双模态智能研究助手

基于 Parallel AI API 的双模态研究工具，支持交互式实时探索与异步深度调研，自动生成结构化 markdown 文档并支持 PDF 导出，适合需要系统性知识沉淀的专业研究者。

基本信息

• 技能名称?parallel-ai-research
• 中文名称?双模态智能研究助手
• 作者?BrennerSpear
• 分类?专业技能
• 版本?v1.1.0
• 标签?productivity, education-research, content-media, docs, data-analytics, automation, api

使用方法

使用说明
核心用法
Research Skill 提供两种互补的研究模式。 交互式研究 适用于与用户实时协作探索主题，通过对话进行搜索、综合并即时更新文档； 深度研究 则针对复杂议题调用 Parallel AI API 的 parallel-research CLI，利用多层级处理器（lite 至 ultra8x）进行耗时数分钟至数小时的异步综合调查，最终生成详细 markdown 报告。
工作流程遵循标准化目录结构：每个主题在 ~/.openclaw/workspace/research/ / 下创建独立文件夹，包含 prompt.md （原始问题）、 research.md （研究发现）及可选的 research.pdf 导出文件。交互模式强调"研究-更新-展示-引导"的循环，每 5-10 轮对话提供综合检查点；深度模式则通过 cron 定时任务自动轮询结果并推送至原对话渠道。
显著优点
结构化知识管理 是最大亮点——将 ephemeral 的对话转化为持久的、可追溯的文档资产，避免重复劳动。双模态设计兼顾灵活性与深度：快速验证想法用交互模式，市场分析、技术深潜等复杂任务用深度模式。文档原则强调原子化发现、全链路溯源、置信度标注，天然适合科研、投资分析、技术选型等严肃场景。PDF 导出功能（基于 pandoc/PyMuPDF）进一步打通从研究到交付的闭环。
潜在缺点与局限性
外部依赖较重 ：核心功能依赖用户手动安装的 parallel-research CLI 及相关工具链（pandoc、uvx 等），首次配置门槛不低。深度研究的异步特性虽解放了对话线程，但 ultra 处理器 15 分钟以上的等待时间对即时性需求不友好。此外，PDF 导出存在表格渲染为堆叠行的已知限制。API 调用成本（Parallel AI 按处理器层级计费）对高频使用者构成隐性支出。
适合的目标群体
技术决策者 ：评估框架选型、架构方案前的系统性调研
投资与战略分析师 ：市场格局、竞争态势的深度扫描
学术与科研人员 ：文献综述、开题前的领域摸底
产品经理 ：需求探索阶段的用户研究、方案比选
独立开发者 ：项目启动前的技术栈验证与风险排查
使用风险
供应链风险 ： parallel-research CLI 的实际代码不在本 skill 内，需信任 Parallel AI 的服务安全性。 密钥管理 ： PARALLEL_API_KEY 需用户自行配置至 ~/.secrets/parallel_ai/.env ，权限设置不当可能导致泄露。 数据驻留 ：研究内容默认存储于本地文件系统，但深度研究的数据会经过 Parallel AI 的服务器处理，敏感议题需谨慎评估。 定时任务可靠性 ：cron 任务的 atMs 时间计算错误可能导致结果延迟或丢失，需严格验证时间戳。