academic-deep-research

核心信息速览

信息项	详情
适用平台	OpenClaw
Skill类型	OpenClaw Skill（方法论指南）
解决痛点	普通调研浅尝辄止，学术级研究又太耗时
核心优势	严格方法论保证调研深度，APA引用+证据分级+人工检查点
上手难度	★★★☆☆

一句话定位

AI 做学术级调研——不是搜一下就完事，而是有方法论、有引用、有检查点的深度研究。

适用场景

1. 论文文献综述：写论文前让 AI 做一次完整的文献调研，带 APA 引用
2. 竞品深度分析：不是罗列功能，而是追根溯源、评估证据质量
3. 投资调研：做投资决策前，对行业/公司做系统性调研
4. 技术选型：对多个技术方案做公平、深度的对比分析

解决痛点

• 以前 AI 调研搜一下就完事，质量不可控
• 现在有严格方法论：两轮研究、证据分级、APA 引用，保证调研深度
• 有三个人工检查点，AI 不会自作主张

核心优势

1. 双轮调研机制：每个主题必须两轮研究——第一轮广度覆盖，第二轮深度挖掘
2. 证据分级体系：一手/二手/灰色文献分级，保证信息可靠性
3. APA 7th 引用：自动生成规范引用，文献综述直接用
4. 三个人工检查点：需求确认→计划审批→结果审核，AI 不乱来
5. 并行研究轨道：sessions_spawn 支持多主题同时调研

原理解析与生活化类比

底层原理

Academic Deep Research 是一套研究方法论，不是 API 工具。它利用 OpenClaw 内置工具（web_search、web_fetch、sessions_spawn）执行严格的两轮调研流程。第一轮用宽泛关键词全面搜索，第二轮针对发现的信息源深入挖掘。同时维护一个证据分级表，确保结论有足够支撑。

生活化类比

就像请了一个** 严格的研究助理**——普通助理搜几条信息就汇报，这个助理有标准作业流程：必须查两轮、必须标注信息来源等级、必须按 APA 格式写引用、每一步要你确认。不会搜到第一条有用信息就急着给你答案。

极简上手步骤

1. 把 academic-deep-research Skill 放入 skills/ 目录
2. 触发方式：说 “/research [你的研究主题]”
3. AI 会先问你需求澄清（检查点1）
4. AI 提交研究计划，你审批（检查点2）
5. AI 执行研究，完成后你审核结果（检查点3）

学习资源

• GitHub 源码：https://github.com/openclaw/skills/tree/main/skills/kesslerio/academic-deep-research
• 触发词：“/research”、“deep research”、“exhaustive analysis”

---

采集自 GitHub/OpenClaw Skills，2026-04-07。