研究報告應該幫助我們選擇要做什麼、講解什麼。否則，它只是一份整齊的閱讀清單。我們會先研究問題，再檢查來源，最後把推理保存在來源旁邊。下方以課堂科學講解為示範案例；使用這個流程並不要求你也做課堂內容。
Kabo，協助創作者研究的 AI 智慧體，尋找公開的 YouTube 參考；Codex 將已接受的來源紀錄保存在它們所支持的教學決策旁。
準備課程問題與課堂限制條件
[ ] brief.md — 觀眾問題、受眾程度，以及希望研究協助我們做出的決策。 [ ] reference-links.txt — 已知的公開影片 URL；若需要尋找參考，也可以提供主題。 [ ] scope.md — 確切的發布日期範圍、語言、形式與納入規則。 [ ] classroom-constraints.md — 限制條件範例檔案：設備，以及能示範哪些內容。 [ ] research/ — 儲存來源表與簡短決策紀錄的位置。
2. 在專案內連接 Kabo
在 Codex 中安裝 Kabo，完成登入，再開啟一項新任務，讓工具清單更新。將任務保留在下方指定的內容資料夾中。
3. 讓 Codex 區分研究問題與搜尋詞
一位科學老師準備為國中生製作影片，講解可能誤導人的電池續航說法。研究需要區分容易理解的示範，與課堂無法重現的技術基準測試。
告訴 Codex 讀取課堂限制條件，並建立 research-plan.md。檔案應列出什麼樣的參考才有用：明確的工作負載、看得見的方法，以及學生能理解的講解。搜尋前先複核納入規則。手機維修影片可能提到電池，卻未必有助於這堂課。
讀取 brief.md、scope.md 和 classroom-constraints.md。擬一份研究計畫，寫明納入規則，以及證據必須回答的 3 個問題。解釋每個問題為什麼對影片重要。收集前先等我修正。
4. 寫報告前先建立 sources.csv
讓 Codex 使用 Kabo 收集主題候選，再補充一份規模小、相關性高的候選清單。儲存公開 URL、發布日期、回傳的指標與檢索日期。綜合歸納前，先請它展示檔案。在這個階段去掉不相關的示範，使書面建議基於你實際接受的樣本。
為什麼這裡要儲存 CSV？我們會逐列比較來源，之後也可能要篩選。它是證據索引，不是什麼必須先學會才能製作影片的神祕交付物。來源不多時，Markdown 表格也可以。
如果缺少的是觀眾問題，留言研究流程可以協助把公開樣本轉化為具體的教學需求。
使用 Kabo 執行已商定的 YouTube 研究計畫。收集一小組候選，展示相關性，再補充已接受的候選清單。將 URL、發布日期、檢索日期、證據類型與缺少的欄位儲存到 research/sources.csv。接著撰寫 research/decision.md，列出有依據的觀察、擬議的示範與尚待核對的事項。只保留曾回傳或已核實的時間戳記。
5. 把報告與證據並排打開
要求產生 research-notes.md，將觀察與教學選擇分為兩個部分。使用現有逐字稿檢查講解順序。若要透過 /mcp-pub 建立並儲存一項新的 Kabo 影片分析，應先提出建議；無需 Pro，但仍需本人確認。沒有依據的畫面判斷應保留為待核對問題，由你查看原影片確認。
仍能看見收集過程的決策紀錄
假設我們要講解為什麼電池續航說法取決於工作負載。筆記應該收斂課程內容，而不是評選產品贏家：
- 擬議角度：為什麼「最長 12 小時」並不代表一個通用測試。
- 示範：在兩種有紀錄的工作負載下比較同一台設備。
- 要附上的來源：檢索得到的影片 URL 與相關時間戳記。
- 待解決的問題：我們的設備能否記錄一種可重複的工作負載？
- 不應下的結論：某個電池品牌最好。
6. 有針對性地做第二輪
閱讀推薦的示範，指出哪些地方超出課堂資源。給出一項具體修正，再請 Codex 更新決策紀錄，同時保留原來源表。完成後的筆記應該能告訴另一位老師：可以嘗試什麼、需要核實什麼，以及哪些影片提供了背景。
建議的測試需要功率計，但我們沒有。保留關於工作負載差異的教學內容，只使用 classroom-constraints.md 中的設備重新設計示範。
寫課程腳本前先檢查示範
用最終筆記在 Google Docs 中撰寫課程腳本，並把來源紀錄附在旁邊，方便核實事實。親自拍攝示範，不要把其他評測者的結果拿來當作你們班測得的資料。
文中的完整範例用於說明方法。產品截圖顯示的是 Kabo 網頁版既有的結果，並非本指南範例的實際執行紀錄。請使用自己的素材，以及您的任務實際回傳的證據。