Auto Research

自主研究智能体：搜索、综合并存储调研结果，输出 Obsidian 简报并写入 Qdrant。

## 概述（中文）

自主研究智能体：搜索、综合并存储调研结果，输出 Obsidian 简报并写入 Qdrant。

## 技能正文

# 自动研究技能

面向 OpenClaw 的自主研究智能体：搜索、综合并存储发现，完整跟踪来源。

## 概述

本技能使 OpenClaw 能对任意主题进行自主研究，编制含执行摘要、关键发现与可执行建议的结构化简报。研究输出存储在 Obsidian 库并向量化为 Qdrant 以供语义检索。

## 用法

### 自然语言触发

- `"Research [topic]"` — 标准深度研究
- `"Quick research on [topic]"` — 快速扫描（5 个来源）
- `"Deep dive into [topic]"` — 全面分析（10+ 来源）

### 命令行用法

```bash
# 快速扫描 - 5 来源，1 页摘要
./clawhub-skills/auto-research/research.sh "AI agents 2026" quick

# 标准研究 - 7 来源，完整简报
./clawhub-skills/auto-research/research.sh "construction CRM software" standard

# 深度研究 - 10+ 来源，全面分析
./clawhub-skills/auto-research/research.sh "quantum computing breakthroughs" deep
```

## 配置

### 环境变量

| Variable | Description | Default |
|----------|-------------|---------|
| `BRAVE_API_KEY` | Brave Search API token | 使用内置密钥 |
| `OBSIDIAN_VAULT` | Obsidian 库路径 | `~/Documents/Obsidian/YoderVault` |
| `QDRANT_URL` | Qdrant 服务器 URL | `http://10.0.0.120:6333` |
| `REDIS_URL` | Redis 缓存服务器 | `10.0.0.120:6379` |
| `RESEARCH_DEPTH` | 默认深度级别 | `standard` |

### 深度级别

| Level | Sources | Detail Level | Use Case |
|-------|---------|--------------|----------|
| `quick` | 5 | 简要摘要 | 快速事实核查、初步探索 |
| `standard` | 7 | 完整简报 | 一般研究、决策支持 |
| `deep` | 10+ | 全面 | 战略分析、深度领域研究 |

## 输出

### 1. Obsidian 库简报

**位置：** `Inbox/Research - {Topic} - {YYYY-MM-DD}.md`

**结构：**
- **Executive Summary** — 3–5 句概述
- **Key Findings** — 要点列表
- **Detailed Analysis** — 按主题/子主题组织
- **Sources** — 完整引用（URL 与访问日期）
- **Action Items** — 建议与下一步
- **Confidence Rating** — 基于来源质量的 高/中/低

### 2. 向量化知识（Qdrant）

**Collection:** `web_research`

每份研究文档分块为语义片段并存储，附带：
- 来源 URL 与标题
- 研究主题标签
- 发布/访问日期
- 置信度元数据

## 功能

### 来源质量评估

研究自动评估来源可信度：

**高置信度：**
- 学术机构（.edu）
- 政府来源（.gov）
- 主流媒体
- 行业领先出版物

**中置信度：**
- 成熟科技博客
- 公司新闻稿
- 行业刊物

**低置信度：**
- 匿名论坛
- 未验证博客
- 过时来源（>3 年）

### 智能缓存

搜索结果缓存 24 小时以避免重复 API 调用：

- **主：** Redis（若可用）
- **备：** `/tmp/research-cache/` 本地文件缓存

缓存键格式：`research:{topic_hash}:{depth}`

### 向量搜索集成

存入 Qdrant 后，可通过以下方式发现研究：

```bash
# 搜索你的研究语料
./tools/yoder-kb.sh search "your query" 5 --collection web_research
```

## 文件结构

```
clawhub-skills/auto-research/
├── SKILL.md                    # 本文档
├── research.sh                 # 主研究编排器
├── vectorize.sh               # Qdrant 向量化
├── briefing-template.md       # 输出格式模板
└── search-cache.sh           # 结果缓存工具
```

## 依赖

### 必需（预装）
- `curl` — API 请求
- `jq` — JSON 处理
- `python3` — 向量化脚本

### 可选
- `redis-cli` — 分布式缓存
- `obsidian-cli` — 库集成

## 版本

**v1.0.0** — 初始版本，含 Brave Search、Qdrant 集成与 Obsidian 输出。

---

*OpenClaw ClawHub 技能生态的一部分。*