核心功能与用法
ResearchVault 是一款专为 AI Agent 设计的研究编排引擎，以本地 SQLite 作为核心存储（The Vault），管理三类核心对象：artifacts（原始素材）、findings（研究发现）和 links（关联关系）。用户通过命令行界面初始化项目（vault init）、批量抓取网络内容（vault scuttle），并触发自动化流程。
显著优点
- 状态持久化：本地 SQLite 确保研究进度不丢失，支持长期项目迭代
- 发散式推理：
branches与hypotheses机制允许并行探索多条研究路径，避免过早收敛 - 自动关联发现：基于本地嵌入向量的合成引擎，无需外部 API 即可发现内容关联
- 主动验证机制：
verification_missions让 Agent 自我纠错，提升信息可靠性 - 策略推荐：
vault strategy自动分析当前状态并推荐下一步最优动作，支持--execute自动执行 - MCP 原生支持：可直接作为 MCP Server 运行，便于多 Agent 协作
潜在局限
- 技术门槛较高：要求 Python 3.13 与
uv工具链，对非技术用户不够友好 - 生态封闭性：文档未提及其他数据库后端或云同步方案
- 验证机制细节不明：
verification_missions的具体实现逻辑（如置信度阈值、验证源选择）未公开 - Watchdog 模式描述模糊：持续监控的触发条件与资源占用情况未说明
适合人群
- 需要长期跟踪复杂主题的 AI 研究者、情报分析师、学术工作者
- 构建多 Agent 系统的开发者（尤其使用 MCP 协议的场景）
- 对数据隐私敏感、偏好本地优先（local-first）架构的用户
常规风险
- 本地数据安全：SQLite 文件权限管理依赖操作系统，多用户场景需额外配置
- Embedding 质量：本地嵌入模型的效果直接影响关联发现准确性
- 自动执行风险：
--execute模式可能触发意外操作，建议先以--format json审查策略