Token导航 LogoToken导航TokenDH.com
研究检索需要联网clawhub未标认证来源可访问clear审计通过

autoglm-deepresearchAutoglm 深度研究

Agent Skill

autoglm-deepresearch 用于查找、检索和筛选相关信息,适合在 OpenClaw 中需要根据关键词、任务场景或来源线索快速定位候选结果时使用。可结合来源仓库、安装命令和原始 README 继续核验具体用法。安装前建议确认权限范围、维护状态,以及是否会触发联网、命令执行或文件读写。

总安装

16,362

周安装

675

GitHub Stars

公开资料未说明

下载量

5,346
OpenClaw

安装说明

本站只整理中文说明和来源信息,不托管安装包,也不代用户安装。

GitHub

来源数

2

许可证

MIT-0

最后核验

2026-05-01

来源状态

来源可访问

安装方式

通过对话安装

复制提示词发给支持本地命令或 Skills 的 AI 助手,先确认命令和权限,再让它执行。

请帮我安装这个 Agent Skill:autoglm-deepresearch(Autoglm 深度研究)
来源仓库:https://github.com/mrhenghu/autoglm-deepresearch
安装命令:
openclaw skills install autoglm-deepresearch
安装前请先检查当前环境是否支持对应 CLI,并向我确认将要执行的命令、安装目录、联网范围和文件读写权限;确认后再执行。

命令行安装

复制命令到本机终端执行。该命令会通过 OpenClaw 从第三方来源获取 Skill;本站只展示命令,不托管安装包,也不自动执行。

ClawHubOpenClaw
openclaw skills install autoglm-deepresearch

简介

对用户提出的课题进行深度研究和调研,输出成型的深度报告。当用户需要深入了解某个话题、做行业调研、专题研究、竞品分析等场景时使用此技巧。与普通搜索不同,深度研究会先做少量定向再搜索,再对少量关键页面进行深度阅读,过程中展示优先中间发现,最后做总结,避免因调用次数过多导致响应过慢。

SKILL.md

name
autoglm-deepresearch
description
>
compatibility
requires

AutoGLM DeepResearch Skill

对用户课题进行少量搜索 + 有限深读,先展示中间结果,再生成结构化调研报告。


依赖 API

1. Web Search — 搜索网页

项目内容
地址https://autoglm-api.zhipuai.cn/agentdr/v1/assistant/skills/web-search
方式POST
请求体{"queries": [{"query": "<搜索词>"}]}
返回data.results[].webPages.value[]name / url / snippet

2. Open Link — 打开页面获取详细内容

项目内容
地址https://autoglm-api.zhipuai.cn/agentdr/v1/assistant/skills/open-link
方式POST
请求体{"url": "<页面链接>"}
返回data.text → 页面正文内容

脚本启动时会先向本地服务发起 HTTP GET 请求获取 token:

项目内容
地址http://127.0.0.1:53699/get_token
方式GET
返回Bearer xxx(直接作为 Authorization 头使用)
若返回值不含 Bearer 前缀,脚本会自动补全。

两个 API 使用相同的签名 Headers:

  • X-Auth-Appid: 100003
  • X-Auth-TimeStamp: 当前秒级 Unix 时间戳
  • X-Auth-Sign: MD5(100003 + "&" + timestamp + "&" + 38d2391985e2369a5fb8227d8e6cd5e5)

执行脚本

使用同目录下的脚本:

# 搜索
python web-search.py "搜索关键词"

# 打开页面
python open-link.py "https://example.com"

深度研究流程

收到用户的研究课题后,按以下步骤执行:

Step 1:拆解子问题

将课题拆解为 1~2 个最关键的搜索方向,不要扩散成过多子问题。优先选择最能直接回答用户问题的维度,例如:

  • 背景与定义
  • 最新现状 / 关键数据
  • 代表性案例(仅在确有必要时)

如果用户的问题本身已经很具体,可以直接进入搜索,不必额外拆很多子问题。

Step 2:多轮搜索

调用 web-search.py 进行 1~2 次搜索,总量必须受控:

  • 默认先做 1 次搜索。
  • 只有当第一次搜索结果明显不够、结果质量差、或缺少关键维度时,才进行第 2 次搜索。
  • 不要为了“完整性”机械扩展搜索轮次。

每次搜索后,先整理并向用户呈现中间结果,再决定是否继续。中间结果至少应包含:

  • 本次搜索使用的查询词
  • 2~5 条最相关结果的 name / url / snippet
  • 对当前信息是否足够的简短判断

Step 3:筛选重要页面并深度阅读

从搜索结果中筛选 1~3 个 最相关的页面 URL,再调用 open-link.py 获取页面全文(data.text)。

控制规则:

  • 默认只打开 1 个页面。
  • 仅当第 1 个页面信息不足、存在明显缺口、或需要交叉验证时,再增加到 2 或 3 个。
  • 不要批量打开多个相似来源。

筛选标准:

  • snippet 信息量丰富、与课题高度相关
  • 来源权威(官方网站、知名媒体、学术机构)
  • 避免重复来源

每次打开页面后,也应先展示中间提炼结果,再继续下一步。中间结果建议包含:

  • 页面标题或 URL
  • 3~6 条关键信息点
  • 与用户问题的相关性说明

如果前 1~2 个页面已经足够回答问题,应停止继续调用。

Step 4:综合分析,生成报告

在完成有限搜索和有限深读后,先给出一个简短的“中间结论 / 当前发现”小节,再输出最终总结。

整合所有搜索 snippet 和页面全文,按以下结构输出报告:

# [课题名称] 深度调研报告

## 中间发现
(先列出搜索和页面阅读阶段已经确认的关键事实、主要来源、仍未确认的点)

## 概述
(2~3 句话概括核心结论)

## 背景
(课题的基本定义、背景信息)

## 现状分析
(关键数据、现状描述)

## 典型案例 / 代表性观点
(具体案例或多方观点)

## 发展趋势
(未来走向判断)

## 总结
(综合结论与建议)

## 参考来源
1. [页面标题](URL)
2. [页面标题](URL)
...

执行约束

  • web-search.py 最多调用 2 次。
  • open-link.py 最多调用 3 次。
  • 优先少调用、快返回;够用即可,不追求“穷尽式”检索。
  • 每一轮搜索或打开页面后,都尽量把中间结果先展示出来。
  • 当已有信息足以回答用户问题时,立即停止进一步调用并进入总结。

适合场景

01

OpenClaw 用户查找和安装 Skill 时

02

用户想查找某类 Agent Skill 时

03

需要根据任务场景推荐可安装能力包时

04

需要对比不同来源的安装命令和来源信息时

能力概览

能力 1

按任务关键词查找相关 Skills

能力 2

展示可复制的安装命令

能力 3

保留来源站点、仓库和原始说明,方便继续核验

能力 4

补充不同宿主或平台的使用分布数据

能力 5

展示第三方安全扫描或审计结果

安装后应在对应宿主中按原始 README 的触发条件使用;具体调用方式请以来源页面和 README 为准。

平台分布

OpenClaw

80.15%
按下载量换算4,285

安全审计

VirusTotal

通过

ClawScan

通过

Static analysis

通过

权限和风险

需要联网

该 Skill 可能需要联网访问来源站点、仓库或外部 API;具体网络访问范围需要结合源码和 README 复核。

安装前确认

本站仅展示第三方公开信息,不托管安装包,不提供自动安装或运行环境。安装前应自行审查源码、依赖和命令行为。当前只有一个来源,正式发布前建议补源仓库或其他目录站核验。

来源信息

继续浏览同类 Skills