Academic Deep Research

1.3 质量控制全覆盖

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

2.3 系统间联动

标准3: 迭代机制（Iterative）

3.1 三轮自我修正循环

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

5.2 人机协作边界

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

版本: v1.0.0
学习来源: Egbertie六层嵌套模型
创建: 2026-03-203a:["$","$L42",null,{"content":"$43","frontMatter":{"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：\n1. 全局考虑：六层模型全覆盖（范式→情报→证据→多维→逻辑→迭代）\n2. 系统考虑：研究设计→执行→验证→报告完整闭环\n3. 迭代机制：三轮自我修正循环，持续优化研究质量\n4. Skill化：标准SKILL.md格式，可安装可调用\n5. 流程自动化：六层检查自动执行，质量门控自动验证\n","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"]}]}}]