尧图网页设计 
Hyperresearch 16步研究流水线完全解析从分解到可读性审计【免费下载链接】hyperresearchAgent-driven research knowledge base. Agents collect, search, and synthesize web research into a persistent, searchable wiki.项目地址: https://gitcode.com/GitHub_Trending/hy/hyperresearchHyperresearch 是一款将 Claude Code 变成深度研究智能体deep research agent的开源工具。它的核心是一条16 步研究流水线输入一个研究问题自动经历任务分解、多视角搜索、矛盾图谱、深度调查、三方草稿、对抗式批评、引用校验直到产出一份带完整来源溯源、且通过可读性审计的最终报告。本文带你逐步拆解这 16 个环节帮助你理解一条严肃的研究流水线是如何运转的。上图来自项目内置的 DeepResearch-Bench 前瞻投影图assets/benchmark.pngHyperresearch 的 16 步流水线在 RACE 总分上以 57.8 分位居榜首。一、Hyperresearch 是什么一条把提示词变成报告的流水线 Hyperresearch 的入口技能只是一个薄路由它先固化你的原始问题称为 canonical research query唯一真理然后按阶段依次调用 16 个步骤技能。每个步骤的操作规程只在真正执行那一步时才载入上下文——这正是长流水线不会悄悄丢步骤的关键设计。安装极简一条命令即可pip install hyperresearch hyperresearch install之后在 Claude Code 中直接输入/hyperresearch 你的研究问题就能启动整条流水线。项目横幅展示了它的视觉标识二、16步流水线总览一张表看懂全流程 完整步骤表见 README.md。简化后如下阶段步骤干什么奠基1 分解问题 → 原子项 覆盖矩阵 层级分类1.5 章节划分原子项 → 4–10 章仅论文级2 宽度扫描多视角搜索计划 并行抓取波次深挖3 矛盾图谱全库矛盾配对成排序集群4 主题点分析2 个并行分析师 → 打分主题点5 深度调查K 个调查员 → 带立场的中间笔记6 跨点调和调和立场 → comparisons.md7 来源张力专家分歧 → source-tensions.json自纠8 语料批评什么来源能推翻结论 定向补抓9 证据摘要顶级论点 原文引语写作10 三方草稿3 个并行起草子代理light 档为单稿11 综合规划 大纲 综合子代理 → 最终报告审查12 四批评者4 个对抗式批评者并行审查13 缺口补抓针对批评者指出的库内缺口定向抓取14 修补工具锁定 ReadEdit 的手术式修改14.5 引用校验逐条验证引用—句子绑定收尾15 润色去填充词、清理卫生泄漏16 可读性审计JSON 建议 编排者选择性应用每个步骤都有独立的技能文件存放在 src/hyperresearch/skills/例如入口路由 hyperresearch.md。下面按阶段拆解。三、步骤 1–2分解与宽度扫描——先打地基再开工 步骤 1分解是整条流水线防跑偏的第一道闸门。它在你提问后、动手研究前把提示词拆成原子项子问题、点名实体、要求格式、要求章节、时间跨度、时间锚点、范围条件等详见 hyperresearch-1-decompose.md。其中最关键的一个产物是required_section_headings——一份报告必须输出的章节标题清单。官方称之为对指令跟随得分杠杆率最高的单一字段它强制报告结构与问题结构对齐而不是让起草者自由发挥。这一步还会自动判断任务属于light还是full层级。步骤 2宽度扫描随后生成一份多视角搜索计划并派出多波并行抓取器每波 8–12 个 fetcher 同时抓页。premier档位仅这一步就瞄准 100–130 个来源加上引用追踪和缺口补抓一次完整运行可沉淀250 个来源。四、步骤 3–7矛盾图谱与深度调查——从广度到深度 步骤 3 矛盾图谱把语料中的观点冲突两两配对聚成按重要性排序的矛盾集群让报告不回避分歧。步骤 4 主题点分析loci analysis两个并行的 loci-analyst 通读宽度语料输出 1–8 个值得深挖的主题点loci并分配来源预算。步骤 5 深度调查为每个主题点派出 K 个并行调查员每人产出一个带明确立场的中间笔记——不是泛泛总结而是我查证后站哪边、凭什么。步骤 6 跨点调和把这些已承诺的立场放在一起互相碰撞输出comparisons.md。步骤 7 来源张力专门抽取专家之间的分歧落成source-tensions.json。这 5 步是 full 层级的深度引擎宽度扫描解决知道得够广loci 机制解决想得够深。五、步骤 8–9语料批评与证据摘要——草稿前自纠 ️步骤 8 是全流水线杠杆率最高的介入点。它问一个尖锐的问题如果找到什么来源会推翻当前方向然后针对最危险的缺口执行定向抓取波次。原理很直白——草稿前的纠错几乎零成本草稿后的纠错则要动刀正文原文见 hyperresearch-8-corpus-critic.md。步骤 9 证据摘要把调查阶段的顶级论点连同逐字引语固化进evidence-digest.md为后续写作提供弹药库也为最后的引语完整性校验留下凭证。六、步骤 10–11三方草稿与综合——三份草稿合成一份报告 ✍️步骤 10三方草稿先按角度做来源精选再并行派出 3 个起草子代理draft-orchestratorOpus 级模型各写一份草稿light 层级则只出单稿。步骤 11综合生成规划与大纲再派出 synthesizer 子代理读取全部 3 份草稿写出final_report.md。从这一步起一份完整的报告已经存在——后面所有步骤都只做外科手术。七、步骤 12–14四个批评者与手术式修补 步骤 12同时派出4 个对抗式批评者并行攻击草稿dialectic-critic草稿漏掉的反证depth-critic中间笔记本可填补的浅薄处width-critic语料支持但草稿无视的角落instruction-critic与原子项清单的结构性偏差步骤 13缺口补抓针对批评者发现的知识库缺口再打一波定向抓取。步骤 14修补是项目的招牌设计——只许修补禁止重写patch, never regeneratepatcher 子代理在工具白名单层面被锁定为[Read, Edit]物理上无法 Write 一份新草稿每个 hunk 还有篇幅上限干脆重写一遍在机制上不可能实现。装不下的严重问题会升级为结构性问题由 lint 规则patch-surgery强制暴露。八、步骤 14.5–16引用校验、润色与可读性审计 ✅14.5 引用校验怀疑论式的 cite-checker 逐条验证引用—句子绑定——每个被引用的来源是否真的支撑它所在的那句话伪造引语和未声明的撤稿是出货硬阻塞。15 润色同样是工具锁定的 ReadEdit 子代理删填充词、剥离脚手架残留YAML frontmatter、提示词回声等卫生泄漏。16 可读性审计recommender 子代理不直接改稿而是输出一份 JSON 建议段落合并、列表/表格转换、加粗注入等由编排者选择性应用并记录决策日志设计动机见 hyperresearch-16-readability-audit.md。这个建议—决策分离很聪明纯自动改写可能把承载论证的散文改成破坏逻辑的列表而编排者的判断能保住论点完整性同时享受模式匹配的速度。报告出货前还要通过一组验证炮阵引语完整性每个引文必须在库内笔记中逐字存在、撤稿核查引用昨日刚被撤稿的来源会当场拦截、数字一致性无出处的数字被标记等。九、Tier 与 Gear像汽车挡位一样控制深度与花费 Hyperresearch 用两个杠杆控制流水线规模Tier按问题自动路由见 README.md层级运行内容典型耗时light有界事实型问题1→2→10→15→16 五步快车道约 30–40 分钟full默认全部 16 步 引用校验约 1.5–2.5 小时dissertation4–10 章300–450 个来源2.5 万–8 万词约 4–8 小时Gear按项目持久化决定标准流水线的规模hyperresearch profile use premier # 100–130 来源深度预算翻倍 hyperresearch profile use full # 回到 55–80 来源基线还有第三类杠杆Leversregister/inference_depth等决定报告的语气teach给你教学式讲解survey给你领域地图且不下结论analyze默认给评估性论证。细节见 README.md。十、Vault越用越聪明的研究知识库 大多数深度研究工具是一次性的报告出来其余全扔。Hyperresearch 把读过的每一个来源都沉淀进一个 Markdown SQLite 的持久化 VaultMarkdown 是真理SQLite 只是缓存下次会话先搜库再抓取每一轮都比上一轮更聪明。hyperresearch search ion-trap gate fidelity -j # 全文搜索 hyperresearch run resume -j # 崩溃的运行从断点精确恢复 hyperresearch serve --open # 本地 Web 界面浏览笔记图谱配合run resume断点续跑、来源质量评分含撤稿标记与 PageRank 中心性、以及5 份同一通稿只算 1 票的独立性审计知识库会随时间持续增值。十一、总结为什么 16 步值得 ⭐Hyperresearch 的 16 步流水线本质上是把严谨研究拆成了可审计的阶段分解保证不跑偏宽度扫描保证不遗漏矛盾与张力分析保证不偏听三方草稿保证不浅薄四个批评者 引用校验保证不出错修补与可读性审计保证报告既精确又好看。加上可持久累积的 Vault 和断点续跑它不再是一次性问答而是一个越用越强的研究知识基础设施。如果你想让 AI 替你完成一篇真正经得起审计的深度报告这套流水线目前值得纳入你的工具清单。【免费下载链接】hyperresearchAgent-driven research knowledge base. Agents collect, search, and synthesize web research into a persistent, searchable wiki.项目地址: https://gitcode.com/GitHub_Trending/hy/hyperresearch创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考 Hyperresearch 16步研究流水线完全解析：从分解到可读性审计
Hyperresearch 16步研究流水线完全解析从分解到可读性审计【免费下载链接】hyperresearchAgent-driven research knowledge base. Agents collect, search, and synthesize web research into a persistent, searchable wiki.项目地址: https://gitcode.com/GitHub_Trending/hy/hyperresearchHyperresearch 是一款将 Claude Code 变成深度研究智能体deep research agent的开源工具。它的核心是一条16 步研究流水线输入一个研究问题自动经历任务分解、多视角搜索、矛盾图谱、深度调查、三方草稿、对抗式批评、引用校验直到产出一份带完整来源溯源、且通过可读性审计的最终报告。本文带你逐步拆解这 16 个环节帮助你理解一条严肃的研究流水线是如何运转的。上图来自项目内置的 DeepResearch-Bench 前瞻投影图assets/benchmark.pngHyperresearch 的 16 步流水线在 RACE 总分上以 57.8 分位居榜首。一、Hyperresearch 是什么一条把提示词变成报告的流水线 Hyperresearch 的入口技能只是一个薄路由它先固化你的原始问题称为 canonical research query唯一真理然后按阶段依次调用 16 个步骤技能。每个步骤的操作规程只在真正执行那一步时才载入上下文——这正是长流水线不会悄悄丢步骤的关键设计。安装极简一条命令即可pip install hyperresearch hyperresearch install之后在 Claude Code 中直接输入/hyperresearch 你的研究问题就能启动整条流水线。项目横幅展示了它的视觉标识二、16步流水线总览一张表看懂全流程 完整步骤表见 README.md。简化后如下阶段步骤干什么奠基1 分解问题 → 原子项 覆盖矩阵 层级分类1.5 章节划分原子项 → 4–10 章仅论文级2 宽度扫描多视角搜索计划 并行抓取波次深挖3 矛盾图谱全库矛盾配对成排序集群4 主题点分析2 个并行分析师 → 打分主题点5 深度调查K 个调查员 → 带立场的中间笔记6 跨点调和调和立场 → comparisons.md7 来源张力专家分歧 → source-tensions.json自纠8 语料批评什么来源能推翻结论 定向补抓9 证据摘要顶级论点 原文引语写作10 三方草稿3 个并行起草子代理light 档为单稿11 综合规划 大纲 综合子代理 → 最终报告审查12 四批评者4 个对抗式批评者并行审查13 缺口补抓针对批评者指出的库内缺口定向抓取14 修补工具锁定 ReadEdit 的手术式修改14.5 引用校验逐条验证引用—句子绑定收尾15 润色去填充词、清理卫生泄漏16 可读性审计JSON 建议 编排者选择性应用每个步骤都有独立的技能文件存放在 src/hyperresearch/skills/例如入口路由 hyperresearch.md。下面按阶段拆解。三、步骤 1–2分解与宽度扫描——先打地基再开工 步骤 1分解是整条流水线防跑偏的第一道闸门。它在你提问后、动手研究前把提示词拆成原子项子问题、点名实体、要求格式、要求章节、时间跨度、时间锚点、范围条件等详见 hyperresearch-1-decompose.md。其中最关键的一个产物是required_section_headings——一份报告必须输出的章节标题清单。官方称之为对指令跟随得分杠杆率最高的单一字段它强制报告结构与问题结构对齐而不是让起草者自由发挥。这一步还会自动判断任务属于light还是full层级。步骤 2宽度扫描随后生成一份多视角搜索计划并派出多波并行抓取器每波 8–12 个 fetcher 同时抓页。premier档位仅这一步就瞄准 100–130 个来源加上引用追踪和缺口补抓一次完整运行可沉淀250 个来源。四、步骤 3–7矛盾图谱与深度调查——从广度到深度 步骤 3 矛盾图谱把语料中的观点冲突两两配对聚成按重要性排序的矛盾集群让报告不回避分歧。步骤 4 主题点分析loci analysis两个并行的 loci-analyst 通读宽度语料输出 1–8 个值得深挖的主题点loci并分配来源预算。步骤 5 深度调查为每个主题点派出 K 个并行调查员每人产出一个带明确立场的中间笔记——不是泛泛总结而是我查证后站哪边、凭什么。步骤 6 跨点调和把这些已承诺的立场放在一起互相碰撞输出comparisons.md。步骤 7 来源张力专门抽取专家之间的分歧落成source-tensions.json。这 5 步是 full 层级的深度引擎宽度扫描解决知道得够广loci 机制解决想得够深。五、步骤 8–9语料批评与证据摘要——草稿前自纠 ️步骤 8 是全流水线杠杆率最高的介入点。它问一个尖锐的问题如果找到什么来源会推翻当前方向然后针对最危险的缺口执行定向抓取波次。原理很直白——草稿前的纠错几乎零成本草稿后的纠错则要动刀正文原文见 hyperresearch-8-corpus-critic.md。步骤 9 证据摘要把调查阶段的顶级论点连同逐字引语固化进evidence-digest.md为后续写作提供弹药库也为最后的引语完整性校验留下凭证。六、步骤 10–11三方草稿与综合——三份草稿合成一份报告 ✍️步骤 10三方草稿先按角度做来源精选再并行派出 3 个起草子代理draft-orchestratorOpus 级模型各写一份草稿light 层级则只出单稿。步骤 11综合生成规划与大纲再派出 synthesizer 子代理读取全部 3 份草稿写出final_report.md。从这一步起一份完整的报告已经存在——后面所有步骤都只做外科手术。七、步骤 12–14四个批评者与手术式修补 步骤 12同时派出4 个对抗式批评者并行攻击草稿dialectic-critic草稿漏掉的反证depth-critic中间笔记本可填补的浅薄处width-critic语料支持但草稿无视的角落instruction-critic与原子项清单的结构性偏差步骤 13缺口补抓针对批评者发现的知识库缺口再打一波定向抓取。步骤 14修补是项目的招牌设计——只许修补禁止重写patch, never regeneratepatcher 子代理在工具白名单层面被锁定为[Read, Edit]物理上无法 Write 一份新草稿每个 hunk 还有篇幅上限干脆重写一遍在机制上不可能实现。装不下的严重问题会升级为结构性问题由 lint 规则patch-surgery强制暴露。八、步骤 14.5–16引用校验、润色与可读性审计 ✅14.5 引用校验怀疑论式的 cite-checker 逐条验证引用—句子绑定——每个被引用的来源是否真的支撑它所在的那句话伪造引语和未声明的撤稿是出货硬阻塞。15 润色同样是工具锁定的 ReadEdit 子代理删填充词、剥离脚手架残留YAML frontmatter、提示词回声等卫生泄漏。16 可读性审计recommender 子代理不直接改稿而是输出一份 JSON 建议段落合并、列表/表格转换、加粗注入等由编排者选择性应用并记录决策日志设计动机见 hyperresearch-16-readability-audit.md。这个建议—决策分离很聪明纯自动改写可能把承载论证的散文改成破坏逻辑的列表而编排者的判断能保住论点完整性同时享受模式匹配的速度。报告出货前还要通过一组验证炮阵引语完整性每个引文必须在库内笔记中逐字存在、撤稿核查引用昨日刚被撤稿的来源会当场拦截、数字一致性无出处的数字被标记等。九、Tier 与 Gear像汽车挡位一样控制深度与花费 Hyperresearch 用两个杠杆控制流水线规模Tier按问题自动路由见 README.md层级运行内容典型耗时light有界事实型问题1→2→10→15→16 五步快车道约 30–40 分钟full默认全部 16 步 引用校验约 1.5–2.5 小时dissertation4–10 章300–450 个来源2.5 万–8 万词约 4–8 小时Gear按项目持久化决定标准流水线的规模hyperresearch profile use premier # 100–130 来源深度预算翻倍 hyperresearch profile use full # 回到 55–80 来源基线还有第三类杠杆Leversregister/inference_depth等决定报告的语气teach给你教学式讲解survey给你领域地图且不下结论analyze默认给评估性论证。细节见 README.md。十、Vault越用越聪明的研究知识库 大多数深度研究工具是一次性的报告出来其余全扔。Hyperresearch 把读过的每一个来源都沉淀进一个 Markdown SQLite 的持久化 VaultMarkdown 是真理SQLite 只是缓存下次会话先搜库再抓取每一轮都比上一轮更聪明。hyperresearch search ion-trap gate fidelity -j # 全文搜索 hyperresearch run resume -j # 崩溃的运行从断点精确恢复 hyperresearch serve --open # 本地 Web 界面浏览笔记图谱配合run resume断点续跑、来源质量评分含撤稿标记与 PageRank 中心性、以及5 份同一通稿只算 1 票的独立性审计知识库会随时间持续增值。十一、总结为什么 16 步值得 ⭐Hyperresearch 的 16 步流水线本质上是把严谨研究拆成了可审计的阶段分解保证不跑偏宽度扫描保证不遗漏矛盾与张力分析保证不偏听三方草稿保证不浅薄四个批评者 引用校验保证不出错修补与可读性审计保证报告既精确又好看。加上可持久累积的 Vault 和断点续跑它不再是一次性问答而是一个越用越强的研究知识基础设施。如果你想让 AI 替你完成一篇真正经得起审计的深度报告这套流水线目前值得纳入你的工具清单。【免费下载链接】hyperresearchAgent-driven research knowledge base. Agents collect, search, and synthesize web research into a persistent, searchable wiki.项目地址: https://gitcode.com/GitHub_Trending/hy/hyperresearch创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考