什么是 researchvault？

researchvault 是专为 Openclaw Skills 生态系统中的自主智能体研究设计的状态管理器。它提供强大的本地 SQLite 基础设施来存储研究工件、发现和链接，确保智能体在不同会话中保持持久记忆。通过假设分支和主动验证实现发散思维，它允许开发人员构建能够自我修正并使用本地嵌入综合信息的复杂研究智能体。

该技能专为数据完整性和跨智能体协作至关重要的高速研究环境而打造。通过利用原生模型上下文协议 (MCP) 服务器，researchvault 允许多个智能体与共享的研究状态进行交互，确保复杂的发现得到正确索引、验证并准备好进行综合。

下载入口:https://github.com/openclaw/skills/tree/main/skills/lraivisto/researchbrain

安装与下载

1. ClawHub CLI

从源直接安装技能的最快方式。

2. 手动安装

将技能文件夹复制到以下位置之一

优先级：工作区 > 本地 > 内置

3. 提示词安装

将此提示词复制到 OpenClaw 即可自动安装。

researchvault 应用场景

• 通过持久化状态管理跟踪复杂的多步研究轨迹。
• 使用发散思维和假设分支探索并行研究路径。
• 通过自我修正的智能体任务自动验证低置信度数据。
• 通过内置的 MCP 服务器集成跨智能体协作以实现共享上下文。
• 使用看门狗模式实现对外部源和 URL 的持续后台监控。

1. 初始化具有特定目标和唯一标识符的项目库，以跟踪研究的生命周期。
2. 将来自多个来源（如 Reddit 或网页 URL）的原始数据直接提取到本地 SQLite 持久层。
3. 执行综合引擎，使用本地嵌入自动发现并映射不同发现之间的链接。
4. 运行主动验证任务，计划并执行对低置信度数据的检查，允许智能体自我修正。
5. 通过 MCP 服务器公开研究状态，允许 Openclaw Skills 生态系统中的其他智能体查询并向库贡献内容。

researchvault 配置指南

要开始使用此技能，请确保已安装 Python 3.13 和 uv 包管理器。使用以下命令初始化环境：

# 创建虚拟环境并以可编辑模式安装技能
uv venv
uv pip install -e .

安装完成后，您可以使用 CLI 初始化第一个研究项目：

uv run python scripts/vault.py init --id "your-project-id" --name "项目名称" --objective "定义你的目标"

researchvault 数据架构与分类体系

researchvault 技能在结构化 SQLite 数据库中组织数据，以确保高速访问和持久性。该架构包括：

name: researchvault
description: "High-velocity research orchestration engine. Manages persistent state, synthesis, and autonomous verification for agents."
metadata:
  {
    "openclaw":
      {
        "requires": { "python": ">=3.13", "bins": ["uv"] },
        "install":
          [
            {
              "id": "vault-venv",
              "kind": "exec",
              "command": "uv venv && uv pip install -e .",
              "label": "Initialize ResearchVault Environment",
            },
          ],
      },
  }

ResearchVault ??

Autonomous state manager for agentic research.

Core Features

• The Vault: Local SQLite persistence for artifacts, findings, and links.
• Divergent Reasoning: Create branches and hypotheses to explore parallel research paths.
• Synthesis Engine: Automated link-discovery using local embeddings.
• Active Verification: Self-correcting agents via verification_missions.
• MCP Server: Native support for cross-agent collaboration.
• Watchdog Mode: Continuous background monitoring of URLs and queries.

Workflows

1. Project Initialization

uv run python scripts/vault.py init --id "metal-v1" --name "Suomi Metal" --objective "Rising underground bands"

2. Multi-Source Ingestion

uv run python scripts/vault.py scuttle "https://reddit.com/r/metal" --id "metal-v1"

3. Synthesis & Verification

# Link related findings
uv run python scripts/vault.py synthesize --id "metal-v1"

# Plan verification for low-confidence data
uv run python scripts/vault.py verify plan --id "metal-v1"

4. MCP Server

uv run python scripts/vault.py mcp --transport stdio

Environment

Requires Python 3.13 and uv.