自动研究归档
把主题研究成可追溯的 Obsidian 知识库页面。
技能明确限制URL协议、私网地址、重定向域名，并要求内容清洗、失败记录和逐文件锁；但WebSearch/WebFetch面向任意外部来源，允许批量写入用户知识库，未明确敏感数据处理、逐次写入确认、完整回滚或凭据隔离，因此扣分。
研究轮次、来源上限、路由、传输回退、失败继续和诊断日志均有说明，静态看主流程较完整；但关键autoresearch路径没有专门测试，依赖的脚本、路由器、锁和传输实现未在选定材料中复现，异常输入和工具失败覆盖仍有限，按静态上限扣分。
目标是按主题进行多轮网络研究并归档到Obsidian，触发词、输入路径和多种组织模式较清楚；但触发词较宽泛，非研究任务的误触发边界不充分，且核心依赖网络搜索/抓取，在中国大陆网络环境下可达性未得到保证，故扣分。
技能包含分层章节、配置文件、输出模板、约束、错误处理和版本标记；仓库还提供MIT许可证、安全政策、CI及README说明。但选定技能缺少自身的变更记录、维护责任和更新路径，且发布者身份未被FollowSkills验证，因此未给满分。
输出包括来源、概念、实体、综合页、索引、日志和热点缓存，格式直接可用于知识库，且研究程序定义了权威来源和置信度规则；但静态材料不能证明代表性运行结果，且高频抓取和多页写入的成本可能超过收益，因此按静态上限给分。
仓库有CI、静态校验和若干脚本测试，并提供固定修订版本；但现有测试主要覆盖通用脚本，不覆盖autoresearch的搜索、抓取、清洗、路由、归档和综合关键路径，也没有第三方运行证据，因此证据有限。
- 运行前应明确告知用户预计的网络请求和写入规模，并确认是否允许将抓取内容写入知识库。
- 不要向该循环提供包含凭据、个人敏感信息或内部URL的输入；材料未证明敏感数据隔离。
- 在中国大陆网络环境中，WebSearch/WebFetch及部分外部来源可能不可达，应准备可替代来源或人工导入。
- 建议在独立分支或可恢复备份中运行，以降低批量写入和自动提交造成的恢复成本。
这个 Skill 能做什么，适合哪些场景？
autoresearch 是 claude-obsidian 集合中的自主研究技能。它围绕一个主题进行多轮网页搜索、抓取和综合，并将来源、概念、实体及综合结果写入 Obsidian 知识库。研究目标、来源偏好、置信度规则、轮数和页面上限由 program.md 配置。它适合希望把研究过程沉淀为自有 Markdown 知识图谱的用户，但依赖集合中的脚本、知识库结构和可用的网页工具。
读取 references/program.md 和知识库模式配置；将主题拆分为多个搜索角度；调用 WebSearch 搜索并用 WebFetch 抓取来源；进行最多三轮的广泛搜索、缺口补全和综合检查；验证 URL、清理抓取内容并限制正文大小；通过模式路由决定页面路径；使用文件锁协调并行写入；生成来源页、概念页、实体页和“Research: [主题]”综合页；更新 wiki/index.md、wiki/log.md 和 wiki/hot.md。
- 研究人员希望把论文或资料主题整理成带来源链接的 Obsidian 研究档案。
- 知识管理用户需要对一个陌生主题进行多轮网页调查，并自动归档为 Markdown 页面。
- 商业分析师需要记录多个来源之间的矛盾、缺口和待验证问题。
- 使用 LYT、PARA、Zettelkasten 或 Generic 模式的用户希望按当前知识库方法归档研究结果。
这个 Skill 有哪些优点和局限？
- 支持最多三轮的搜索、抓取、缺口补全和综合流程。
- 研究结果会拆分为来源、概念、实体和综合页面，并建立交叉引用。
- 具备 URL 验证、内容清理、正文大小限制和抓取失败记录机制。
- 支持 Generic、LYT、PARA 和 Zettelkasten 知识库归档模式。
- 输出为用户拥有的纯 Markdown 文件。
- 依赖 Claude Code 风格的工具、知识库结构、脚本和配置文件，不能直接视为独立技能包。
- 完整运行可能达到约 45 次 WebFetch 调用，网页研究成本较高。
- 需要网络访问，并可能依赖 Bash、Python 3、Obsidian CLI 或 MCP 传输方式。
- 源材料没有提供该技能独立测试套件或其他平台上的生产验证证据。
- 研究质量受网页来源、program.md 配置和搜索结果影响。
如何安装这个 Skill？
该技能随 AgriciDaniel/claude-obsidian 仓库的 15 个技能一起提供。公开构建的安装方式是：
- git clone https://github.com/AgriciDaniel/claude-obsidian
- cd claude-obsidian
- bash bin/setup-vault.sh
- 在 Obsidian 中打开该文件夹作为 vault，并在同一文件夹打开 Claude Code。
也可以安装集合插件：claude plugin marketplace add AgriciDaniel/claude-obsidian，然后运行 claude plugin install claude-obsidian@agricidaniel-claude-obsidian。源材料没有说明如何独立安装 autoresearch 技能。
如何使用这个 Skill？
先在 skills/autoresearch/references/program.md 中配置研究目标和约束。然后在 Claude Code 中输入 /autoresearch [主题]，或使用“research [主题]”“deep dive into [主题]”“investigate [主题]”等触发语句。技能完成后，查看生成的 wiki/questions、wiki/sources、wiki/concepts 和 wiki/entities 页面，以及更新后的索引、日志和 hot cache。
这个 Skill 与同类方案有什么区别？
README 将其定位为开放源码的本地 Markdown 知识库和 Notion 替代方案，并与 Smart Connections、Copilot 对比，强调自动组织、矛盾标记、会话记忆和自主研究能力。这里的比较描述的是整个 claude-obsidian 集合；本技能本身的范围仅是自主研究与归档。