Web Research 技能

版本: 2.1.0

作者: Claw 🦾

用途: 生成带来源引用、质量评分和自动跟进的结构化研究报告。

概述

Web-research 技能实现了端到端的研究自动化流程：解析问题 → 生成多样化查询 → 搜索 → 获取内容 → 跟进 → 去重 → 综合 → 生成报告。

相较于 v1 的主要改进：

• 自动跟进查询 — 基于初始发现，执行两轮跟进搜索
• 质量评分 — 对每个来源按内容深度、URL、标题、日期进行 0-1 分评分
• 来源去重 — 移除重复来源，保留最详细的版本
• 批量研究模式 — 单次会话处理多个主题
• 多种输出格式 — 支持 markdown（默认）、JSON、HTML
• 主题提取 — 从自然语言问题中智能提取关键词

使用方法

基础用法

# 单个研究问题
python3 scripts/research.py "2026 年欧盟人工智能监管现状是什么？"

# 增加跟进轮次
python3 scripts/research.py --followups 5 "捷克共和国可再生能源市场分析"

# JSON 格式输出
python3 scripts/research.py --format json "2026 年加密货币监管"

# HTML 格式输出
python3 scripts/research.py --format html "云计算市场竞争格局"

# 自定义来源数量限制
python3 scripts/research.py --sources 15 "中小企业 SaaS 工具的最佳定价方案"

批量模式

创建一个 JSON 文件（questions.json）：

{
  "questions": [
    "2026 年欧盟人工智能监管现状",
    "中小企业自动化最佳 SaaS 工具",
    "2026 年加密货币监管趋势"
  ]
}

然后运行：

python3 scripts/research.py --batch questions.json

流程步骤

步骤 1：解析问题

从自然语言问题中提取有意义的主题关键词。去除停用词，保留实体和关键术语。

步骤 2：生成查询

生成 5 种多样化的查询变体：

• 精确匹配
• 宽泛匹配
• 时间敏感（如 2025/2026）
• 分析型
• 市场数据导向

步骤 3：执行搜索

对每种查询变体运行 web_search。收集包含标题、URL、摘要的结果。

步骤 4：获取内容

使用 web_fetch 从顶部 URL 提取内容。保存全文以供综合使用。

步骤 5：跟进查询（v2）

基于初始发现，生成两轮跟进搜索：

• 检索发现中的新兴主题
• 添加时间敏感的跟进
• 弥补信息空白
• 提升覆盖范围与准确性

步骤 6：去重与评分

根据 URL 去除重复来源。对每个来源进行评分（0-1），依据：

• 包含 URL（+0.2），包含标题（+0.15），包含详细信息（+0.3）
• 内容长度 > 100 字符（+0.2），包含日期（+0.15）

步骤 7：综合与报告

将发现整合为结构化报告，包含：

• 执行摘要
• 编号的关键发现（附质量标签）
• 质量评估表
• 局限性与方法说明
• 来源引用

报告格式

Markdown（默认）

富文本格式，支持标题、表格、项目列表，适合阅读与分享。

JSON

结构化数据输出，适合程序处理、API 接入、仪表盘展示。

HTML

自包含样式报告，适合网页查看、邮件附件。

输出文件

报告保存路径：workspace/research/web-research-YYYY-MM-DD-<topic>.md

JSON 报告：workspace/research/web-research-YYYY-MM-DD-<topic>.json

HTML 报告：workspace/research/web-research-YYYY-MM-DD-<topic>.html

质量规则

1. 交叉验证 — 每个主要论断至少来自两个来源
2. 标记过时信息 — 快速变化领域中超过两年的数据需标注
3. 区分观点与数据 — 明确标注分析性内容
4. 每条事实均需引用 — 所有事实性陈述必须附带 URL
5. 记录分歧 — 当来源意见不一致时，应同时记录各方观点
6. 来源评分 — 低质量来源在报告中标注

技能依赖

• web_search — 通过 SearXNG 搜索网络
• web_fetch — 从 URL 获取并提取内容
• write — 生成并保存报告
• exec — 执行流程脚本

定价

文件结构

web-research/
  SKILL.md                              — 本文件
  scripts/
    research.py                         — 研究流程 v2.1.0
  references/
    synthesis-framework.md              — 如何综合发现
    report_template.md                  — 标准报告结构
    search-strategies.md                — 查询生成最佳实践

版本历史