Research-Copilot：一个把 AI 调研做成“可追溯报告”的 Skill
摘要：本文介绍一个用于深度调研的Skill，
research-copilot。它的重点不是快速生成摘要，而是围绕来源账本、主张-证据矩阵、可信度分级和多格式导出，把 AI 调研结果整理成可复核、可交付的报告。
前言
很多 AI 调研内容看起来完整，但后续很难复查。比如某个结论来自官网、媒体报道，还是社区讨论，读者往往看不出来。
research-copilot解决的就是这个问题。它把一次调研拆成更工程化的流程，让每个关键结论都尽量能追到来源、标出可信度，并保留不确定性。
一、项目介绍
research-copilot是一个手动触发的深度调研 Skill，适合围绕一个主题、公司、产品、技术、人物、事件、行业或政策做资料收集和交叉验证。
它适合这些场景：
- 调研一个产品或技术的真实现状
- 梳理行业、政策、市场或竞争格局
- 对已有资料做核查、归纳和可信度分级
- 生成适合汇报、归档或继续写作的研究材料
- 同时交付 Markdown、HTML、Word、PDF 等格式
它不会因为普通对话里出现“研究”“调研”“报告”等词自动触发，必须显式输入/research-copilot，这样可以避免误触发重流程。
二、安装方式
可以直接让 Codex , Claude Code 或其他支持 Skill 的 Agent 环境里安装：
帮我安装这个 skill：https://github.com/ptt-22/research-copilot如果你习惯手动安装，也可以把仓库放到自己的 Skill 目录中，例如 Codex 环境：
cd~/.codex/skillsgitclone https://github.com/ptt-22/research-copilot.gitWindows 环境可以放到类似目录：
cd$env:USERPROFILE\.codex\skills git clone https://github.com/ptt-22/research-copilot.git安装后，确认 Skill 目录里包含这些核心文件：
research-copilot/ ├── SKILL.md ├── README.md ├── agents/ ├── references/ └── scripts/三、使用方式
使用时需要明确触发 Skill：
/research-copilot 调研这个主题：OpenAI Codex 的产品演进和开发者使用场景也可以直接说明使用它：
使用 research-copilot 帮我调研某个行业的竞争格局如果任务涉及最新事实、公司信息、产品状态、政策法规或市场数据，Skill 会要求联网核查，并优先使用一手来源。
四、核心流程
research-copilot的工作流可以理解为下面几步：
| 步骤 | 作用 | 产物 |
|---|---|---|
| 界定问题 | 明确研究对象、时间范围、目标读者和关注重点 | 研究边界 |
| 收集证据 | 优先官网、公告、论文、财报、标准文档等一手来源 | 候选来源 |
| 来源分级 | 按 A/B/C/D 标记来源可信度 | 来源账本 |
| 交叉验证 | 把关键结论拆成主张，再匹配证据 | 主张-证据矩阵 |
| 多格式导出 | 从同一份 Markdown 生成 HTML、DOCX、PDF | 可交付报告 |
普通摘要往往只给结论，research-copilot会要求保留来源编号，例如[S1]、[S2]，并标注结论状态，比如：
Cross-verified，已交叉验证Primary-only，只有一手来源Single-source，只有单一来源Conflicting，来源之间存在冲突Unverified，暂未验证
这样写出来的报告，后续可以复查，也方便团队继续补证据。
五、可信度分级
Skill 内置了四档来源等级：
| 等级 | 典型来源 | 使用方式 |
|---|---|---|
| A | 官网、官方公告、论文、监管文件、财报、标准文档 | 支撑硬事实 |
| B | 权威媒体原创报道、机构报告、专家署名分析 | 补充验证 |
| C | GitHub issues、论坛、Reddit、社交媒体 | 证明社区讨论和用户反馈 |
| D | 聚合页、SEO 内容、无署名转载 | 只适合发现线索 |
这个设计很实用。比如 GitHub issue 可以说明“有人反馈了这个问题”，但不能直接证明“这个产品整体稳定性差”。如果报告把这两类信息混在一起，结论就容易失真。
六、多格式导出
research-copilot默认以一份 canonical Markdown 作为源文件，再通过脚本导出其他格式：
python scripts/convert_report.py input.md --out-dir output基础 Markdown 和 HTML 不需要额外依赖。需要 Word 或 PDF 时，可以安装：
pipinstallpython-docx weasyprint markdown这种方式的好处是内容只有一个源头。后续改结论、补来源、修表格，都先改 Markdown，再重新导出，避免多个格式之间内容不一致。
七、我觉得最值得借鉴的点
research-copilot的价值: 把 AI 调研变成一个更像工程交付的流程：
- 明确触发边界，避免误用重流程
- 保留来源账本，方便追溯每条关键信息
- 使用可信度等级，避免把社区信号当成事实
- 使用主张-证据矩阵，让结论接受验证
- 使用统一 Markdown 源文件，降低多格式交付维护成本
如果调研结果要给团队、客户或管理层看，这类证据链设计比单纯生成一篇长报告更重要。文章可以简短，但结论必须能追到来源，风险也要被标出来。
总结
research-copilot适合对可信度有要求的调研任务。它把 Agent 输出从“像文章”推进到“像交付物”，让调研过程能复查、能补证据、能导出，也能在不确定时明确告诉读者哪里还没验证。
对技术团队来说，这个 Skill 的思路很值得复用。凡是容易被 AI 写成漂亮废话的任务，都可以考虑用这个skill, 把回答加上来源账本、证据矩阵和质量门禁。
写在最后：开源与社区
这个项目已经在 GitHub 和 Gitee 开源。
GitHub 传送门：https://github.com/ptt-22/research-copilot.git
Gitee 传送门：https://gitee.com/flexibility-and-tension/research-copilot.git