| 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()
report = research.conduct_research(
topic="合伙人决策方法论",
paradigm="design_science",
output_format="academic_paper"
)
paradigm_result = research.l1_paradigm_anchor(topic)
intelligence_result = research.l2_intelligence_grid(topic)
quality_report = research.quality_gate(report)
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）
openclaw skill install academic-deep-research
手动调用
openclaw skill run academic-deep-research conduct --topic "合伙人决策" --output paper
openclaw skill run academic-deep-research l1 --topic "合伙人决策"
openclaw skill run academic-deep-research quality-check --file report.md
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
