Claude Code research-engineer 技能：写可核验的算法性能比较
EnglishClaude Code 安装步骤
- 从固定版本 GitHub 工作副本获取完整的 `cli-tool/components/skills/ai-research/research-engineer` 目录。
- 将目录放入目标项目的 `.claude/skills/`，确认 `.claude/skills/research-engineer/SKILL.md` 存在，再从项目根目录启动 Claude Code 并输入 `/research-engineer`。
中文摘要
明确算法问题的时间、空间和准确性约束，再比较候选方法并给出可复核的测试。适合把性能判断拆成可验证的假设。
SKILL.md 中文导读
可复现示例
比较对多个已排序的整数列表进行两两合并与最小堆合并。规定总元素数 N，列表数 k，使用空列表、重复值和不等长列表做验证样本。工作步骤
- 为候选算法写出输入条件、理论成本和需要保持的性质。
- 安排小样本验证正确性，再列出规模变化时要测的指标并区分实测与假设。
验收方法
方案应分别给出两种算法的适用条件和复杂度说明，并列出能确认排序正确、元素未丢失的验证样本。基准结果留待实际运行填写。
GitHub 原文 · 更新日期
适用环境
需要 Claude Code 和固定版本的技能目录。准备明确的算法问题、数据规模以及用于正确性比较的样本。
常见问题
怎样避免把复杂度分析误写成跑分结果？
在同一报告中分别标注理论上界、环境、数据集和实测指标。没有运行的测量项标为待验证。