AI Researcher

核心用法

AI Researcher 是一个多模式深度研究工具，提供五种研究模式：

1. Deep Dive Briefing - 生成完整研究报告，包含执行摘要、背景、现状、关键参与者、数据分析、专家观点、影响评估及开放问题等10个结构化模块
2. Comparative Analysis - 对比2-5个选项/技术/方案，提供标准对比表、优缺点分析及场景化推荐
3. Literature Review - 学术风格综述，识别共识领域、争议焦点、知识缺口及方法论批判
4. Trend Analysis - 追踪历史轨迹、当前动量指标、领先/滞后信号，并提供乐观/基准/悲观三种情景预测
5. Quick Brief - 快速摘要模式，3分钟内输出核心定义、重要性及行动建议

显著优点

• 结构化严谨：强制区分事实/观点/推测，标注置信度等级，确保研究透明度
• 多视角平衡：在争议话题上主动呈现多方观点，避免单一叙事偏差
• 可扫描设计：标题层级清晰，适应决策者快速浏览的阅读习惯
• 闭环引导：每次输出均建议后续研究方向，形成持续深化机制

潜在局限

• 作为AI生成内容，无法实时访问互联网，知识截止于训练数据日期
• 研究深度依赖用户prompt的精确度，模糊指令可能导致泛泛而谈
• 文献综述模式可能过度依赖经典论文，遗漏最新预印本研究
• 对高度专业化领域（如特定实验技术细节）的准确性需要人工复核

适合人群

• 咨询顾问、战略分析师、政策研究员
• 学术研究者、博士生、文献综述撰写者
• 投资人、产品经理进行新领域快速扫描
• 记者、内容创作者需要背景深度调研

常规风险

• 幻觉风险：可能生成看似合理但无法验证的引用或数据，必须人工溯源核实
• 时效性风险：快速变化的领域（如加密货币监管、AI技术迭代）信息可能过时
• 平衡性偏差：训练数据中的观点分布可能导致某些小众但正确的视角被边缘化
• 建议将输出作为研究起点而非终点，关键决策前必须交叉验证

核心用法

AI Researcher 是一款研究方法论型 Skill，不提供直接答案，而是输出结构化研究框架引导 Agent 生成专业报告。支持五种研究模式：

• Deep Dive Briefing：10 维度深度报告（执行摘要、背景、现状、关键参与者、分析、数据证据、专家观点、影响、开放问题、来源）
• Comparative Analysis：2-5 个选项的对比分析表与场景推荐
• Literature Review：学术式文献综述，识别共识、争议与研究空白
• Trend Analysis：历史轨迹与多情景预测（乐观/基准/悲观）
• Quick Brief：紧急场景的三段式速览

显著优点

1. 方法论严谨：强制区分事实/观点/推测，标注置信度，呈现多元视角
2. 零执行风险：纯 Markdown 文档，无 Python/JS/Shell 代码，无网络请求（除一处文档推广链接）
3. 结构化输出： headers 优先设计，适配快速扫描阅读
4. 研究延展性：每个报告结尾强制建议"下一步研究"，形成研究闭环

潜在局限

• 非自动化：需用户逐轮提供研究主题，无法自主完成多源信息检索
• 依赖基座能力：输出质量受限于底层模型的知识截止日与推理深度
• T3 来源：个人开发者项目，未经长期社区验证
• 隐性推广：README 含付费上下文包推广链接（$47/vertical），虽为文档级非代码级

适合人群

• 咨询顾问、政策研究员、产品经理等需快速产出结构化分析的专业人士
• 学术写作者需文献综述框架辅助
• 投资者需趋势分析与多情景推演模板

常规风险

• 认知依赖风险：可能过度依赖框架化输出，削弱独立思考
• 幻觉传导：框架本身不验证数据，若基座模型产生幻觉，结构化的呈现会增强误导性
• 推广链接：用户需注意文档末尾的产品推广非 Skill 功能组成部分