Skill: rtk — Research TricorderKit
Version 0.1.0 — 2026-05-18 Wrapper Cowork vers le pipeline deep-research-core CLI. Exécute collect → dedup → score → export → index en pipeline complet.
Triggers
/tk:research "<query>"
/rtk "<query>"
rtk
deep research
lance une recherche
recherche approfondie sur
pipeline de recherche
Prérequis
Avant d'exécuter ce skill, vérifier :
plugins/deep-research-core/présent dans le reposources/trusted_sources.ymlcontient les sources du domaine- Qdrant optionnel (dégradé sans indexation vectorielle)
Instructions agent
Séquence d'exécution
ÉTAPE 1 — Intent extraction
→ Extraire : query, domain, pipeline, dry_run
→ domain par défaut : "general"
→ pipeline par défaut : "content"
ÉTAPE 2 — Pre-execution check (R3 dry-run)
→ Exécuter collect_sources.py --dry-run d'abord
→ Valider que les sources sont disponibles
→ Afficher preview avant exécution réelle
ÉTAPE 3 — Collect (CLI goat)
python plugins/deep-research-core/scripts/collect_sources.py \
--query "<query>" \
--domain <domain> \
[--sources <liste>] \
[--dry-run]
ÉTAPE 4 — Score + Dedup (pipe)
<output_collect> | python plugins/deep-research-core/scripts/score_reliability.py
ÉTAPE 5 — Export rapport
python plugins/deep-research-core/scripts/export_report.py \
--input <scored_results> \
--format markdown
ÉTAPE 6 — Index Qdrant (si disponible)
python plugins/deep-research-core/scripts/index_qdrant.py \
--input <scored_results> \
--collection <domain>
→ Si Qdrant down : continuer sans indexation (log warning)
ÉTAPE 7 — Output contractuel JSON
→ Retourner au format skill_output.schema.json
Sélection du pipeline
| Pipeline | Cas d'usage |
|---|---|
| content | Veille contenu, fiches entités, news |
| entity | Auteurs, éditeurs, studios, personnes |
| github | Audit repos, scoring intégrations |
| vendor | Services, comparatifs, VPS |
Règles importantes
- CLI avant LLM (R1) : toujours exécuter les scripts Python, jamais synthétiser de mémoire
- Dry-run (R3) : toujours valider collect en
--dry-runavant exécution réelle - Ne jamais utiliser de source hors
trusted_sources.yml - Citer les sources dans le rapport final
- Limiter à 500 tokens par item (principe atomique Obsidian)
- Si Qdrant indisponible → continuer en mode dégradé, logger le warning
- Loguer dans
.planning/DECISIONS.mdsi la recherche mène à une décision architecturale
Commandes de référence
# Dry-run (vérification sources)
python plugins/deep-research-core/scripts/collect_sources.py \
--query "One Piece" --domain manga --dry-run
# Pipeline complet
python plugins/deep-research-core/scripts/collect_sources.py \
--query "One Piece" --domain manga \
| python plugins/deep-research-core/scripts/score_reliability.py \
| python plugins/deep-research-core/scripts/export_report.py --format markdown
# Avec indexation Qdrant
python plugins/deep-research-core/scripts/index_qdrant.py \
--collection manga --input results.json
Format de sortie contractuel
{
"status": "success",
"skill_name": "rtk",
"skill_version": "0.1.0",
"timestamp": "2026-05-18T10:00:00Z",
"output": {
"query": "One Piece",
"domain": "manga",
"pipeline": "content",
"results_count": 12,
"results_above_threshold": 8,
"threshold": 0.70,
"report_path": "reports/research_one_piece_2026-05-18.md",
"qdrant_indexed": true,
"sources_used": ["mangadex", "anilist", "jikan"],
"top_results": [],
"next_steps": ["Vérifier doublon avec fiche existante", "Indexer dans Obsidian si nouveau"]
},
"metadata": {
"dry_run": false,
"tokens_estimated": 800,
"pipeline_steps": ["collect", "dedup", "score", "export", "index"]
}
}
Gestion d'erreurs
| Erreur | Cause probable | Action |
|---|---|---|
| trusted_sources.yml introuvable | Plugin non installé | Vérifier plugins/deep-research-core/sources/ |
| Qdrant connection refused | Service Docker arrêté | Mode dégradé — continuer sans index vectoriel |
| 0 résultats collectés | Sources down ou query trop précise | Élargir query, vérifier réseau |
| score < 0.70 pour tous | Données peu fiables | Reporter 🟠 À vérifier dans le rapport |
| Jikan 504 | Rate limit Jikan (connu) | Non bloquant — ignorer et continuer |
Intégration caveman (R15)
Quand ce skill est appelé par un sous-agent ou dans un pipeline inter-agents :
{
"status": "ok",
"task": "rtk_research",
"data": {
"results": 8,
"report": "reports/research_xxx.md",
"qdrant": true
},
"tokens_used": 1200,
"next_action": "docmancer_index"
}
TricorderKit v0.8 — GeekFamilyCorp — 2026-05-18
Ingénierie de Prompts
Data & IA
Bonnes pratiques et templates de prompt engineering pour maximiser les résultats IA.
Visualisation de Données
Data & IA
Génère des visualisations de données et graphiques adaptés à vos données.
Architecture RAG
Data & IA
Guide de configuration d'architectures RAG (Retrieval-Augmented Generation).