hyperresearch 教程：给 Claude Code 装上 16 步深度研究流水线

📌 项目日期：2026年9月 | 数据来源：GitHub官方仓库 | 星数：2.6k+

📋 项目简介

hyperresearch（2.6k 星，单日 +118，MIT）是一个 Python 工具（3.11+），做的事情很纯粹：把 Claude Code 武装成一台深度研究 harness。输入一个研究主题，它跑一条 16 步流水线——从问题分解、文献宽度扫描、矛盾图分析，到深度调查、三稿撰写、4 个对抗 critic 互相挑刺，再到引文核验与可读性润色——最终产出 25K-80K 词的研究报告，所有源资料沉淀进本地 Vault。想配系统化科研技能包的话，可以搭配 scientific-agent-skills教程：163个技能把AI代理变成AI科学家（37k星）。

✨ 核心特性

特性	说明
16 步流水线	分解→宽度扫描→矛盾图→Loci 分析→深度调查→三稿→综合→对抗审查→核验→润色全链路
三档时长	light 30-40 分钟 / full 1.5-2.5 小时 / dissertation 4-8 小时（300-450 源）
Gears 档位	full 55-80 源、premier 100-130 源，hyperresearch profile use premier 一键切换
8 学术源一次查	OpenAlex/Crossref/CORE/DOAB/ClinicalTrials.gov/SEC EDGAR/FRED/RePEc 聚合去重
开放获取救援	Unpaywall/Europe PMC/CORE 自动找全文
三道验证门禁	quote-integrity 引用逐字、retracted-citations 撤稿检测、numeric-consistency 数值一致
两大铁律	Patch 永不重写（工具锁定 [Read,Edit]）；用户原始 prompt 持久化为 query.md 每步重读
本地 Vault	全部源资料 markdown + SQLite 持久库，跨会话复用

🏗️ 工作原理

研究主题 → 持久化 query.md（每步重读 = 原始 prompt 是圣经）
   │
   ▼
16 步流水线
  步骤 1-4   分解 · 宽度扫描 · 矛盾图 · Loci 分析
  步骤 5-9   深度调查 · 三稿撰写 · 综合
  步骤 10-13 4 个对抗 critic · patcher · cite-check
  步骤 14-16 polish · 可读性审计（工具锁定 [Read,Edit]：Patch 永不重写）
   │
   ▼
文献检索：8 学术源一次查询去重
（OpenAlex · Crossref · CORE · DOAB · ClinicalTrials.gov · SEC EDGAR · FRED · RePEc）
开放获取救援：Unpaywall · Europe PMC · CORE
   │
   ▼
三道验证门禁
（quote-integrity · retracted-citations · numeric-consistency）
   │
   ▼
成品报告（25K-80K 词）+ Vault（markdown + SQLite 全源留存）

🚀 安装与运行

# Python 3.11+
pip install hyperresearch
hyperresearch install          # 集成进 Claude Code

# 在 Claude Code 内启动深度研究
/hyperresearch <你的研究主题>

# 时长三档
#   light        30-40 分钟
#   full         1.5-2.5 小时
#   dissertation 4-8 小时（300-450 源，25K-80K 词）

# 切换全功率档位
hyperresearch profile use premier   # 100-130 源/次

# 直接用学术检索 CLI（8 源聚合去重）
hpr scholar search "transformer efficiency"

💡 使用建议

• 从 light 档起步：先跑几次 30-40 分钟的 light 验证主题适配度，再上 full/dissertation，避免几小时算力打水漂。
• 中途改需求改 query.md：项目铁律是"用户原始 prompt 是圣经"，人工介入时改持久化的 query.md 文件，而不是会话里口头补充——后者会被流水线忽略。
• 把对抗 critic 当质检核心：4 个 critic 的挑刺记录值得逐条读，它们是发现引用断章取义和数值漏洞的最后防线。
• 勿迷信 RACE 榜宣传：榜单第一为项目内部基准，第三方验证尚未完成，报告关键结论仍需人工复核原文。
• 成果沉淀：Vault 里的 markdown 源库本身就是知识资产，配合 Semantica教程：语义驱动自动化知识管理工具做长期整理，多轮研究可复用。