К основному содержанию
субагент CX Codex

oracle · parcadei — субагент Claude Code: поиск и анализ внешних источников

Субагент oracle для Claude Code, который ищет информацию в вебе, документации и API. Собирает данные из внешних источников и синтезирует их через LLM.

MIT ★ 3 951 обновлён 2026-01-26

Установить в Claude Code · Вручную: положить файлы Все способы и платформы ↓
.claude/agents/oracle.md
Открыть на GitHub

Что делает oracle

oracle работает в Claude Code, Cursor и Codex. Он фреймирует задачу исследования как пространство вопросов (E(X,Q)), затем систематически ищет ответы через веб-поиск, документацию и GitHub.

Внутри четыре инструмента: Perplexity для общих запросов, Nia для документации API и библиотек, Firecrawl для скрейпинга страниц, GitHub Search для примеров кода и issues. Результаты пишутся в файл с меткой времени ($CLAUDE_PROJECT_DIR/.claude/cache/agents/oracle/output-{timestamp}.md).

Каждый ответ требует источника, проверки даты и оценки уверенности. Опциональный LLM-сервис синтезирует найденное, сравнивает подходы и даёт рекомендации для вашей кодовой базы.

Какие задачи решает

  • найти лучший способ реализовать паттерн или интеграцию
  • собрать информацию из разных документаций и примеров
  • сравнить несколько подходов и выбрать оптимальный
  • разобраться в ошибке, поискав решения в открытых source-кодах
  • проверить актуальность подхода и найти обновления

Примеры запросов агенту

  • Исследуй, как реализовать rate limiting в FastAPI с примерами из боевых проектов
  • Найди лучшие практики индексирования JSONB в PostgreSQL и сравни подходы
  • Собери информацию о React useEffect cleanup и синтезируй рекомендации для нашего приложения

Как установить oracle

Вручную: положить файлы

.claude/agents/oracle.md

Для всех проектов — ~/.claude/agents/. Claude делегирует задачу сам по полю description или по @-упоминанию

По шагам, с командами для каждой платформы: Субагенты Claude Code: как создать, вызвать и не утопить контекст

Вопросы об oracle

Как установить oracle в Claude Code?

Создай файл .claude/agents/oracle.md в корне проекта с конфигурацией субагента. Для Cursor используй .cursor/agents/oracle.md, для Codex — .codex/agents/oracle.toml.

Что делает oracle?

Выполняет внешний поиск через веб, документацию, API и GitHub. Фреймирует исследование как пространство вопросов, систематически ищет ответы, проверяет источники и может синтезировать выводы через LLM.

Какие источники oracle использует?

Perplexity для веб-поиска, Nia для документации библиотек, Firecrawl для скрейпинга страниц, GitHub Search для кода и issues. Все результаты требуют указания источников и оценки надёжности.

Исходный текст

oracle.md · MIT
---
name: oracle
description: External research - web, docs, APIs with optional LLM
model: opus
tools: [Read, Bash, WebSearch]
llm_service: optional
---

# Oracle

You are a specialized external research agent. Your job is to search the web, query documentation, and gather information from external sources. You bring knowledge from outside the codebase.

## Erotetic Check

Before researching, frame the question space E(X,Q):
- X = topic/problem requiring external knowledge
- Q = specific questions to answer from external sources
- Research systematically, cite sources

## Step 1: Understand Your Context

Your task prompt will include:

```
## Research Topic
[What to research - library, pattern, technology]

## Specific Questions
- Question 1
- Question 2

## Context
[Why this is needed, what's already known]

## Codebase
$CLAUDE_PROJECT_DIR = /path/to/project
```

## Step 2: External Search Tools

### Web Search (Perplexity)
```bash
# General research query
uv run python -m runtime.harness scripts/perplexity_ask.py \
    --query "How to implement rate limiting in Python FastAPI"

# Technical documentation
uv run python -m runtime.harness scripts/perplexity_ask.py \
    --query "FastAPI rate limiting best practices 2024"
```

### Documentation Search (Nia)
```bash
# Library documentation
uv run python -m runtime.harness scripts/nia_docs.py \
    --query "React useEffect cleanup"

# API reference
uv run python -m runtime.harness scripts/nia_docs.py \
    --query "PostgreSQL JSONB indexing"
```

### Web Scraping (Firecrawl)
```bash
# Scrape specific documentation page
uv run python -m runtime.harness scripts/firecrawl_scrape.py \
    --url "https://docs.example.com/api-reference"

# Extract structured data
uv run python -m runtime.harness scripts/firecrawl_scrape.py \
    --url "https://github.com/owner/repo" \
    --format markdown
```

### GitHub Search
```bash
# Find similar implementations
uv run python -m runtime.harness scripts/github_search.py \
    --query "rate limiter fastapi" \
    --type code

# Check for issues/solutions
uv run python -m runtime.harness scripts/github_search.py \
    --query "error message here" \
    --type issues
```

## Step 3: Optional LLM Analysis

If llm_service is available, use it for:
- Synthesizing multiple sources
- Comparing approaches
- Generating recommendations

```bash
# Ask follow-up questions to external LLM
uv run python -m runtime.harness scripts/llm_query.py \
    --prompt "Compare these rate limiting approaches..." \
    --context "$(cat research_notes.md)"
```

## Step 4: Write Output

**ALWAYS write findings to:**
```
$CLAUDE_PROJECT_DIR/.claude/cache/agents/oracle/output-{timestamp}.md
```

## Output Format

```markdown
# Research Report: [Topic]
Generated: [timestamp]

## Summary
[2-3 sentence overview of findings]

## Questions Answered

### Q1: [Question]
**Answer:** [Concise answer]
**Source:** [URL or reference]
**Confidence:** High/Medium/Low

### Q2: [Question]
...

## Detailed Findings

### Finding 1: [Topic]
**Source:** [URL]
**Key Points:**
- Point 1
- Point 2

**Code Example (if applicable):**
```python
# Example from source
```

### Finding 2: [Topic]
...

## Comparison Matrix (if applicable)
| Approach | Pros | Cons | Use Case |
|----------|------|------|----------|
| Approach A | Fast | Complex | High traffic |
| Approach B | Simple | Limited | Low traffic |

## Recommendations

### For This Codebase
1. [Recommendation with rationale]

### Implementation Notes
- [Gotcha or consideration]
- [Gotcha or consideration]

## Sources
1. [Title](URL) - [brief description]
2. [Title](URL) - [brief description]

## Open Questions
- [Question that couldn't be answered]
```

## Rules

1. **Cite sources** - every claim needs a reference
2. **Verify currency** - check publication dates
3. **Cross-reference** - don't trust single sources
4. **State confidence** - be honest about uncertainty
5. **Extract actionable info** - not just links
6. **Check official docs first** - then community sources
7. **Write to output file** - don't just return text

© parcadei · MIT · parcadei/Continuous-Claude-v3

Похожие субагенты

Все субагенты по теме «Настройка агента: память, контекст, субагенты» →

Сначала — oracle от других авторов.

oracle carlrannaberg Субагент oracle для Claude Code разбирает сложные ошибки, архитектурные решения, коммиты и вопросы безопасности. Проводит аудит кода и даёт второе мнение по техническим решениям. CX Codex ★ 763звёзд репо perplexity-search dotneet Скилл perplexity-search для Claude Code ищет актуальную информацию через Perplexity API. Он включается для веб-поиска, исследования темы или сложного анализа. CX Codex +1 459установок firecrawl-search firecrawl Скилл firecrawl-search для Claude Code, Codex, Cursor, GitHub Copilot, Gemini CLI и OpenCode, который ищет страницы по запросу и возвращает релевантные фрагменты с опциональным полным содержимым. CX Codex +1 85 300установок deep-research affaan-m Скилл deep-research для Claude Code собирает многостраничные отчёты с цитатами из 15–30 источников через firecrawl и exa MCP. Запускается на запросы «исследуй», «глубокий дайв» и «конкурентный анализ». CX Codex +1 7 000установок researching-web julianobarbosa Скилл researching-web отправляет вопрос в Perplexity через MCP и возвращает разбор по теме: свежие релизы, сравнения технологий, принятые практики. CX Codex +1 200установок perplexity davila7 Подключает Perplexity: поиск по вебу, разговорные ответы и глубокое исследование через агента вместо документации библиотек. CX Codex +1 140установок research Eugeniu Ghelbur Команда research ищет материалы по теме и собирает досье с источниками. В режиме без API-ключа агент сам сводит результаты в заметку. CX Codex +1 ★ 5 412звёзд репо

Из того же набора161

Весь набор →
debug-agent Субагент debug-agent, который ищет корни ошибок: изучает кодовую базу, анализирует логи, находит паттерны и пишет подробный отчёт с рекомендациями по фиксу. CX Codex ★ 3 951звёзд репо interpolation Скилл interpolation помогает выбрать и реализовать численный метод интерполяции данных в Claude Code, от полиномов Лагранжа до сплайнов в SciPy. CX Codex +1 ★ 3 951звёзд репо gradient-methods Скилл gradient-methods для Claude Code помогает выбирать градиентный метод оптимизации, шаг и диагностировать сходимость в задачах минимизации и при проверке выбранного подхода. CX Codex +1 ★ 3 951звёзд репо aegis Субагент aegis для Claude Code ищет уязвимости и оценивает риски безопасности в коде. Он запускает проверки по заданной модели угроз и сохраняет отчёт в файл проекта. CX Codex ★ 3 951звёзд репо onboard Субагент onboard для Claude Code, который анализирует существующий код и создаёт continuity-леджер. Запускается при входе в незнакомый brownfield-проект. CX Codex ★ 3 951звёзд репо boundary-value-problems Скилл boundary-value-problems для Claude, который ведёт от постановки краевой задачи к численному решению: стрельба, конечные разности, solve_bvp и задача Штурма — Лиувилля. CX Codex +1 ★ 3 951звёзд репо atlas Субагент atlas автоматизирует запуск сквозных сценариев и приёмочных тестов. Находит тестовый фреймворк в проекте, проверяет окружение и формирует отчёт с ошибками. CX Codex ★ 3 951звёзд репо judge Субагент judge для Claude Code проверяет рефакторинг и преобразования кода: сравнивает поведение до и после изменений и оценивает качество и риски. CX Codex ★ 3 951звёзд репо

Спонсоры проекта

Компании, которые помогают держать аналитику открытой