Research Channels · 多源研究通道

所有命令都在工作区根目录运行：node tools/research/research-cli.mjs <命令>。先跑 probe 确认通道可用，再开始检索。

0. 为什么要用这个工具箱

上一版研究报告（knowledge-base/academic/2026-10-24-AI能力边界与各领域前沿.md）的核心教训是： 单一来源会系统性误导。 同一个模型、同一套题，换外壳分数差一个量级；基准本身可被 100% 攻破。因此检索必须多源、核验必须双通道、数字必须带日期。

1. 通道清单（14 个，实测可用 13）

通道	用途	命令	备注
arXiv	预印本检索	`arxiv "<query>" [n]`	按提交时间倒序
arXiv	按 ID 取全文元数据	`verify arXiv:2503.14499`
Crossref	DOI / 标题 → 期刊元数据	`paper "<title>" [n]` / `verify 10.xxxx/yyy`	引用核验主力
OpenAlex	被引排序检索 + 引用网络	`oa "<query>" [n]` / `cites <doi> [n]`	`cites` 能查「谁引用了它」
Epoch AI	基准元信息 + 精确分数	`bench <id>` / `bench-score <bench> <model-ver>`	有 stderr，比页面可靠
GitHub	找现成项目/参考实现	`github "<query>" [n]`	按 star 排序
Hacker News	社区真实关注点	`hn "<query>" [n]`	点数 >100 过滤噪音
Hugging Face	每日热门论文	`hf [n]`	官方 JSON API
OpenRouter	模型价格 / 上下文长度	`models [n]`	469 个模型实时价
Vals AI	金融/法律/税务等专业任务评测	直接抓页面	有行业指数
Scale SEAL	前沿/安全/agentic 评测	直接抓页面	含 RLI、HiL-Bench
Stanford HAI	宏观趋势与采用率	直接抓页面	AI Index 年度
ARC Prize	抽象推理 / AGI 进度	直接抓页面	有 harness 对照
METR	长程自主能力	直接抓页面	时间跨度权威
Semantic Scholar	引文图（备用）	—	免费额度常 429，有 key 再用

2. 标准检索流程

2.1 文献调研（四步）

# 1) 先探通道
node tools/research/research-cli.mjs probe

# 2) 宽检索：看这个方向有什么
node tools/research/research-cli.mjs arxiv "all:\"long-horizon agent\"" 8
node tools/research/research-cli.mjs oa "long horizon agent evaluation" 5

# 3) 找奠基工作：按被引排序，挑高被引的那几篇
node tools/research/research-cli.mjs oa "<核心概念>" 10

# 4) 顺引用网络往下游走：谁在用它、谁反驳它
node tools/research/research-cli.mjs cites <奠基论文DOI> 15

2.2 引用核验（写报告前必做）

node tools/research/research-cli.mjs verify arXiv:2503.14499        # arXiv 通道
node tools/research/research-cli.mjs verify 10.1038/s41586-024-07566-y   # Crossref 通道
node tools/research/research-cli.mjs verify "Measuring AI Ability to Complete Long Tasks"  # 标题双源

输出 ✅已核验 / ⚠️未找到。未核验的引用一律不得写进报告。

2.3 基准取分（不要靠肉眼看页面）

node tools/research/research-cli.mjs bench frontiermath-tier-4-v2
node tools/research/research-cli.mjs bench-score frontiermath-tier-4-v2 gpt-6-astra_max
# → {"score":0.976,"stderr":0.024,...}   ← 带标准误，能判断样本量是否够

判断标准：stderr > 0.03 时，不要把该分数当精确结论引用。

2.4 成本与可行性

node tools/research/research-cli.mjs models 8

用于回答「这个方案跑得起吗」。注意区分 per-M token 价与 per-task 成本。

3. 证据分级（沿用 research-protocol）

级别	定义	本工具箱对应
A	一手数据/论文/官方 API	arXiv、Crossref、OpenAlex、Epoch API、METR/ARC 官方页
B	权威二手评测	Vals AI、Scale SEAL、Stanford HAI、Artificial Analysis
C	社区信号/线索	Hacker News、GitHub star、HF 热度

C 级只用来发现问题，不能用来支撑结论。

4. 已知坑

Semantic Scholar 免费额度极易 429。 本工具箱默认跳过，需要时自备 API key 并设 S2_API_KEY。
Node 默认不走 HTTPS_PROXY。 工具箱已自动以 NODE_USE_ENV_PROXY=1 重启自身；若你自写脚本访问 huggingface/scale.com 超时，就是这个原因。
Epoch 的 /scores/{model_version} 需要精确的 model_version 串（如 gpt-6-astra_max），不是显示名。先用 bench 看资源路径，再从 Epoch CSV 或模型目录里取 version。
GitHub 无 token 时限 10 次/分钟。 批量检索请设 GITHUB_TOKEN。
HF 的 HTML 页面结构会变，本工具箱改用 /api/daily_papers 稳定接口。
代理环境下 curl 与 node 行为可能不同：curl 读 HTTPS_PROXY，node 需要显式开启。

5. 与其它技能的配合

research-protocol 提供五阶段流程与质量门禁 → 本技能提供执行通道。
academic-research 提供文献精读与综述结构 → 本技能提供检索与核验。
finance-research 需要公司数据 → 本技能的 GitHub/HN/Vals 只能补充「技术侧信号」，财务数据仍需官方披露。
learning-coach 需要最新进展 → 用 hf + arxiv 快速定位领域前沿。

6. 通道健康度自检

node tools/research/research-cli.mjs snapshot .atlas/research-snapshot.json

产出 JSON 快照，记录每个通道的 ok/fail 与生成时间。每次重要研究开始前跑一次，避免在挂掉的通道上浪费时间。

research-channels