用 ai-research Skill 把 Claude 变成「带引用的研究助理」

做 AI 研究时，你还在靠一条条 WebSearch 手动拼答案？今天挖到一个能直接升级你工作流的 Skill：ai-research。

它不是一个普通搜索插件，而是一套「多级引用优先」的研究协议。核心思路是：与其乱搜一气，不如把问题拆成 4 个层级，从轻到重逐层升，同时把最耗时的深度研究放在后台跑，最后统一回收结果。

什么是 ai-research？

ai-research 是 arcasilesgroup 开源的一个 Claude Skill，Star 52，专门解决「外部知识研究」这个高频痛点。它的触发词很明确：「state of the art 怎么说？」「帮我比较方案」「调研一下这个问题」——凡是答案在代码库外面的问题，都能交给它。

4 级研究体系，比你想的 smarter

• Tier 0（本地记忆）：先翻历史研究产物、LESSONS.md、框架事件日志。如果之前做过同类研究，直接复用，不重复劳动。
• Tier 1（免费 MCP 并行）：调用 Context7、MS Learn、GitHub 搜索等工具，并行跑，按 URL 去重。
• Tier 2（全网搜索）：Tavily、Exa、内置 WebSearch 同时启动，结果合并后去重， Tie-break 规则写死。
• Tier 3（NotebookLM 深度研究，默认开启）：后台一条 detached CLI 启动 NotebookLM deep research，和 Tier 0-2 并行跑，最后只阻塞等待一次，上限 900 秒。

结果必须有出处

最让人舒服的是它的「引用洁癖」：每个外部声明都必须带 `[N]` 来源标记，没来源的标 `[unsourced]`，输出末尾还有恰好 3 条带引用的建议方向。你不用再自己整理参考链接，它直接生成标准的 Sources 清单和 Notebook Reference。

适合谁？

• 做技术调研、竞品分析、文献综述的开发者
• 需要用 Claude Code / Codex CLI 做深度研究的同学
• 在意「每句话都有出处」的研究型工作流

不适合的场景也写得清楚：代码库内探索用 /ai-explore，重构用 /ai-simplify，业务调试用 /ai-debug——各司其职，不越界。

怎么用？

直接在 Claude Code 或 Codex CLI 里安装这个 Skill，触发时加上查询语句，可选 `–depth quick|standard|deep` 控制 Tier 0-2 的深度（Tier 3 永远默认开启）。研究结果还会自动持久化到 `.ai-engineering/runtime/research/` 目录，方便后续复用。

GitHub：https://github.com/arcasilesgroup/ai-engineering

如果你经常在 Claude 里问「帮我调研一下 X」，这个 Skill 值得装。4 级体系 + 引用规范 + NotebookLM 后台深度研究，比随手搜靠谱太多。

GitHub: https://github.com/arcasilesgroup/ai-engineering