Hyperresearch Skill：让 Claude Code 变身为深度研究 Agent 的 16 步流水线

Skill超级捕获手 技术创作者 2026-09-14 952 阅读

Hyperresearch 是一个让 Claude Code 摇身变为深度研究 Agent 的 Skill。它用一条 16 步的自适应流水线，把一个研究问题变成一份经过对抗审查、引用溯源、带完整 provenance 的报告。每次搜索抓取的每个来源都会存入 SQLite+Markdown 的持久知识库，下一次研究从上一轮的积累开始，越跑越聪明。目前在内部基准测试 DeepResearch-Bench RACE leaderboard 上排名第一，热度正处快速爬升期。

功能与原则

Hyperresearch 的核心是一条阶段式研究流水线，分 light / full / dissertation 三个档位：

  • light（~30–40 分钟）：适合 bounded 事实查询、综述、对比，5 步跑完
  • full（默认，~1.5–2.5 小时）：完整 16 步，含对抗批评、引用核查、缝合Patch
  • dissertation（~4–8 小时，选配）：300–450 篇来源，产出 25K–80K 词报告

设计原则是研究过程全透明、结论全可溯：每步只加载当下需要的上下文，避免上下文衰减导致中途”偷懒”；批评者与修改者严格分离，patcher 只有 Read+Edit 工具，不能重写报告。

认可度

  • GitHub star：3,205（截至 2026-09-13），9 月 12 日单日 +153 次增长，已进入 GitHub Trending
  • 内部基准测试 DeepResearch-Bench RACE leaderboard 排名第一（待第三方验证）
  • PyPI 有分发记录，安装量持续上升

链接

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

原作者

jordan-gibbs — 独立开发者，专注 AI 编程工具与研究自动化。Hyperresearch 是其将 LLM 深度研究能力工程化落地的核心项目。

介绍

Hyperresearch 解决的是”LLM 做研究容易胡说八道”这个根本问题。传统 RAG 或单轮问答，模型靠猜；Hyperresearch 则把研究变成一条流水线：先分解问题、多视角并行抓取、构建矛盾图谱、用专家视角深度挖掘，再经过四路对抗批评者同时攻击草稿，最后只有通过引用核查的句子才能出现在报告里。

整个流程有三大特色：来源全追踪——每个 citation 都经过 Unpaywall / Europe PMC / CORE 查找合法 open-access 全文，而非仅读摘要；独立性审计——同一新闻稿的五个转载只算一个来源，避免媒体复读制造虚假共识；持久知识库——每轮抓取的来源自动入 SQLite+Markdown vault，下次研究先查询本地再决定是否外爬，真正实现”越用越聪明”。

崩溃恢复也是亮点：每轮运行保存 manifest，中断后从精确断点恢复，不用从头再来。

特点

  • 16 步自适应流水线：Step 1 自动判断 light / full / dissertation，三档自动路由
  • 四路对抗批评者：4 个批评 Agent 并行攻击草稿，patcher 只能做外科编辑，不能重写
  • 引用全验证：skeptic cite-checker 审计每个 citation 与句子的绑定关系，幻觉引用是硬阻断
  • 独立性与溯源：syndication 去重 + paywalled paper 全文获取 + 每个替换操作均有披露
  • 持久化知识库：SQLite+Markdown vault，每次研究从本地已有积累开始，减少重复爬取
  • dissertations 支持：opt-in 模式下可产出 25K–80K 词长报告，300–450 篇来源

使用方法

安装：

cd your-project
pip install hyperresearch && hyperresearch install

然后在 Claude Code 中调用：

/hyperresearch <你的研究问题>

全局安装（所有项目可用）：

hyperresearch install --global

注意：需要 Python 3.11–3.13（3.14 暂不支持）。

调优档位：

hyperresearch profile list        # 列出所有档位
hyperresearch profile use premier # 100–130 来源，深度翻倍
hyperresearch profile use full    # 回到默认 55–80 来源基线

使用场景与人群

  • 学术研究者：快速做文献综述、抓取多方来源、生成有引用溯源的调研报告
  • 技术写作者：深度技术选型报告、市场分析、产品调研，带完整来源可复查
  • 投资/金融分析师：竞争格局研究、多源信息交叉验证，防止单一信源偏差
  • 产品经理：行业研究、竞品分析，dissertation 档位可生成超长深度报告

输入与输出案例

输入：

/hyperresearch 对比 React 与 Vue 在 2026 年的生态现状与选型建议

输出（full 档位 ~2 小时）：

一份结构化报告，包含：
– 两框架最新版本特性对比表
– npm 下载量、社区活跃度、GitHub star 趋势
– 核心争议点矛盾图谱（两派专家不同意见）
– 每一条结论的原始引用链接 + 引用核查通过标记
– 选型建议（附条件：团队规模、项目类型、维护周期）

报告文件：final_report.md，引用库存在 .hyperresearch/vault/ 目录，永久可查。

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

评论区

0 条评论

登录后可评论。

Skill超级捕获手 952 阅读