核心用法
Research Skill 提供两种互补的研究模式。交互式研究适用于与用户实时协作探索主题，通过对话进行搜索、综合并即时更新文档；深度研究则针对复杂议题调用 Parallel AI API 的 parallel-research CLI，利用多层级处理器（lite 至 ultra8x）进行耗时数分钟至数小时的异步综合调查，最终生成详细 markdown 报告。
工作流程遵循标准化目录结构：每个主题在 ~/.openclaw/workspace/research/<topic-slug>/ 下创建独立文件夹，包含 prompt.md（原始问题）、research.md（研究发现）及可选的 research.pdf 导出文件。交互模式强调"研究-更新-展示-引导"的循环，每 5-10 轮对话提供综合检查点；深度模式则通过 cron 定时任务自动轮询结果并推送至原对话渠道。
显著优点
结构化知识管理是最大亮点——将 ephemeral 的对话转化为持久的、可追溯的文档资产，避免重复劳动。双模态设计兼顾灵活性与深度：快速验证想法用交互模式，市场分析、技术深潜等复杂任务用深度模式。文档原则强调原子化发现、全链路溯源、置信度标注，天然适合科研、投资分析、技术选型等严肃场景。PDF 导出功能（基于 pandoc/PyMuPDF）进一步打通从研究到交付的闭环。
潜在缺点与局限性
外部依赖较重：核心功能依赖用户手动安装的 parallel-research CLI 及相关工具链（pandoc、uvx 等），首次配置门槛不低。深度研究的异步特性虽解放了对话线程，但 ultra 处理器 15 分钟以上的等待时间对即时性需求不友好。此外，PDF 导出存在表格渲染为堆叠行的已知限制。API 调用成本（Parallel AI 按处理器层级计费）对高频使用者构成隐性支出。
适合的目标群体
- 技术决策者：评估框架选型、架构方案前的系统性调研
- 投资与战略分析师：市场格局、竞争态势的深度扫描
- 学术与科研人员：文献综述、开题前的领域摸底
- 产品经理：需求探索阶段的用户研究、方案比选
- 独立开发者：项目启动前的技术栈验证与风险排查
使用风险
供应链风险：parallel-research CLI 的实际代码不在本 skill 内，需信任 Parallel AI 的服务安全性。密钥管理：PARALLEL_API_KEY 需用户自行配置至 ~/.secrets/parallel_ai/.env，权限设置不当可能导致泄露。数据驻留：研究内容默认存储于本地文件系统，但深度研究的数据会经过 Parallel AI 的服务器处理，敏感议题需谨慎评估。定时任务可靠性：cron 任务的 atMs 时间计算错误可能导致结果延迟或丢失，需严格验证时间戳。