jordan-gibbs/hyperresearch

Hyperresearch 是一个深度研究工具，能将 Claude Code 和 OpenAI Codex 等编码代理转变为强大的研究助手。它不仅仅是简单的问答，而是执行一个结构化的 16 步骤流程，收集数百个来源、验证每一项引用，并产出完整的参考报告。它专为严肃的研究任务而设计——如竞争对手分析、学术文献回顾、市场研究——并在 DRACO 基准测试中声称优于 ChatGPT 和 Gemini 等专用研究工具。

运作方式：

• 您输入一个问题（例如：/hyperresearch "Compare Toast vs Square vs Clover for restaurants"）。
• 它将问题分解为原子级子问题，然后执行多阶段流程：广泛网络搜索、特定主题深入研究、矛盾检测、对抗性批判，最后产出综合报告。
• 它读取的每个来源都会存储在一个持久、可搜索的知识库中（Markdown + SQLite）。未来的对话会重复使用此知识库，让研究成果随时间积累。
• 引用在报告发布前会经过验证——一个怀疑论检查器会确保每项主张确实由引用的来源支持，从而阻止幻觉引述。
• 流程是模块化的：它使用多个专业的 AI 子代理（获取器、评论家、修补程序）并针对不同角色使用不同的模型（Sonnet、Opus）。

主要功能：

• 规模： 单次执行可提取 250 个以上的来源；可选的 'premier' 配置文件目标为 100–130 个来源。
• 对抗性审查： 四个评论家并行攻击草稿；工具锁定的修补程序只能进行外科手术式的编辑，不能重写整份报告。
• 学术来源： 整合 OpenAlex、Crossref、CORE、SEC EDGAR、FRED 等，因此可以提取论文、备案和数据。
• 付费论文： 通过 Unpaywall、Europe PMC 和 CORE 自动寻找合法的开放获取副本。
• 恢复支持： 如果执行崩溃，它可以从确切的步骤恢复。
• 灵活输出： 支持不同的 '语域'（教学、调查、分析、倡导）和推理深度等级。

安装：

• 需要 Python 3.11+ 以及 Claude Code 或 OpenAI Codex。
• 通过 pip install hyperresearch 安装，然后执行 hyperresearch install 在您的项目中进行设置。
• 也可作为托管服务于 hyperresearch.ai 使用。

为何脱颖而出： 它不仅仅是一个封装器——它是一个精心设计的流程，具有明确的质量控制（引用检查、独立性审计、对抗性评论家）和持久记忆（知识库）。基准测试结果显示它对于深度研究任务确实有效。