这个AI研究工具，把话题挖到博士级才停——而且自带来源过滤器

你有没有过这种感觉——让 AI 帮你研究一个话题，它给你列了一堆来源，结果你一问细节，发现全是博客、论坛、没出处的文章？垃圾进，垃圾出，研究结论自然也是垃圾。

今天挖到一个真正不一样的 recursive-research（GitHub 36 stars），专门给 Claude Code 用——它能把一个研究主题挖到「博士级」水准，而且全程自动过滤垃圾来源、自动存档、自动反思。

它到底在做什么？

你丢给它一个研究种子，比如 “CAR-T cell immunotherapy against cancer”，然后它会：

• 先问你研究模式：纯网络 / 本地文档 / 混合
• 自动识别 3~5 个研究线程，每个线程独立深挖
• 每轮迭代结束后自动存档到磁盘——即便 Claude 上下文被压缩，你下次还能 --resume 接着跑
• 直到满足「博士级」5 项标准才停：覆盖率 ≥80%、每线程 ≥3 个 Tier-1 源、连续 3 轮新发现 ≤5%、做过芒格反转思考、显式跨线程关联 ≥3 个

换句话说：它不会在收集了一堆博客后就跟你说「研究完成了」——它有自己的终止标准。

来源质量分级，这个设计很聪明

recursive-research 把所有来源分成 4 个 Tier，拒绝无作者、数据空洞的营销文和 SEO 垃圾：

• Tier 1（权重 5）：同行评审论文、学术专著、官方标准（W3C / RFC / ISO / WHO）、官方数据集
• Tier 2（权重 3）：官方 GitHub 仓库、可引用的博客、有出处的维基百科、有方法的行业报告
• Tier 3（权重 2）：引用了 T1/T2 的博客、有来源的高赞论坛回答
• Reject（权重 0）：无作者、数据空洞营销文、SEO 垃圾、无来源教程、AI 生成内容

每个来源都会记录在对应 Tier 文件里，最后你会得到一份清晰的「谁在说/说了什么」地图。

WDM + 芒格反转：研究 AI 的自我批判

这是最让我惊艳的部分。在每个非平凡的自主决策点，它会同时用两个思维框架：

• WDM（加权决策矩阵）：列出 3+ 备选方案、设定权重和评分，量化比较
• Munger 反转思维：反过来问——这个选择哪里会出错？有什么盲点？忽略了什么？

最终整合知识时，它会主动问：「我不知道什么？我的来源有什么共同偏见？gap 在哪？」——这是大多数研究工具根本不会做的事。

安装超简单

Claude Code 里两行搞定：

/plugin marketplace add Anjos2/recursive-research
/plugin install recursive-research

然后 /recursive-research:recursive-research 启动。它会交互式引导你输入研究主题，完全不需要写提示词。

适合谁用？

• 写论文、做市场调研的技术博主
• 需要系统性研究但不想手动整理来源的产品经理
• 任何对「AI 研究质量」有高要求的人

本地运行，不收集任何数据，隐私友好。

GitHub：https://github.com/Anjos2/recursive-research

GitHub: https://github.com/Anjos2/recursive-research