研究库管理器

技能简介

ResearchVault 是面向智能体研究的自主状态管理工具，通过本地 SQLite 实现研究发现、线索与产物的持久化存储，支持并行假设探索与自动化验证。

业务背景

复杂研究项目往往涉及多线索并行探索与大量碎片化信息，传统方式难以追踪假设演进与证据关联。该工具通过本地化持久化存储与智能关联发现，帮助研究人员系统管理调查路径，避免重复劳动，提升研究过程的连贯性与可追溯性。

落地案例：安全分析师调查一起网络攻击事件时，创建主项目记录初始线索，同时开启两条分支假设分别追踪供应链污染与内部威胁。系统自动将新发现的IP地址与历史情报库关联，对低置信度的匿名举报启动自动化验证任务，最终生成结构化的调查报告。

能做什么

• 建立本地知识库，集中管理研究项目的产物、发现与外部链接
• 创建研究分支与假设，同时追踪多条调查路径
• 基于本地嵌入向量自动发现信息之间的关联
• 部署验证任务，对低置信度数据启动自校正流程
• 以 MCP 服务器模式运行，支持跨智能体协作
• 后台持续监控指定 URL 与查询主题

使用说明

环境准备

uv venv && uv pip install -e .

初始化研究项目

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

采集多源信息

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

合成与验证

uv run python scripts/vault.py synthesize --id "metal-v1"
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

• 本地 SQLite 数据库需定期备份，防止数据丢失
• 持续监控模式会占用系统资源，长期运行需评估负载
• 自动验证依赖外部信息源，可能产生网络请求费用
• MCP 跨智能体协作时需注意访问权限控制

来源信息

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