📌 项目地址：jordan-gibbs/hyperresearch | ⭐ 2,433 颗星 | 🔧 Python | 📜 未标注
先说榜单，再说折扣
Hyperresearch（jordan-gibbs/hyperresearch，2433 star，Python）自称在 DeepResearch-Bench RACE 榜单上领先。但 README 写得很清楚：这是作者自己拿分层试点做的推算，第三方验证还没做。所以榜单成绩先打个问号，这篇文章不围绕它展开。
值得看的是它处理问题的方式。这个项目把 Claude Code 变成深度研究代理：一个 prompt 进去，跑 16 步流水线，出来一份带完整来源溯源的报告。AI 研究报告的几个老毛病——引用幻觉、来源注水、付费墙论文只读摘要就当读过——它一个一个用机制去堵。
四个机制，各堵一个洞
引用在报告发出前逐条验证。 一个”怀疑论” cite-checker 审计每条引用是否真的支撑它所在的句子。捏造的引文、没标注的撤稿，直接硬拦截。不是提示词里写一句”请确保引用准确”，是流程上有这么一道闸。
转载不算共识。 独立性审计会聚类衍生副本。五家媒体转载同一篇新闻稿，算一个来源的权重。这是”搜索结果看起来很多”和“证据真的充分”之间的区别，多数 AI 研究工具根本不处理这一层。
付费墙论文尽量拿全文。 正常情况下，一篇闭源论文进入知识库时只有 1500 字符的摘要，报告却把它当读过的来引用。Hyperresearch 会去问 Unpaywall、Europe PMC 和 CORE 要合法的开放获取版本，存全文。要不到的时候，每次替换都在笔记、frontmatter 和 CLI 输出里披露。注意，这不是绕过付费墙的魔法——没有 OA 版本就读不到，只是不假装读过。
补丁工具被锁死权限。 四个批评者并行攻击草稿，然后一个 tool-locked patcher 修问题。这个 patcher 只能做外科手术式的小改，物理上无法重写报告。这个设计我挺喜欢：批评和修改分离，防止“越改越面目全非”。
知识库是持久的，这是最实用的部分
每次研究读到的所有来源都进一个可搜索的 vault（markdown + SQLite）。下次研究先查库里已有的，再决定要不要抓新的。用得越久，冷启动成本越低，而且来源是可以复用的资产，不是一次性消耗品。
崩溃恢复也有：每次运行带 manifest，run resume 从断掉的那一步继续。研究跑到第 14 步挂了不用从头来。
学术搜索和规模
hpr scholar search 一个查询打通八个学术源：OpenAlex、Crossref、CORE、DOAB、ClinicalTrials.gov、SEC EDGAR、FRED，按 DOI 和标题去重后返回一个列表。书、临床试验、SEC 文件和论文混在一起返回，各自带标签。人文社科是特意覆盖的。
规模上分两档。单次运行目标 250+ 来源——premier 配置下仅宽度扫描就瞄准 100–130 个，引文追踪和缺口填补让实际入库量再翻倍以上。bounded 查询自动走 5 步快速路径，约 30 分钟出结果。另一头是 dissertation 模式：可选开启，写 2.5 万到 8 万字、分章的报告，基于 300–450 个来源。
安装
cd your-project
pip install hyperresearch && hyperresearch install
然后在 Claude Code 里输入 /hyperresearch 加你的研究问题。
Python 要求 3.11–3.13，3.14 暂不支持。README 给的降级路径：
pyenv install 3.13
# 或
uv venv -p 3.13
# 或
py -3.13 -m venv .venv
我的判断
这个项目的价值不在榜单名次，在于它承认了 AI 研究报告的失败模式，然后逐个用流程堵。cite-checker、独立性审计、OA 替换披露、补丁权限锁定——每一条都对应一个你能亲身踩过的坑。
两个限制要想清楚。一是强绑定 Claude Code，不用 Claude Code 就用不了，它不是独立 CLI。二是列表里那条“paywalled papers get read, not skimmed”有个前提：得存在合法 OA 版本。没有的论文它照样读不到。
2400+ star 的新项目，迭代快，具体命令参数以官方仓库为准。