开源 Hyperresearch：深度调研利器，做完还能沉淀为越用越厚的库

📝

Hyperresearch 是一个装在 Claude Code 上的深度研究 Harness（MIT 开源），一次研究拆成 16 步：拆解搜集→独立性审计→四 critic 围攻审稿→逐条引用核验，源沉入持久 vault 让知识越用越厚。

原文来自微信公众号 Sanmist

现在能做「深度研究」的工具不少，丢一个问题进去，等十几分钟，出来一份带引用的长报告。用久了会发现两个别扭的地方。

一是源用完就扔。这次翻了两百篇资料写成报告，资料本身没留下；下次问一个相邻的问题，工具又从零搜一遍，前面的功夫白费。

二是引用不太敢信。报告里挂着一串脚注，看着很扎实，但里面某条引文到底是不是原文那么说的、那个数字是不是真出自那份报告，你只能自己回去一条条查——而这恰恰是你想让它替你干的事。

hyperresearch 是冲着这两点去的。它是一个装在 Claude Code 上的深度研究流程（作者叫它 deep research harness），MIT 开源，装完在 Claude Code 里敲 /hyperresearch 你的问题 就开跑。作者给它的定位相当自信——「最强的深度研究 harness」。

一份报告要过四道关

它把一次研究拆成了 16 步，核心可以归成四关：

拆解搜集 → 甄别独立性 → 合成后被四个 critic 围攻 → 逐条验引用；所有源沉进 vault

跟一般工具最不一样的是中间两关——甄别和对抗。

转载多不等于共识

搜资料时有个陷阱：同一条消息被二十家媒体转了一遍，看起来像「大家都这么说」，其实只有一个源头。

hyperresearch 专门做了独立性审计，把互相转载、彼此抄的内容聚成一簇，五篇转载只算一票。作者把这句话写得很直白：辛迪加不等于共识。除此之外它还会给论文查撤稿标记——被撤回的研究不该继续当证据用。

对于「多方求证」这件事，这是个挺实在的设计：它数的是独立信源的数量，不是页面的数量。

初稿写完不直接给你，而是由四个 critic 并行审稿

四个 critic 同时上，分别从辩证、深度、广度、指令遵循四个角度挑毛病。

关键在收到意见之后怎么改。一般做法是把意见塞回去让模型重写一版，但重写有个老问题——改好了 A 段，B 段可能悄悄变样，甚至把原本对的地方改错。hyperresearch 的规矩是只准打补丁，不准重写：批评意见只能转成一处处外科手术式的小改，而且这条不是靠提示词叮嘱，是在工具层锁死的——那个阶段的模型压根拿不到重写整篇的能力，只有 Edit。

引用对不上，报告就发不出去

最后一关是逐条核对引用：引文是不是原文、数字能不能溯源、每条引用和它支撑的论断是不是真对得上。查出编造的引文是硬拦截——不是标个警告让你自己看着办，是这份报告直接不许出厂。

源不扔了，攒成一个越用越厚的库

前面说的第一个别扭，它的解法是给你一个持久的 vault：抓到的每个源都带元数据存成 Markdown + SQLite，报告发完源还在。下次再研究，流程是先搜自己的库，搜不到再上网。

这个库还能自己查：

hyperresearch search 搜内容
graph hubs 看哪些源是枢纽
sources independence 看独立性
claims search 搜观点

同一个方向做得越多，起点越高。

三个档位按需选择

档位	用途	规模	耗时
light	边界清楚的事实性问题	走 5 步	约 30–40 分钟
full	需要论证和对抗审阅的深度分析	走完 16 步，250+ 源	约 1.5–2.5 小时
dissertation	分章节的超长报告	300–450 源，2.5 万–8 万词	约 4–8 小时

搜集这块它把学术库排在网页前面——Semantic Scholar、arXiv、OpenAlex、PubMed 先查，再补网页。跑到一半断了也不用重来，run resume 从断点接着走。

装起来

1 2	pip install hyperresearch && hyperresearch install # 然后在 Claude Code 里：/hyperresearch <你的问题>

需要 Python 3.11–3.13（3.14 还不支持）、Claude Code，以及 Anthropic 的 API 额度。

几条要注意的

那个榜单成绩，目前只有作者自己的数。 README 说它在 DeepResearch-Bench RACE 榜领先，但同时标明是「内部跑分」，配的图更写着是「基于分层试点的前瞻性推算」，第三方验证还没有。当成作者的说法看，别当成已经坐实的排名。
绑死 Claude。 按现在的写法它只跑 Anthropic 的模型（Opus 负责合成、批评、打补丁，Sonnet 负责抓取和分析），换别家模型不是改个配置的事。
烧时间也烧钱。 full 档一次一两个小时、两百多个源，dissertation 档四到八小时、三四百个源，中间大量步骤在调 Opus。跑之前先看一眼自己的额度。
它保证的是结构，不是事实。 引用能对上、数字能溯源、转载会被折算——这些都是结构层面的检查。结论本身对不对，仍然要你来判断，作者自己也把这条写在了「它不做什么」里。
付费墙和验证码过不去。 要抓需要登录的内容得自己配浏览器登录态，验证码、双因素它不碰。

写在最后

深度研究工具卷的大多是「搜得多、写得长」。hyperresearch 的重点放在了另外两处：一是把源攒下来，让下一次研究站在上一次的肩膀上；二是在报告出厂前架起几道关——独立性折算、四个 critic 围攻、只准打补丁、引用逐条核验。

它对自己评价很高，而那些成绩暂时还只有作者一家的数据，这点得自己留个心眼。但「怎么让一份 AI 报告更经得起查」这件事，它确实落成了工具层强制执行的机制，而非靠提示词自觉——这部分是实打实的。

MIT。仓库地址：github.com/jordan-gibbs/hyperresearch。

💻 补充：GitHub 数据验证

指标	数据
Stars	待验证
Language	待验证
License	MIT
最后更新	待验证

⚠️ 验证数据将在 API 可访问后补充。