academic-deep-research

name	academic-deep-research
version	1.0.0
description	学术级深度研究标准Skill - 满足5个标准： 1. 全局考虑：六层模型全覆盖（范式→情报→证据→多维→逻辑→迭代） 2. 系统考虑：研究设计→执行→验证→报告完整闭环 3. 迭代机制：三轮自我修正循环，持续优化研究质量 4. Skill化：标准SKILL.md格式，可安装可调用 5. 流程自动化：六层检查自动执行，质量门控自动验证
author	Satisficing Institute
tags	["academic-research","deep-research","six-layer-model","methodology"]
requires	[{"model":"kimi-coding/k2p5"},{"local_tools":["python3"]},{"external":["kimi-search","jina-reader"]}]

学术级深度研究标准Skill V1.0.0

标准1: 全局考虑（Global Coverage）

1.1 六层模型全覆盖（基于Egbertie学习材料）

层级	核心	关键动作	质量控制
L1范式锚定	认识论+方法论+伦理	明确研究范式	三要素检查
L2情报网格	多源三角验证	横向扫描+纵向钻取+冲突检测	≥3独立信源
L3证据链	可追溯性	溯源编码+等级标签	P1-P4分级
L4多维分析	五维度矩阵	时间/空间/学科/利益/方法论	强制多视角
L5逻辑架构	钻石模型	Hook→Gap→Question→Significance	逻辑防错检查
L6迭代优化	三轮修正	信息饱和→逻辑强化→表达精炼	自我修正

1.2 研究类型全覆盖

研究类型	适用六层	特殊要求
学术理论研究	全六层	理论贡献声明
政策研究	L1-L5	利益相关者分析
技术研究	L1-L6	TRL评估+专利分析
市场研究	L2-L4	数据真实性分级
竞品分析	L2-L5	多维度比较框架

1.3 质量控制全覆盖

质量维度	检查点	自动验证
真实性	数据分级标注	✅ 自动检查
溯源性	引用完整性	✅ 自动检查
逻辑性	因果推断正确性	✅ 自动检查
完整性	六层全覆盖	✅ 自动检查
可复现	方法论详细程度	✅ 自动检查

---

标准2: 系统考虑（Systematic）

2.1 六层研究闭环

graph TD
    A[研究主题] --> B[L1:范式锚定]
    B --> C{检查通过?}
    C -->|否| B
    C -->|是| D[L2:情报网格]
    
    D --> E{≥3信源?}
    E -->|否| D
    E -->|是| F[L3:证据链锻造]
    
    F --> G{可追溯?}
    G -->|否| F
    G -->|是| H[L4:多维分析]
    
    H --> I[L5:逻辑架构]
    I --> J[L6:迭代优化]
    J --> K{三轮修正完成?}
    K -->|否| J
    K -->|是| L[研究报告]
    
    L --> M[质量门控]
    M --> N{通过?}
    N -->|否| A
    N -->|是| O[交付]

2.2 质量门控系统

门控点	检查内容	失败处理
G1	六层完整性	返回补充
G2	引用溯源性	标记待验证
G3	逻辑一致性	红队挑战
G4	数据真实性	降级处理
G5	伦理合规性	人工审核

2.3 系统间联动

触发条件	联动动作
研究请求	触发六层分析流程
证据不足	自动扩展情报搜索
逻辑冲突	启动红队思维模式
质量门控失败	自动返回修正
研究完成	自动归档入知识库

---

标准3: 迭代机制（Iterative）

3.1 三轮自我修正循环

轮次	目标	检查点	优化动作
第一轮	信息饱和	覆盖度检查	补充缺失信源
第二轮	逻辑强化	因果检查	修正逻辑漏洞
第三轮	表达精炼	可读性检查	优化结构表达

3.2 研究质量迭代

V1.0.0: 基础六层框架
  ↓
V1.1.0: 自动化质量门控
  ↓
V1.2.0: 领域自适应优化
  ↓
V2.0.0: AI协作研究伙伴

---

标准4: Skill化（Skill-ified）

4.1 标准Skill结构

skills/academic-deep-research/
├── SKILL.md                    # 本文件
├── _meta.json                  # 元数据
├── scripts/
│   ├── research_master.py      # 主控脚本
│   ├── l1_paradigm_anchor.py   # L1范式锚定
│   ├── l2_intelligence_grid.py # L2情报网格
│   ├── l3_evidence_chain.py    # L3证据链锻造
│   ├── l4_multi_dimension.py   # L4多维分析
│   ├── l5_logic_architecture.py # L5逻辑架构
│   ├── l6_iterative_optimize.py # L6迭代优化
│   └── quality_gate.py         # 质量门控
├── rules/
│   ├── paradigm_definitions.yaml
│   ├── evidence_levels.yaml
│   ├── quality_checklist.yaml
│   └── iteration_protocols.yaml
└── templates/
    ├── research_proposal.md
    ├── research_report.md
    └── quality_report.md

4.2 可调用接口

from academic_deep_research import ResearchEngine

research = ResearchEngine()

# 执行完整六层研究
report = research.conduct_research(
    topic="合伙人决策方法论",
    paradigm="design_science",
    output_format="academic_paper"
)

# 执行单层分析
paradigm_result = research.l1_paradigm_anchor(topic)
intelligence_result = research.l2_intelligence_grid(topic)

# 质量门控检查
quality_report = research.quality_gate(report)

# 执行迭代优化
optimized = research.iterative_optimize(report, rounds=3)

---

标准5: 流程自动化（Fully Automated）

5.1 全自动研究流程

阶段	自动动作	输出
主题输入	自动识别研究类型	研究类型标签
L1-L6	自动执行六层分析	六层分析报告
质量门控	自动检查5个门控点	质量报告
迭代优化	自动执行三轮修正	优化后报告
最终交付	自动格式化输出	标准格式报告

5.2 人机协作边界

环节	AI自动	人工介入
信息收集	✅ 自动	原始数据获取
批判性终审	❌ 辅助	✅ 必须人工
方法论审核	❌ 辅助	✅ 专家审核
伦理审查	⚠️ 标记	✅ 人工确认

---

使用方法

自动模式（默认）

# 安装后执行完整研究
openclaw skill install academic-deep-research

手动调用

# 完整六层研究
openclaw skill run academic-deep-research conduct --topic "合伙人决策" --output paper

# 单层分析
openclaw skill run academic-deep-research l1 --topic "合伙人决策"

# 质量门控检查
openclaw skill run academic-deep-research quality-check --file report.md

# 迭代优化
openclaw skill run academic-deep-research optimize --file report.md --rounds 3

---

5个标准验证清单

标准	验证项	状态
1. 全局	六层模型 + 全研究类型 + 质量全覆盖	✅
2. 系统	研究闭环 + 质量门控 + 系统联动	✅
3. 迭代	三轮修正 + 版本进化	✅
4. Skill化	标准SKILL.md + 可调用接口	✅
5. 自动化	全自动研究 + 人机协作边界	✅

---

版本: v1.0.0
学习来源: Egbertie六层嵌套模型
创建: 2026-03-20