ClawHub

Query Planner

Other

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。

Install

openclaw skills install query-planner

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