Hyperresearch Skill：让 Claude Code 变深度研究机器，250+来源溯源报告

让 Claude Code 变身为深度研究机器：输入一个查询，输出带完整溯源的专业报告。Hyperresearch 目前在 DeepResearch-Bench RACE 排行榜上领先，它用一套自适应的 16 步 pipeline 把研究效率从”大海捞针”提升到”系统挖掘”。核心亮点：一次运行覆盖 250+ 来源、每条引用都经过核实、多轮对抗性审查确保报告可靠。更重要的是，所有资料自动存入 SQLite 知识库，下次启动直接复用——每次研究都比上一次更聪明。

功能与原则

Hyperresearch 本质上是一个面向 Claude Code 的研究增强框架。它不只是一个 prompt 模板，而是一套完整的 agent pipeline：

• 多步分工：每个研究阶段对应独立 Skill，逐步叠加而非一股脑塞进上下文
• 引用核实：所有引用都经事实核查机器人审计，虚构引用直接拦截
• 对抗性审查：四个批评者并行攻击草稿，patcher 只能做精准手术式修改，不能重写报告
• 持久化知识库：每条来源存入 SQLite+Markdown 持久化知识库，后续会话复用先于新抓取
• 断点续跑：每次运行维护 manifest，崩溃后从精确断点恢复

认可度

• GitHub Star：2,410（截至 2026-09-12）
• Forks：248
• Benchmark 表现：DeepResearch-Bench RACE 排行榜领先（内部基准测试）
• 技术定位：学术/深度研究场景，对标 OpenAI Deep Research、Perplexity Pages

链接

GitHub：https://github.com/jordan-gibbs/hyperresearch

原作者

jordan-gibbs — 个人开发者，专注于 AI 驱动的深度研究工具与知识库系统。

介绍

Hyperresearch 将 Claude Code 转化为深度研究 agent，支持单次运行抓取 250+ 来源并输出带完整溯源的 adversarially-audited 报告。Pipeline 采用分层自适应设计：

Step 1 分解（Decompose）：将原始查询拆解为原子问题 + 覆盖矩阵 + 分层定级
Step 2–15 迭代研究：各阶段对应独立 Skill，按需加载不进内存，避免上下文污染
Step 16 输出审计：批评者攻击 + patcher 精准修改，输出最终报告

它对每条引用都会调用 Unpaywall 和 Europe PMC 尝试获取合法开源全文，而非只存摘要。即使来源被封锁，也会明确标注”无法获取完整内容”。每次运行的全部来源自动进入持久化 SQLite 知识库，下次新研究启动时优先检索已有资料，而非重复抓取。

特点

• 引用级核实：每条引用的事实核查机器人会在报告发布前拦截虚构引用和未被承认的撤稿
• 独立性审计：衍生报道聚类去重，防止新闻通稿被重复计算为多个独立来源
• 付费墙穿透：自动请求 Unpaywall 合法开源版本，存全文而非仅摘要
• 断点续跑：manifest 机制保证长任务（ dissertations 可达 25K–80K 词）崩溃后可从精确断点恢复
• 知识库复用：所有来源进入持久化 vault，新会话检索先于网络抓取，实现”越用越聪明”

使用方法

安装：

cd your-project
pip install hyperresearch && hyperresearch install

启动（在 Claude Code 中）：

/hyperresearch <研究主题>

全局安装（可选）：

hyperresearch install --global
# 让 /hyperresearch 在任意 Claude Code 会话中可用

依赖： Python 3.11–3.13（不支持 3.14）

使用场景与人群

适用场景：
– 学术论文研究（dissertation 级别 25K–80K 词、300–450 来源）
– 市场调研与竞品分析
– 技术可行性研究（带来源溯源）
– 新闻事件深度调查

目标用户：
– 需要深度、结构化研究报告的 researcher
– 希望 AI 辅助做文献综述的学术工作者
– 需要带溯源证明的专业报告的分析师

输入与输出案例

案例 1：快速研究（30 分钟）

输入：/hyperresearch RAG vs GraphRAG in production
输出：5-step fast path，50-130 sources，结构化报告含技术对比表格、适用场景分析、代表性开源项目

案例 2：深度研究（Dissertation 级）

输入：/hyperresearch The impact of transformer architecture on drug discovery 2019-2025
输出：25K-80K 词多章节报告，覆盖 300-450 篇论文，含方法论分析、时间线梳理、未来方向预测，每条引用经核实

GitHub: https://github.com/jordan-gibbs/hyperresearch