Query Planner

LLM通用查询规划技能。将复杂任务拆解为4类标准查询(identity/event/action/counter)。在需要联网搜索、多步分析、反证检索前使用。触发条件：任务依赖外部信息、需要拆解复杂问题、需要统一query结构供下游消费。

Security Scan

The skill is an instruction-only 'query planner' whose inputs, outputs, and constraints align with its name and description and it does not request credentials, install code, or perform I/O.

Purpose & Capability

Name/description (query planning: generate 4 classes of search queries) match the SKILL.md. The skill is instruction-only and does not ask for unrelated binaries, env vars, or credentials — all required artifacts are proportional to a query-generator.

Instruction Scope

SKILL.md strictly limits behavior to producing structured query JSON and explicitly forbids performing searches, judging truth, or producing conclusions. It does not instruct the agent to read files, environment variables, or external endpoints. Note: the produced queries are intended to be consumed by downstream search/analysis modules — those downstream uses (not part of this skill) determine any network exposure.

Install Mechanism

No install spec and no code files — instruction-only. Nothing will be downloaded or written to disk by an installer, minimizing execution/install risk.

Credentials

The skill declares no required environment variables, credentials, or config paths. There are no disproportionate secret requests.

Persistence & Privilege

always is false and the skill is user-invocable with normal autonomous invocation allowed. It does not request persistent system-level privileges or modify other skills' configs.

Assessment

This skill appears coherent and low-risk: it only generates structured, copy-pasteable search queries and explicitly forbids performing searches or making judgments. Before installing/using it, review what you pass as primary_subject/primary_task — do not include secrets, internal identifiers, private IPs, or other confidential data, because the generated queries are intended for downstream search and could expose sensitive material if sent to public search engines. Also review queries produced before executing them with any external search tool. The skill being 'benign' here means it is what it says it is; it does not guarantee safety of downstream usage.

Query Planner — 查询规划技能

核心职责

将任意复杂任务拆解为 4 类标准查询，交付给下游搜索/分析模块消费。

边界（绝对禁止）：

• ❌ 不执行搜索
• ❌ 不判断真假
• ❌ 不输出结论或建议
• ❌ 不发明第 5 类 query 分类
• ❌ 不遗漏 counter_queries

唯一产出：结构化查询计划。

---

输入规格（最小集）

字段	必填	说明
primary_task	✅	用户原始任务的一句话描述
primary_subject	✅	核心实体/对象（人/组织/技术/事件）
canonical_time_frame	❌	时间范围，如 2024-2025、过去30天、null
goal_mode	✅	目标模式：analyze（分析）|evaluate（评估）|compare（对比）|investigate（调查）
target_variable	❌	需要量化/测量的变量，如 "市场份额"、"出口额"、"准确率"

---

输出规格（固定结构）

{
  "task_id": "QP-<uuid前8位>",
  "primary_subject": "...",
  "time_frame": "...或null",
  "goal_mode": "...",
  "target_variable": "...或null",
  "identity_queries": [...],
  "event_queries": [...],
  "action_queries": [...],
  "counter_queries": [...]
}

每条 query 为字符串，可直接作为搜索关键词使用。

---

4 类查询生成规则

1. identity_queries — "谁/什么"

定义主对象的身份、背景、属性、分类。

• 核心问题：主对象是什么？它的关键属性和定位是什么？
• 模板："{subject} 是什么", "{subject} 背景 历史", "{subject} 核心特征 属性"
• 数量：2–5 条
• 约束：围绕主对象生成，不发散到无关实体

2. event_queries — "发生了什么"

定义与主对象相关的关键事件、时间线、数据点、因果关系。

• 核心问题：发生了什么？什么时候？有什么数据和趋势？
• 模板："{subject} {time_frame} 重大事件 里程碑", "{subject} {time_frame} 数据 统计 趋势", "{subject} {time_frame} 因果关系 影响"
• 数量：3–8 条
• 约束：有 time_frame 则必须绑定；有 target_variable 则必须纳入至少 1 条

3. action_queries — "做了什么/该做什么"

定义决策、政策、干预措施、战略动作。

• 核心问题：相关方采取了什么行动？有哪些政策和策略？
• 模板："{subject} 政策 战略 决策", "{subject} 干预措施 行动计划", "{subject} 行业对标 竞争对手策略"
• 数量：2–6 条
• 约束：有 target_variable 则纳入至少 1 条测量维度

4. counter_queries — "反面证据"

质疑主线叙事，寻找冲突数据、替代解释、被忽略的视角。

• 核心问题：有没有反面证据？主流观点可能错在哪里？有没有被忽略的因素？
• 模板："{subject} 反面证据 批评 争议", "{subject} 替代解释 不同观点", "{subject} 失败案例 负面数据", "{subject} 数据造假 质疑"
• 数量：2–5 条，绝对不为空
• 约束：即使主任务是正面评估，也必须生成反面查询

---

强制规则

1. counter_queries 零容忍：输出中 counter_queries 数组长度必须 ≥ 2。违反即视为输出失败。
2. 分类锁定：只有 identity / event / action / counter 四类。禁止自定义新分类。
3. 主对象聚焦：默认所有 query 围绕 primary_subject 生成。只有 action_queries 可合理扩展到相关方。
4. 时间绑定：若 canonical_time_frame 非 null，event_queries 和 action_queries 中 ≥ 50% 的 query 必须包含时间关键词。
5. 变量渗透：若 target_variable 非 null，它必须出现在 event_queries 和 action_queries 中（至少各 1 条）。
6. query 可搜索性：每条 query 必须是可直接复制到搜索引擎的关键词短语，非自然语言长句。
7. 去重：同一输出内不允许语义重复的 query。

---

执行流程

输入解析 → 提取 primary_subject/time_frame/target_variable
    → 按 4 类规则分别生成 query
    → 检查强制约束（counter≥2, 分类锁定, 时间绑定, 变量渗透）
    → 输出 JSON

---

参考文档

• 查询模式详细规则与模板：references/query-patterns.md
• 完整输入输出用例：references/examples.md