AI Agent 的中文 RFC 研究流程

中文 RFC 研究 AI Agent 这个需求通常来自严肃团队：要写设计提案，需要中文技术讨论、产品信号、政策语境或学术参考。AutoSearch 可以让 Agent 通过 MCP 调用 10+ 中文信息源，同时保持 40 渠道的全局视野。

RFC 研究应该先收集证据，再给建议。Agent 要展示不确定性，而不是直接替团队拍板。

先问清问题

“这个功能在中国市场可不可行”太宽。更好的问题是：

这个支付集成面向中国 SaaS 买家时，有哪些技术、政策和用户体验约束？

这样 Agent 才能把子问题分给不同来源。技术解释看知乎和 Bilibili。行业文章看微信公众号。消费者痛点看小红书。快速反应看微博。实现细节仍然需要官方文档和 GitHub。

中文来源地图

渠道列表 是来源地图。中文研究不是一个渠道。知乎偏长文解释，微信偏行业文章，小红书偏用户语言，微博偏快速反应，Bilibili 偏演示和教学。

让 Agent 说明为什么选择每个来源。这能减少懒惰收集，也让 RFC 审阅更容易。

输出证据表

要求输出表格：来源、渠道、原文主张、中文或英文摘要、证据强度、对 RFC 的影响。这个结构能防止 Agent 把复杂材料压成一段过度自信的结论。

因为 AutoSearch 是 LLM 解耦的，host 模型可以负责翻译、总结和推理，而检索边界保持稳定。

翻译不是小事

中文 RFC 里，翻译本身就是解释。产品词、政策词和本地表达可能不能被随便替换成英文。让 Agent 保留关键中文词，并给短解释。

搭配 MCP 配置 和 示例，可以把这个流程变成团队可复用的研究模板。

审阅建议

接受 RFC 建议前，问三件事：缺了什么证据？社交来源是不是过多？中文和英文来源有没有冲突？

从 安装 开始，先跑一个窄问题。AutoSearch 的价值是把证据拿回来，最终决策仍然属于团队。