Auto Researcher

自主研究助手 - 深度调研、交叉验证、生成引用报告

Auto Researcher - 自主研究助手

🎯 核心功能

自主深度研究任何主题：

• 多源交叉验证
• CRAAP 可信度评估
• 生成引用报告
• 知识图谱构建
• 持续监控更新

灵感来源: OpenFang Researcher Hand

---

📚 研究方法

5 阶段研究流程

text

1. 定义 (Define)
   - 澄清问题
   - 识别已知/未知
   - 设定范围

2. 搜索 (Search)
   - 多策略搜索
   - 多样化来源
   - 查询优化

3. 评估 (Evaluate)
   - CRAAP 框架
   - 提取数据
   - 记录限制

4. 综合 (Synthesize)
   - 整合发现
   - 解决矛盾
   - 识别不确定性

5. 验证 (Verify)
   - 交叉检查
   - 标注置信度

---

🔍 CRAAP 评估框架

Currency (时效性)

• 何时发布/更新？
• 信息是否仍然当前？
• 链接是否有效？
• 技术主题>2 年可能过时

Relevance (相关性)

• 是否直接回答问题？
• 目标受众是谁？
• 详细程度是否合适？
• 是否愿意引用？

Authority (权威性)

• 作者资质？
• 出版机构？
• 联系信息？
• 域名类型？(.gov/.edu/组织)

Accuracy (准确性)

• 是否有证据支持？
• 是否经过审核？
• 能否从其他来源验证？
• 是否有事实错误？

Purpose (目的)

• 为什么存在？
• 信息/商业/说服/娱乐？
• 偏见是否明显？
• 作者是否受益？

评分标准

text

A (权威): 通过全部 5 项
B (可靠): 通过 4/5 项
C (有用): 通过 3/5 项，需谨慎
D (弱): 通过≤2/5 项
F (不可靠): 失败，不要引用

---

🔎 搜索优化技巧

查询构建

技巧	语法	示例
精确短语	"..."	"AI Agent 操作系统"
站内搜索	site:...	site:zhihu.com OpenClaw
排除	-	AI -artificial
文件类型	filetype:...	filetype:pdf 报告
时间范围	after:...	after:2025-01-01
OR 操作符	OR	(OpenClaw OR OpenFang)
通配符	*	"如何用*赚钱"

多策略搜索模式

text

主题：OpenClaw 赚钱方法

搜索查询组合:
1. "OpenClaw 赚钱" site:zhihu.com
2. "OpenClaw 变现" after:2025-01-01
3. "OpenClaw Skill" 开发 外包
4. "ClawHub" 技能市场 收入
5. OpenClaw vs OpenFang 对比
6. "AI Agent" 副业 2025
7. site:github.com openclaw skills
8. filetype:pdf openclaw 文档

---

📊 报告生成

输出格式

markdown

# 研究报告：[主题]

## 执行摘要
[200 字核心发现]

## 研究方法
- 搜索查询：[列出使用的查询]
- 来源数量：[N 个]
- 研究时间：[日期范围]

## 核心发现

### 发现 1: [标题]
**内容**: [详细描述]
**来源**: [引用，CRAAP 评分]
**置信度**: [高/中/低]

### 发现 2: [标题]
...

## 相互矛盾的信息
[列出不同来源的矛盾点，分析原因]

## 知识缺口
[识别尚未解答的问题]

## 参考文献
[APA 格式引用列表]

## 附录
- 完整搜索结果
- 原始数据
- 方法论细节

---

🧠 知识图谱构建

实体类型

text

- 人物 (Person)
- 组织 (Organization)
- 概念 (Concept)
- 产品 (Product)
- 事件 (Event)
- 地点 (Location)

关系类型

text

- 属于 (belongs_to)
- 创建 (created_by)
- 使用 (uses)
- 竞争 (competes_with)
- 影响 (influences)
- 引用 (cites)

存储格式

json

{
  "entities": [
    {
      "id": "openclaw",
      "type": "Product",
      "name": "OpenClaw",
      "attributes": {
        "description": "开源 AI 助手",
        "language": "TypeScript",
        "creator": "Peter Steinberger"
      }
    }
  ],
  "relations": [
    {
      "from": "openclaw",
      "to": "peter_steinberger",
      "type": "created_by"
    }
  ]
}

---

📋 使用示例

激活研究

text

帮我研究一下"知乎盐选投稿指南"，要详细的

查看进度

text

研究进行得怎么样了？

获取报告

text

把研究结果整理成报告，要 APA 引用格式

持续监控

text

持续监控"OpenClaw 新功能"，有更新告诉我

---

🔧 配置选项

toml

# 研究深度
research_depth = "deep"  # basic/standard/deep
max_sources = 20  # 最多引用来源数
min_craap_score = "B"  # 最低可信度

# 输出设置
output_format = "markdown"  # markdown/pdf/html
citation_style = "APA"  # APA/MLA/Chicago

# 监控设置
monitor_enabled = false  # 是否持续监控
monitor_frequency = "daily"  # daily/weekly

---

📊 仪表盘指标

json

{
  "researcher_reports_generated": 0,
  "researcher_sources_evaluated": 0,
  "researcher_entities_stored": 0,
  "researcher_relations_stored": 0,
  "researcher_last_report_date": null,
  "researcher_avg_credibility_score": 0
}

---

🎯 应用场景

场景 1: 市场调研

text

研究"小红书 AI 工具博主"的变现方式
- 分析 Top 10 博主
- 统计变现模式
- 估算收入范围
- 给出进入建议

场景 2: 竞品分析

text

研究 OpenClaw 的竞品
- OpenFang vs ZeroClaw vs CrewAI
- 功能对比
- 性能基准
- 市场份额

场景 3: 技术调研

text

研究"AI Agent 自主赚钱"的可行性
- 现有案例
- 技术栈
- 法律风险
- 实操步骤

场景 4: 持续监控

text

监控"知乎盐选过稿率"变化
- 每周收集数据
- 追踪趋势
- 异常 alert
- 生成月报

---

📝 从 OpenFang 借鉴的功能

1. ✅ CRAAP 评估框架 (直接采用)
2. ✅ 5 阶段研究流程 (优化适配)
3. ✅ 知识图谱存储 (简化实现)
4. ✅ 多源交叉验证 (完整保留)
5. ✅ 引用报告生成 (APA/MLA 支持)

---

🔧 OpenClaw 适配

OpenFang 功能	OpenClaw 实现
shell_exec	exec 工具
knowledge_add_entity	memory/store JSON
web_search	searxng skill
web_fetch	web_fetch 工具
schedule_create	qqbot-cron
dashboard	SESSION-STATE.md

---

此 Skill 受 OpenFang Researcher Hand 启发创建