Agent Skills
返回列表
🤖

HyperResearch 深度研究

AI Agent 更新于 2026.08.30

将以下提示词粘贴到你的 AI 对话框中:

请根据 https://skillhub.cn/install/skillhub.md,安装 @user_1a99cb00/hyperresearch。

技能介绍

要解决什么问题

做深度调研时,常见痛点不是「搜不到」,而是信源规模不够、引用无法核对、合成阶段容易编造。学术论文、竞品情报或行业扫描若缺少可审计的出处链,结论很难交付给审稿人、法务或决策层。

HyperResearch 面向「一次 prompt → 可交付研究报告」的场景:在 DeepResearch-Bench RACE 类评测里强调对抗式审计与全链路溯源,而不是堆一段没有出处的摘要。

技能如何工作

技能把 Claude Code 配置成深度研究智能体,走一条 16 步、可按难度分级的流水线,大致覆盖:

  • 查询分解与多引擎检索,宽度扫描单独即可拉取约 100–130 条候选信源,再配合引用追踪与缺口补搜,单次运行可累计 250+ 条来源
  • 相关性过滤、抓取、引用抽取与引用追踪(citation chasing)、缺口分析与补充检索
  • 信源加权:结合权威性、时效性与独立性;原创性过滤用于压低抄袭或高度衍生内容
  • 合成初稿后进入引用核验:怀疑式 cite-checker 检查「该句是否真被该来源支持」,虚构引用与需撤回的表述会硬性阻断
  • 对抗审计 → 修订 → 排版,最后持久化入库:每条信源进入可搜索的 wiki/vault,后续会话可复用历史语料

适用边界与注意点

  • 更适合深度溯源、可审计报告类任务,而不是秒级问答或只要三五条链接的轻量搜索
  • 流水线步骤多、信源体量大,时延与 token/API 成本会明显高于普通检索插件
  • 核验与对抗审计能降低幻觉引用风险,但不能替代你对领域偏见、数据采集伦理与最终结论责任的判断
  • 若任务只要求内部脑暴提纲、不需要完整引用链,可能过重

使用场景

  • 撰写学术论文文献综述,需要为每个论断匹配可核验的一手或二手引用
  • 做细分市场规模与玩家扫描,要求报告附完整出处与缺口补搜记录
  • 投前或产品策略会前的竞品技术路线梳理,产出可审计的情报备忘录
  • 监管或合规场景下的政策/判例检索,不能接受未经验证的引用或臆造引文

适合人员

  • 高校或机构研究员,需要把多轮检索整理成带引用链的综述章节再投稿
  • 行业分析师,要向客户交付可追溯的数据点与来源清单而非口头结论
  • 企业战略或投研同事,定期产出竞品与赛道扫描且需留档备查
  • 技术写作者或编辑,负责核验稿件中的引用是否真实支持对应句子