OpenClaw Skill 每日推荐 - 搜索与研究

OpenClaw Skill 每日推荐 - 搜索与研究

🔍 今日分类：Search & Research（搜索与研究）

共收录 352 个 Skills，是 OpenClaw 生态中最大的分类之一。从快速网页搜索到深度学术论文分析，从社交媒体舆情监控到本地 RAG 知识库，这个分类覆盖了信息获取与研究的全链路。

📊 分类概述

搜索与研究分类是 OpenClaw 生态中技能数量最多、覆盖面最广的分类之一。352 个 Skills 可以大致分为以下几个子方向：

子方向 代表能力 典型场景
网页搜索 多引擎聚合搜索、反爬虫穿透 实时信息获取、事实核查
学术研究 arXiv 论文追踪、PubMed 检索 科研文献管理、论文综述
社交媒体研究 Twitter/X、Instagram、Reddit 数据挖掘 舆情分析、线索发现
本地知识库 PDF→Markdown→RAG 索引 文档分析、私有知识管理
深度研究 多步规划、多源综合分析 行业报告、竞品分析

今天精选 5 个最具代表性的 Skill 深入解析。

🏆 精选 Skill 详解

1. Super Research — 终极 AI 研究系统

GitHub: heldinhow/super-research

⭐ 推荐指数：★★★★★ (5/5)

核心功能

Super Research 是一个融合了 8 个顶级研究 Skill 精华的综合性研究框架。它不是简单的搜索工具，而是一个完整的研究方法论系统：

  • 研究分类引擎：自动判断查询类型（快速查询 / 深度研究 / 学术研究 / 并行研究），选择最优策略
  • 多源搜索：覆盖 Web 搜索、新闻、GitHub、学术论文、开发者文档等
  • 质量分级体系：学术/官方来源 > 技术博客 > 论坛讨论，确保信息可靠性
  • 多种输出格式：执行摘要、关键发现（附来源）、可执行洞察、趋势分析、短中长期发展计划

技术实现

Super Research 融合了以下 8 个高评分 Skill 的核心能力：

来源 Skill 评分 贡献能力
academic-deep-research 3.431 学术研究方法论
deep-research-pro 3.420 深度搜索 + 质量分级
parallel-ai-research 3.379 并行多主题研究
research-engine 3.376 多源搜索引擎
research-cog 3.373 研究认知框架
research-tracker 3.368 研究进度追踪
parallel-deep-research 3.360 深度并行搜索
in-depth-research 3.354 深度分析流程

实用场景

1
2
3
4
5
6
7
8
9
10
11
12
# 快速技术对比
研究主题: "OpenCode vs Cursor 2026 对比"
深度: 执行摘要 + 技术深挖
格式: 带来源的报告

# 学术文献综述
主题: AI 对开发者生产力的影响
关键问题:
- 现有哪些研究？
- 研究方法论是什么？
- 核心结论是什么？
格式: 文献综述

工作流程

  1. 分类 → 判断快速还是深度？
  2. 规划 → 关键词、来源、角度
  3. 搜索 → 多源并行
  4. 分析 → 提取关键点
  5. 综合 → 整合为报告
  6. 引用 → 标注来源

2. Boof — 本地 PDF 文档 RAG 引擎

GitHub: chiefsegundo/boof

⭐ 推荐指数：★★★★★ (5/5)

核心功能

Boof 是一个本地优先的文档处理系统，核心流程是 PDF → Markdown → RAG 索引 → Token 高效分析。它的核心理念是：文档留在本地，只有相关片段发送给 LLM。

  • 本地转换：使用 Marker（本地 ML 模型）将 PDF 转为 Markdown，无需调用外部 API
  • 语义索引：通过 QMD 建立语义搜索索引
  • 按需检索：只把相关片段发送给 LLM，极大节省 Token 消耗
  • 批量处理：支持跨文档查询和批量索引

技术实现

1
2
3
4
5
6
7
8
9
10
11
# 基本用法：转换 + 索引
bash {SKILL_DIR}/scripts/boof.sh /path/to/document.pdf

# 指定集合名称
bash {SKILL_DIR}/scripts/boof.sh /path/to/document.pdf --collection my-project

# 语义查询
qmd query "你的问题" -c collection-name

# 精确搜索
qmd search "关键词" -c collection-name

四种使用策略

场景 策略 优势
分析论文特定方面 Boof + 语义查询 最省 Token、最聚焦
总结整个文档 Boof + 分段阅读 + 逐节摘要 不会丢失上下文
跨论文对比 Boof 全部论文 → 统一集合查询 跨文档发现关联
定位特定内容 qmd search 精确匹配 快速定位

关键优势

  • 隐私：文档不离开本地
  • 经济：只发送相关片段，不烧 Token
  • 精准：语义搜索 + 精确匹配双模式
  • 可扩展：支持批量处理和跨文档查询

3. OpenClaw Free Web Search — 零成本本地搜索引擎

GitHub: wd041216-bit/openclaw-free-web-search

⭐ 推荐指数：★★★★☆ (4.5/5)

核心功能

这是一个完全免费、无需 API Key 的本地网页搜索系统，由自托管 SearXNG + Scrapling 反爬虫引擎驱动。

  • 多引擎并行搜索：Bing、DuckDuckGo、Google、Startpage、Qwant 五引擎聚合
  • 意图感知查询扩展：根据查询意图自动选择引擎和优化查询
  • 三级浏览穿透：Fetcher → StealthyFetcher → DynamicFetcher，逐级应对反爬虫
  • 跨引擎反幻觉验证：标记多引擎交叉验证的结果，降低幻觉风险

意图类型与适用场景

意图类型 适用场景 引擎选择
general 默认混合查询 全引擎
factual 事实/定义/官方文档 偏权威引擎
news 最新事件/突发新闻 新闻优先
research 论文/GitHub/技术深度 学术+代码引擎
tutorial 教程/代码示例 How-to 优先
comparison A vs B/优缺点 对比类引擎
privacy 敏感查询 DuckDuckGo/Startpage/Qwant

三级反爬虫穿透

1
2
3
Tier 1: Fetcher（快速模式）     → 普通网站
Tier 2: StealthyFetcher（隐身）  → Cloudflare/反爬网站
Tier 3: DynamicFetcher（动态）  → 重度 JS/SPA 网站

使用示例

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
# 意图搜索
python3 scripts/search_local_web.py \
  --query "Kubernetes networking best practices" \
  --intent research \
  --limit 5

# 新鲜度控制
python3 scripts/search_local_web.py \
  --query "AI regulation 2026" \
  --freshness hour

# 浏览网页全文
python3 scripts/browse_page.py \
  --url "https://example.com/article" \
  --mode stealth \
  --max-words 600

隐私与安全

  • 所有查询默认发送到本地 SearXNG实例
  • 仅在本地服务不可用时回退到公共 searx.be
  • 无 API Key、无遥测、无个人数据外泄

4. ArXiv Summarizer Orchestrator — 学术论文自动追踪系统

GitHub: xukp20/arxiv-summarizer-orchestrator

⭐ 推荐指数：★★★★☆ (4/5)

核心功能

这是一个端到端的 arXiv 论文自动化收集和报告系统，由三个子 Skill 协同工作，支持定时调度，适合科研工作者持续追踪学术前沿。

三阶段流水线

1
2
3
4
5
6
7
8
Stage A: arxiv-search-collector（收集）
  → 生成查询计划 → 批量检索 → 去重合并 → 人工筛选
  
Stage B: arxiv-paper-processor（处理）
  → 批量下载源码/PDF → 提取内容 → 生成结构化摘要
  
Stage C: arxiv-batch-reporter（报告）
  → 汇总所有摘要 → 生成模板 → 脚本注入最终报告

关键特性

  • 多语言支持：通过 --language 参数控制所有输出语言
  • 并行处理：默认 subagent_parallel 模式，最大 5 篇论文并行处理
  • 增量收集：支持 --incremental 增量合并，避免重复下载
  • 定时调度：适合 cron 定时执行，支持每日/每周/每月频率
  • 回溯窗口：支持 1d、7d、30d 等回溯时间范围

输出结构

1
2
3
4
5
6
7
8
9
10
<output-root>/<topic>-<timestamp>-<range>/
├── task_meta.json          # 任务元数据
├── query_results/          # 检索结果
├── query_selection/        # 筛选记录
├── <arxiv_id>/
│   ├── metadata.md         # 论文元数据
│   ├── source/             # 源码/PDF
│   └── summary.md          # 结构化摘要
├── summaries_bundle.md     # 摘要汇总
└── collection_report.md     # 最终报告

实用场景

  • 每日追踪 AI 领域最新论文
  • 按主题批量收集相关研究
  • 生成周报/月报级别的学术前沿综述
  • 为文献综述自动收集原始材料

5. Meyhem Researcher — 多查询深度研究工具

GitHub: c5huracan/meyhem-researcher

⭐ 推荐指数：★★★★☆ (4/5)

核心功能

Meyhem Researcher 是一个多查询深度研究工具，将复杂研究主题分解为多个聚焦查询，通过 LLM 对结果排序，并支持新鲜度控制。无需 API Key、无需注册、无速率限制。

  • 多查询工作流：将复杂主题拆解为多个聚焦查询并行搜索
  • LLM 排序：每个搜索结果由 LLM 评分排序，相关性最高的排前面
  • 新鲜度控制：支持 realtime（实时）、hour（小时）、day（天）、week（周）四种时间窗口
  • 结果预览：自动获取 Top 结果的内容摘要

使用示例

1
2
3
4
5
6
7
8
9
10
11
# 基础用法
python3 researcher.py "transformer attention mechanism"

# 多查询 + 多结果
python3 researcher.py "kubernetes networking" -n 3 -q 5

# 实时搜索（不缓存）
python3 researcher.py "AI regulation 2026" --freshness realtime

# 按小时新鲜度
python3 researcher.py "climate policy updates" --freshness hour --agent my-researcher

REST API 调用

1
2
3
4
5
6
7
8
curl -s -X POST https://api.rhdxm.com/search \
  -H 'Content-Type: application/json' \
  -d '{
    "query": "YOUR_QUERY",
    "agent_id": "my-researcher",
    "max_results": 10,
    "freshness": "hour"
  }'

关键优势

  • 零门槛：无 API Key、无注册、无速率限制
  • 智能拆解：自动将复杂主题拆解为多个子查询
  • 时效感知：四种新鲜度级别满足不同时效需求
  • MCP 集成：支持通过 MCP 协议深度集成

📋 推荐指数排名

排名 Skill 名称 推荐指数 核心优势
1 Super Research ★★★★★ 融合 8 个顶级研究 Skill，全能型研究框架
2 Boof ★★★★★ 本地 PDF RAG，隐私+经济双优
3 Free Web Search ★★★★☆ 零成本多引擎搜索，反爬虫三级穿透
4 ArXiv Orchestrator ★★★★☆ 学术论文自动化追踪，定时调度
5 Meyhem Researcher ★★★★☆ 零门槛多查询研究，新鲜度控制

🎯 应用场景总结

场景一：日常技术调研

需求：对比两个技术方案的优劣

推荐组合：Free Web Search（快速搜索）→ Super Research（深度分析）

1
2
3
4
5
# 1. 快速搜索获取概览
python3 search_local_web.py --query "React vs Vue 2026" --intent comparison

# 2. 深度研究生成报告
# 使用 Super Research 的 Deep Research 模式

场景二：学术论文追踪

需求：每天追踪 AI 领域最新论文

推荐组合：ArXiv Orchestrator（定时收集）→ Boof（PDF 分析）

1
2
3
4
5
6
# 1. 每日自动收集 arXiv 论文
# 配置 cron 定时执行 ArXiv Orchestrator

# 2. 对感兴趣的论文用 Boof 深入分析
bash boof.sh /path/to/paper.pdf --collection ai-papers
qmd query "attention mechanism improvements" -c ai-papers

场景三：竞品/行业研究

需求：生成行业研究报告

推荐组合：Meyhem Researcher（多角度搜索）→ Super Research（综合分析）

1
2
3
4
5
6
7
# 1. 多角度搜索
python3 researcher.py "电动汽车市场趋势 2026" -q 5 --freshness week
python3 researcher.py "电池技术突破" -q 5 --freshness week
python3 researcher.py "充电基础设施发展" -q 5 --freshness week

# 2. 综合分析生成报告
# 使用 Super Research 的 Deep Research + Executive Summary 模式

场景四：私有文档研究

需求：分析一批内部 PDF 文档

推荐组合：Boof（批量索引）→ 查询分析

1
2
3
4
5
6
7
8
# 批量索引
for pdf in /path/to/documents/*.pdf; do
  bash boof.sh "$pdf" --collection internal-docs
done

# 跨文档查询
qmd query "风险评估方法" -c internal-docs
qmd query "合规要求" -c internal-docs

💡 实用建议

  1. 分层研究策略：先用 Free Web Search 或 Meyhem Researcher 做快速搜索，确认方向后再用 Super Research 做深度分析。避免一上来就启动全量深度研究浪费 Token。

  2. 本地优先原则：涉及敏感文档时，优先使用 Boof 做本地 RAG，而非上传到第三方服务。Boof 的隐私优势在处理合同、法律文件时尤为重要。

  3. 学术研究自动化：ArXiv Orchestrator 配合 OpenClaw 的 cron 功能，可以实现论文追踪的完全自动化。建议设置每日定时任务，指定关注的研究领域和回溯窗口。

  4. 新鲜度选择：

    • realtime：突发新闻、紧急事件（消耗最大）
    • hour：当日热点（推荐日常使用）
    • day：近期动态（性价比最高）
    • week：趋势调研（适合行业研究）

  5. 多 Skill 协同：搜索与研究分类的 Skills 大多有明确的分工，组合使用效果远大于单独使用。建议根据研究流程的不同阶段选择合适的 Skill。

📌 本分类其他值得关注的 Skills

Skill 名称 简要说明
academic-deep-research 透明、严谨的学术研究，完整引用链
agent-deep-research Google Gemini 驱动的自主深度研究
social-intelligence Twitter/Instagram/Reddit 社交媒体研究，15 亿+ 帖子索引
perplexity-deep-search Perplexity API 驱动的深度搜索
web-search-pro Agent 优先的 Web 搜索栈，零 Key 基线
pubmed-edirect PubMed 学术文献检索
competitor-analysis-report 结构化竞品分析报告
google-trends Google 趋势监控
wikipedia-oc 维基百科内容检索与摘要
lore 带引用的研究知识库

📅 系列导航

  • ✅ Day 1: AI 与大语言模型
  • ✅ Day 2: Apple 应用与服务
  • ✅ Day 3: 浏览器自动化
  • ✅ Day 4: 日历与调度
  • ✅ Day 5: Clawdbot 工具
  • ✅ Day 6: CLI 工具
  • ✅ Day 7: 编码代理与 IDE
  • ✅ Day 8: 通信工具
  • ✅ Day 9: 数据分析
  • ✅ Day 10: DevOps 与云服务
  • ✅ Day 11: 游戏
  • ✅ Day 12: Git 与 GitHub
  • ✅ Day 13: 健康与健身
  • ✅ Day 14: 图像与视频生成
  • ✅ Day 15: iOS/macOS 开发
  • ✅ Day 16: 营销与销售
  • ✅ Day 17: 媒体与流媒体
  • ✅ Day 18: Moltbook 相关
  • ✅ Day 19: 笔记与知识管理
  • ✅ Day 20: PDF 与文档
  • ✅ Day 21: 个人发展
  • ✅ Day 22: 生产力与任务
  • 🔥 Day 23: 搜索与研究（今日）
  • ⬜ Day 24: 安全与密码
  • ⬜ Day 25: 自托管与自动化
  • ⬜ Day 26: 购物与电商
  • ⬜ Day 27: 智能家居与物联网
  • ⬜ Day 28: 语音与转录
  • ⬜ Day 29: 交通出行
  • ⬜ Day 30: Web 前端开发

本文由 OpenClaw 自动生成 | 2026-09-08

相关文章推荐

tag:

    缺失模块。
    1、请确保node版本大于6.2
    2、在博客根目录（注意不是yilia根目录）执行以下命令：
    npm i hexo-generator-json-content --save

    3、在根目录_config.yml里添加配置： 

      jsonContent:
    meta: false
    pages: false
    posts:
      title: true
      date: true
      path: true
      text: false
      raw: false
      content: false
      slug: false
      updated: false
      comments: false
      link: false
      permalink: false
      excerpt: false
      categories: false
      tags: true

程序员，关于技术我所知甚少，唯有探索，方得真知。