wigolo research三档深度实战：生成带引用的调研报告完整教程

wigolo research三档深度实战生成带引用的调研报告完整教程【免费下载链接】wigoloThe go-to web for your AI coding agent — local-first search, fetch, crawl research over MCP. No API keys, no cloud, $0/query. Public beta.项目地址: https://gitcode.com/GitHub_Trending/wi/wigolowigolo 是一个本地优先local-first的 AI 编程代理网络工具提供搜索、抓取、爬取与研究能力并通过 MCP 协议接入你的 AI 编程环境——无需 API Key、不依赖云端、每次查询零成本。它的research工具是其中最有价值的功能把一个问题拆解成多个子查询并行搜索、校验来源最终生成一份带引用的结构化调研报告。本文将带你实战它的三档深度quick / standard / comprehensive从零学会生成可溯源的专业调研报告。为什么需要三档深度传统的搜索 手动整理工作流费时且容易遗漏关键信息。wigolo research 把整个调研流程自动化问题拆解 → 并行搜索 → 来源校验 → 交叉引用 → 结构化简报。它的核心设计是按需求深度分档在速度和覆盖度之间给你明确的选择权深度档位子查询数来源数量大致耗时适用场景quick2 个5–8 个~15 秒快速事实核查standard默认4 个10–20 个~40 秒常规调研、日常问答comprehensive7 个20–25 个~80 秒深度对比、完整评测报告 这个配置定义在 src/research/pipeline.ts 的DEPTH_CONFIG中。如果你不指定depth工具会自动使用standard档。工作原理从问题到简报的四个阶段理解流程后你才能更好地利用它。整条管线在 src/research/pipeline.ts 中实现问题拆解根据你的问题类型对比型 / 操作型 / 概念型自动生成多个覆盖不同角度定义、对比、现状、最佳实践的子查询。实现在 src/research/decompose.ts并行搜索子查询在时间预算内并行执行单个慢查询不会拖垮整体每档都有独立的总预算与单查询预算来源校验自动过滤首页、搜索结果页、促销页、空壳内容等低质来源被剔除的来源会暴露在rejected_sources中可审计、不静默丢弃交叉引用简报生成结构化brief——其中cross_references字段收录被两个以上来源共同佐证的结论是全文最可靠的部分实战一quick 档——15 秒快速事实核查适合某个版本有哪些破坏性变更这类事实型问题。用 CLI 直接运行wigolo research React 19 有哪些破坏性变更 --depthquickquick 档只拆 2 个子查询、抓取 5–8 个来源十几秒即可返回。返回结果中重点看key_findings跨所有来源提炼的顶部结论足够回答大多数事实型问题。实战二standard 档——生成常规调研报告默认档位适合技术选型、X vs Y对比等日常调研wigolo research SQLite 和 PostgreSQL 在分析场景下的对比 --depthstandardstandard 档生成 4 个子查询、检索约 15–20 个来源。报告结构建议按 skills/wigolo/rules/synthesis.md 的写法组织从key_findings写执行摘要引用sections.overview.cross_references作为最可靠的论据可标注经 N 个来源交叉验证按topics来源按子查询分组写分主题章节用sections.comparison构建对比表格仅对比类问题会生成把sections.gaps如实写进局限性——哪些子问题覆盖不足绝不一笔带过全文用citations数组对应的[N]编号引用来源实战三comprehensive 档——深度评测级报告comprehensive 档拆 7 个子查询、检索 20–25 个来源还能用max_sources最高扩展到 50 个来源wigolo research 对比 Prisma、Drizzle 和 TypeORM 的生产就绪度 \ --depthcomprehensive --max-sources30适合发布前的深度评测、文献综述类任务。两个进阶技巧限定域名用include_domains把搜索空间锁定在权威站点如[nextjs.org, vercel.com]信噪比更高指定输出结构传入schema参数JSON Schema让报告围绕你关心的字段组织参数完整说明见 docs/tools.md 与 docs/cli.mdMCP 调用示例见 skills/wigolo-research/SKILL.md。带引用报告的关键证据而非裸结论wigolo 的设计哲学是返回结构化证据由宿主 LLM 撰写最终答案。合成能力按梯度回退MCP sampling → 本地语言模型设置WIGOLO_LOCAL_LLMauto启用默认关闭→ 确定性证据输出。这意味着即使没有任何外部 LLMresearch 也能返回完整证据链配置 LLM 后report字段的成稿质量会明显提升。此外还有两个实用参数max_tokens_out限制输出 token 预算默认 4000控制报告篇幅include_full_markdown为true时保留每个来源的完整 Markdown 全文便于二次加工⚠️避坑提示摘自 skills/wigolo-research/SKILL.md单页查询请用fetch不要动用 research结构化数据采集请用agent工具不要在调用前预先探测缓存research 内部会自动检查进一步学习核心文件索引想了解的内容路径research 工具参数与 brief 结构docs/tools.mdCLI 用法docs/cli.md三档深度配置与预算src/research/pipeline.ts问题拆解策略src/research/decompose.ts简报构建逻辑src/research/brief.ts报告写作规范skills/wigolo/rules/synthesis.mdTypeScript 研究示例examples/sdk-typescript-research/research.mjsPython 采集示例examples/sdk-python-agent/gather.py总结wigolo research 的三档深度为不同调研需求提供了清晰的选择框架quick秒级核查、standard覆盖常规调研、comprehensive支撑深度评测。配合max_sources、include_domains与schema等参数再遵循key_findings → cross_references → topics → comparison → gaps的报告结构你就能在本地、零 API Key 成本下稳定产出每一条结论都有[N]引用溯源的专业调研报告。【免费下载链接】wigoloThe go-to web for your AI coding agent — local-first search, fetch, crawl research over MCP. No API keys, no cloud, $0/query. Public beta.项目地址: https://gitcode.com/GitHub_Trending/wi/wigolo创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考