OpenClaw Deep Research para Openclaw

Un marco de investigación basado en archivos para OpenClaw que prioriza la trazabilidad de las fuentes y los libros de evidencias estructurados sobre los resúmenes simples basados en chat.

zzxx-bit
v1.0.0
Mar 21, 2026
0
789
0

Instalar y Descargar

1. ClawHub CLI

La forma más rápida de instalar una habilidad directamente desde el registro.

npx clawhub@latest install multi-agent-deep-research

2. Instalación manual

Copia la carpeta de la habilidad a una de estas ubicaciones

Global
~/.openclaw/skills/
Espacio de trabajo
<project>/skills/

Prioridad: Espacio de trabajo > Local > Integrado

3. Instalación del prompt

Copia este prompt en OpenClaw para instalarlo automáticamente.

Ayúdame a instalar multi-agent-deep-research usando Clawhub. Si Clawhub no está instalado, instálalo primero (npm i -g clawhub).

¿Prefieres descargar?

Obtén los archivos originales de la habilidad en un archivo ZIP.

¿Qué es OpenClaw Deep Research?

La skill OpenClaw Deep Research transforma las interacciones de chat de AI estándar en un motor de investigación de grado de producción. Al tratar la investigación como un flujo de trabajo basado en archivos en lugar de una conversación transitoria, garantiza que cada afirmación esté anclada a una fuente verificable. Esta skill está diseñada para investigaciones de alto riesgo donde la precisión, la auditabilidad y la gestión de la ventana de contexto son críticas.

Construida sobre el principio de memoria explícita, utiliza archivos locales para rastrear el estado del proyecto, los libros de fuentes y la evidencia de las afirmaciones. Este enfoque permite que Openclaw Skills maneje proyectos de larga duración que abarcan múltiples sesiones o involucran subagentes coordinados sin perder el rastro de descubrimientos previos o duplicar esfuerzos.

Casos de uso de OpenClaw Deep Research

  • Creación de informes técnicos de alta calidad o investigaciones de mercado con afirmaciones auditables.
  • Gestión de proyectos de investigación de larga duración que superan los límites típicos de contexto de LLM.
  • Coordinación de equipos de investigación multi-agente con ámbitos de escritura disjuntos y traspasos claros.
  • Construcción de libros de evidencias para hechos de rápida evolución como cambios de políticas o lanzamientos de productos.
  • Realización de comparaciones dimensionales entre entidades (p. ej., empresas, modelos o mercados) utilizando métricas normalizadas.

Cómo funciona OpenClaw Deep Research

  1. Scope Freeze: Definir la pregunta de investigación, el público objetivo y una fecha de corte de investigación estricta para anclar la investigación.
  2. Workspace Initialization: Crear un directorio de proyecto canónico en el workspace para que sirva como la única fuente de verdad para todos los artefactos.
  3. Delegation Strategy: Determinar si se requieren subagentes para el trabajo paralelo, asignando a cada uno un ámbito de lectura/escritura y un objetivo específicos.
  4. Source Collection: Crear un libro de fuentes priorizando documentos primarios, presentaciones oficiales y conjuntos de datos originales.
  5. Evidence Building: Convertir las notas de las fuentes en afirmaciones atómicas vinculadas a un ID, categorizadas por tipo de hecho y nivel de confianza.
  6. Synthesis and QA: Redactar el informe final exclusivamente a partir de afirmaciones verificadas y realizar una revisión final para garantizar la integridad de las citas y la precisión de las fechas.

Configuración de OpenClaw Deep Research

Para instalar esta skill para acceso de todo el usuario, clone el repositorio en su directorio de skills de OpenClaw:

# Global installation
mkdir -p ~\/.openclaw\/skills\/openclaw-deep-research\/
cp -r . ~\/.openclaw\/skills\/openclaw-deep-research\/

# Workspace-specific installation
mkdir -p skills\/openclaw-deep-research\/
cp -r . skills\/openclaw-deep-research\/

Asegúrese de que su entorno OpenClaw tenga acceso a la carpeta references\/ dentro del directorio de la skill para utilizar las plantillas y estándares proporcionados.

Esquema de datos y taxonomía de OpenClaw Deep Research

La skill organiza la investigación en una jerarquía de archivos estructurada para mantener un estado duradero a través de las sesiones de OpenClaw:

Component File/Path Description
Status Board status.md Rastrea la fase actual, las próximas acciones y las preguntas abiertas.
Source Ledger sources.json\/md Catálogo de fuentes primarias/secundarias con un source_id único.
Claim Ledger claims.json\/md Afirmaciones atómicas vinculadas a fuentes con clasificación (p. ej., hard_fact).
Handoffs handoffs\/ Directorio para registros de comunicación entre agentes y transferencias de estado.
Deliverables report.md El informe final sintetizado con una cadena de evidencias incrustada.

Funciones avanzadas de OpenClaw Deep Research

  • Coordinación Multi-Agente: Admite roles limitados para subagentes con protecciones explícitas de ámbito de escritura para evitar conflictos de archivos.
  • Clasificación de Evidencias: Diferencia entre hechos sólidos, hechos reportados, interpretaciones y pronósticos para un mayor rigor analítico.
  • Matrices de Normalización: Lógica incorporada para comparar entidades en conjuntos de datos inconsistentes marcando filas como parciales o no comparables.
  • Persistencia Basada en Archivos: Permite que Openclaw Skills reanude tareas complejas sin reproducir largos historiales de chat al leer archivos de estado locales.
  • Pistas de Auditoría: Cada afirmación sustantiva en la salida final se asigna a un claim_id y a un source_id correspondiente en el libro local.

SKILL.md


Cargando

Habilidades relacionadas de Openclaw

METADATA

Github Stars: 0
forks: 0

Presentado*