课题刚开始就打开工具乱试，通常是因为主研究问题还没固定：工具能返回一堆材料，但你没法判断哪一份该留、哪一份该扔，回头一看问题和文献都没对齐。可行的前置动作是——把主研究问题拆成 3~5 个能分别回答的子问题，给每个子问题写上证据类型和检索范围，再决定哪些子问题交给 Agent 检索、哪些自己精读。适用场景是需要多来源证据的课题；风险边界是拆解质量取决于你对领域的熟悉程度，Agent 只按你给的口径取回零件，不能替你判断问题本身值不值得问。

先把主研究问题写成子问题清单，再决定哪些交给 Agent：每个子问题写明证据类型、来源与检索范围，映射成带输出格式和停止条件的任务，最后按子问题回收并记录重做项。判断方式是看每份交付物是否给出出处、是否区分事实与推测、是否覆盖全部子问题。拆解和验收仍需人工确认，工具只负责按口径取回可拼接的零件。

把主研究问题拆成 3~5 个能分别回答的子问题

拆解的目标不是把问题写细，而是让每个子问题可以被单独检索、单独验收。建议每个子问题写成三行：一句话问句、它需要的证据类型、可接受的答案形式。证据类型必须写具体，否则 Agent 会把观点、案例、统计数字混在一起返回。

以“某类模型在中文长文档问答上的可用性如何”这个主研究问题为例，可以先拆成四个子问题：

• 子问题 A：现有公开评测在中文长文档场景覆盖到什么程度。证据类型：数据集说明与统计口径。可接受答案：数据集名称、文档长度分布、语言构成。
• 子问题 B：已有方法处理长上下文的方式有哪些。证据类型：方法对比。可接受答案：按“是否训练、是否检索、是否压缩”归类的对照表。
• 子问题 C：是否有落地案例或工程报告。证据类型：案例与工程描述。可接受答案：场景、部署约束、明确写出的失败点。
• 子问题 D：评测口径不一致时结论会怎么变。证据类型：方法比较与口径说明。可接受答案：同一指标在不同口径下的解释差异。

子问题数量控制在 3~5 个，超过之后每个问题的证据类型容易重复，回收阶段会分不清哪份材料该归到哪一条。

给每个子问题标注证据来源与检索范围

检索口径不同，结果就没法合并。给每个子问题单独写清四项：来源类型、关键词组合、时间跨度、语言限定。来源类型建议写“期刊库 / 预印本 / 标准或官方文档 / 代码仓库 / 企业技术博客”这类可定位的类别，不要只写“网上资料”。

子问题编号：B
来源类型：预印本、会议论文、官方文档
关键词组合：(long context OR long document) AND (question answering OR QA) AND Chinese
时间跨度：近五年，更早的仅在方法被反复引用时纳入
语言限定：中英文，其他语种仅在无替代时纳入并标注
排除项：无出处转载、纯产品宣传页

时间跨度和语言限定需要结合课题确认：口径放宽会显著增加筛选量，收窄又可能漏掉奠基性工作。可以先按一个较紧的口径跑一轮，看返回材料是否足够支撑子问题，再决定是否放宽。

把子问题映射成 Agent 任务并写清输出格式

任务是子问题的执行切片，一个子问题可以对应一个或多个任务。任务描述建议固定四段：目标、输入范围、输出格式、停止条件。输出格式写死，是为了让结果能直接拼进后续对比表，而不是返回一篇散文。

目标：整理“长上下文模型在中文长文档问答上的公开方法对比”
输入范围：仅限子问题 B 定义的来源类型与关键词，不扩展其他主题
输出格式：表格，每行 = 方法名 / 适用文档长度 / 是否需要额外训练 / 出处（标题 + 链接或编号）
停止条件：连续两轮检索无新增可归入表格的方法，或表格已达约定行数时停止，并说明未覆盖范围

映射关系可以先记成一张小表，避免同一个子问题被重复下单，也避免某个子问题始终没人处理：

判断哪些交给 Agent，通常看两点：材料是否以文本检索为主、结论是否不需要跨来源判断。需要交叉推理和取舍的子问题，建议自己写。

规定每份交付物的验收标准

把“看起来还行”换成可核验的项。每份交付物回收时至少过这三关：

• 是否给出出处：每条结论能定位到具体文档、章节或链接；只写“有研究表明”一律退回。
• 是否区分事实与推测：原文写了什么、你推断什么，分列或分段标注；两者混写视为未通过。
• 是否覆盖全部子问题：对照上表逐条打勾，缺失项写明缺失原因，不允许用“其他内容”含糊带过。

再补两项可选项：是否说明检索范围与时间跨度、是否列出被排除的材料及排除理由。这两项不是每份都要，但对方法对比和口径分析类子问题，通常是必要的。验收标准要在下单时一起给出，事后补标准容易变成按结果倒推。

按子问题回收结果并记录哪些需要重做

回收节奏建议按子问题而不是按时间：某个子问题的任务全部返回后再统一验收，避免材料堆在一起收不了尾。回收时维护一张表，字段可以先用这些：子问题编号、任务编号、交付物路径、出处完整性、事实与推测是否分列、子问题覆盖情况、状态、重做原因。

重做触发条件写明阈值，避免每次靠感觉决定：出处缺失的条目达到约定比例（例如超过一半，具体比例需结合课题容忍度确认）、事实与推测混写、覆盖的子问题少于约定数量，命中任一条即重新下单或补充检索。重做时在任务描述里补上失败原因和新的输出格式要求，不要原样重跑。