用 Agent CLI 与文件系统构建持续研究工作流

是什么 这是一条关于 Agent 研究工作流的纯观点推文。作者主张用一个 research/ 文件夹保存研究材料，再用 AGENTS.md 说明文件格式、工作习惯与最佳实践，启动 Agent 后直接以自然语言提问。其核心不是购买或搭建一套复杂知识管理产品，而是把文件、约定和 Agent 组合成轻量的软件系统。

核心机制 文件系统承担持久化与组织，AGENTS.md 承担行为规范，Agent 负责检索、整理、关联和生成内容；iCloud 或 Git 提供同步与版本留痕。当成果需要对外分享时，再让 Agent 生成 HTML 报告并部署到 Vercel。自然语言指令因此成为可迭代的配置层。

关键洞察 该方法降低了研究基础设施的启动成本，也保留了目录结构、文本文件和版本控制的可迁移性。真正可复用的资产不是某次回答，而是持续积累的上下文、命名规则和输出模板。对个人研究者、工程师和小团队而言，这是一种“先建立可检索记忆，再按需生成界面”的工作方式。

边界与风险 它依赖良好的文件命名、索引和内容维护；资料增长后，检索质量、重复内容、权限控制与敏感信息泄露都会成为瓶颈。AGENTS.md 也只能约束行为，不能自动保证事实准确性。推文没有展示具体目录、提示词或评估结果，因此“无限扩展”应视为作者的愿景，而非已验证结论。