研究状态管理器

技能简介

ResearchVault 是面向智能体研究场景的本地状态管理引擎，提供 SQLite 持久化存储、并行假设分支、嵌入驱动的关联发现以及自我修正的验证机制。

业务背景

解决智能体研究过程中信息碎片化、结论难追溯的问题。通过本地化持久化存储与分支管理，支持多路径并行探索，自动关联分散发现，并内置验证机制纠错，确保复杂研究项目的知识资产可积累、可审计、可协作。

落地案例：市场研究团队设定"新能源汽车电池技术趋势"为主题，系统创建主项目后分设固态电池、钠离子电池两条假设分支并行追踪；当某篇论文被两个分支同时引用时，嵌入模型自动标记关联；最终生成带置信度评分的综合发现图谱与待核实事项清单。

能做什么

• 本地 SQLite 存储 artifacts、findings 和 links
• 创建分支与假设，探索并行研究路径
• 基于本地嵌入自动发现内容关联
• 通过 verification_missions 实现自我纠错
• MCP 原生支持跨智能体协作
• 后台持续监控 URL 与查询

使用说明

环境要求：Python 3.13，需安装 uv。

安装步骤：

uv venv && uv pip install -e .

初始化项目：

uv run python scripts/vault.py init --id "metal-v1" --name "Suomi Metal" --objective "Rising underground bands"

多源数据导入：

uv run python scripts/vault.py scuttle "https://reddit.com/r/metal" --id "metal-v1"

合成与验证：

# 关联发现
uv run python scripts/vault.py synthesize --id "metal-v1"
# 规划低置信度数据验证
uv run python scripts/vault.py verify plan --id "metal-v1"

启动 MCP 服务：

uv run python scripts/vault.py mcp --transport stdio

输入与输出

见下方输入与输出表格。

风险提示

• 依赖 Python 3.13，低版本不兼容
• 本地 SQLite 无远程备份，需自行容灾
• 持续监控模式占用系统资源
• 嵌入模型质量直接影响关联准确性

来源信息

原始链接：https://github.com/openclaw/skills/tree/main/skills/lraivisto/research-mind/SKILL.md
来源类型：GitHub 仓库