into knowledge.

适用于研究结果有后果的场景：技术决策、分析报告、文献综述——任何"搞错了代价比 token 大"的事。

什么时候不用 Loom

Loom 不适合这些场景：

• 一次性快速查询。 贴到聊天前端——更快更省。
• 不需要溯源的内容。 SEO 文章、社媒更新、通用科普——Loom 的 overhead 不值得。
• 量产写作。 如果你一天要出五篇，这不是你的工具。

架构

三个研究技能，三个思辨镜头，一个 vault 工具。每个技能独立可用，不依赖 vault。

研究层（素材 → 完整文章，各自独立可用）:
  deep-read       论文、文章、报告 → 研究文章           [本 repo]
  source-dive     技术源码 → 深度分析文章              [KKenny0/weave]
  survey          领域名/方向 → 结构化领域地图           [本 repo]

思辨镜头（对 Loom 产物或原始输入施加思考）:
  excavate       假设考古 — 挖到地基下面
  debate         辩证推理 — 正 → 反 → 扬弃
  forge          概念锻造 — 跨域碰撞出新想法

可选 vault 基础设施（个人用，开源用户可忽略）:
  loom-maintain   vault 健康 + Topic Note 创建 + 索引维护  [本 repo]

Skills

Skill	何时使用	产物
deep-read	深度阅读论文、文章、报告、访谈 → 研究文章	Raw Capture + Source Brief + Synthesis Pack + 研究文章
survey	想了解某个领域的全貌、快速进入新方向、找综述式领域地图时	领域地图（研究纲领 → 争议 → 演化 → 开放问题 → 入门推荐）
excavate	想搞清楚一个主张为什么成立、或挖掘隐藏前提时	挖掘报告（假设考古）
debate	遇到分歧或对立立场、想要真正的综合而非和稀泥时	辩证记录（扬弃式辩证推理）
forge	想从多个领域的素材中碰撞出新概念或新框架时	锻造图（原子概念 → 跨域映射 → 新想法）
loom-maintain	Vault 治理：验证、迁移、连接发现、Topic Note、演进报告、索引重建	Validation report / Topic Note / CONNECTION_INDEX / Evolution Summary

Quick look

Input: three articles on AI agent architecture
  → deep-read           → 3 Source Briefs + 1 Synthesis Pack + 1 研究文章
  → excavate (opt)      → 关键主张的假设挖掘报告
  → debate (opt)        → 冲突发现的辩证综合
  → forge (opt)         → 跨 Topic Note 的概念锻造图
  → loom-maintain (opt) → 2 Topic Notes + Index update

Input: a new research direction
  → survey              → 领域地图（纲领、争议、演化、开放问题、入门推荐）
  → deep-read (opt)     → 深读入口推荐中的关键文献
  → excavate (opt)      → 挖掘某个纲领的核心假设

Synthesis Pack 示例（节选）

## Working Thesis
Building an effective AI agent isn't about the framework — it's about
designing the right boundary between model reasoning and tool execution.

## Conflicts
- Source 1 (Anthropic): keep agent architecture simple; augment LLM
  capabilities with clear tool interfaces
- Source 2 (OpenAI): delegate as much as possible to the platform
  (handoffs, guardrails, tracing)
- Source 3 (LangChain): compose agents as graphs with explicit state
  management

## Evidence Weight
| Claim | Sources | Weight |
|-------|---------|--------|
| Simple architectures outperform complex ones | S1, S3 | Moderate (2/3, S2 favors platform delegation) |
| Platform-managed delegation is the future | S2 | Weak (single source, newer approach) |

安装（已归档）

新的研究工作流请使用 weave：

git clone https://github.com/KKenny0/weave.git ~/.claude/skills/weave

本仓库只保留 Loom 的历史实现。旧 skill 可以继续从本仓库阅读或 fork，但不会再获得维护更新。

快速开始

前置条件：Claude Code 已安装。

最小使用——读一篇论文：

/deep-read https://arxiv.org/abs/xxxx.xxxxx

读多篇 + 思辨组合：

/deep-read paper1.pdf paper2.pdf paper3.pdf
→ /excavate    # 挖隐藏假设
→ /debate      # 对冲突做辩证
→ /forge       # 跨域概念锻造

不需要 vault。所有产物直接输出在对话中。

开发者参考：Vault Contract 与校验

Vault Contract

• Raw Capture、Source Brief、Synthesis Pack、研究文章、Topic Note 是独立产物，不能互相覆盖。
• Material List 的 raw_path 必须指向真实来源、本地文件、原始 URL 或明确占位标记。
• 研究文章可以有个人表达，但不能反向改写上游材料。
• Topic Note 使用冷静知识库语气，不继承文章标题、平台语气或营销修辞。
• 索引、扫描和校验由 shared/scripts 执行，默认 dry-run 或只读。

校验

for d in deep-read loom-maintain survey excavate debate forge; do
  python3 ~/.codex/skills/.system/skill-creator/scripts/quick_validate.py "$PWD/$d"
done

python3 shared/scripts/scan_vault.py <vault-path>
python3 shared/scripts/validate_vault.py <vault-path>
python3 shared/scripts/build_indexes.py <vault-path>

目录结构

loom-skills/
├── deep-read/
│   └── references/
│       ├── reading-variants.md   # 阅读方法论变体
│       └── schemas.md
├── survey/
│   ├── Workflows/
│   │   ├── 01-scout.md
│   │   ├── 02-map.md
│   │   └── 03-compose.md
│   └── references/
│       └── schemas.md
├── excavate/
│   └── references/
│       └── schemas.md
├── debate/
│   └── references/
│       └── schemas.md
├── forge/
│   └── references/
│       └── schemas.md
├── loom-maintain/
│   ├── scripts/
│   └── references/
│       └── schemas.md
└── shared/
    ├── references/
    │   ├── schemas.md             # 全部产物 schema
    │   └── writing-pipeline.md    # 流水线 + 镜头组合参考
    └── scripts/
        ├── scan_vault.py
        ├── validate_vault.py
        ├── vault_utils.py
        └── build_indexes.py

致谢

Loom 的分析和写作模式借鉴了以下来源的思想：

• ljg-skills — 深度阅读、概念解剖、领域分解、多视角辩论、批判性写作、清晰度检查
• baoyu-skills — 内容检测、Markdown 格式化
• Karpathy 的 LLM 知识库工作流 — 知识库结构灵感

License

MIT