关于 research-hub
research-hub 是面向研究者的本地研究工作区,用于连接文献、研究材料与稿件,并保留任务和判断的可追溯记录。它可与 Zotero、Obsidian 和 NotebookLM 配合,并支持文献发现、证据整理、写作交接与审阅;各集成及已发布能力需单独核实。
主要功能
- 01管理项目、文献、证据与稿件
- 02记录任务输入、结果和决策
- 03跟踪注册文件的变更影响
- 04导出任务并导入写作结果
- 05支持人工审阅与本地交接
适用场景
- 01整理文献综述中的来源与纳入决策
- 02将研究主张关联到来源并检查支撑
- 03把稿件修改任务交接给 AI host
- 04审阅提案并准备本地交付
MCP 相关
项目文档提及通过 MCP/REST 连接,并链接到 MCP 工具说明;实际可用能力取决于安装版本及 AI host 支持情况。
配置
本地服务的配置在各客户端中通用,复制后粘贴到客户端的 MCP 配置文件即可。
工具
本地服务需要在你的电脑上运行后才能读取工具,维护者暂未提供工具列表。
详细介绍
research-hub
通过可追溯的工作,将文献、研究成果和手稿连接起来的本地工作区。
工作区已合并到源代码中;已安装能力需单独检查。 PR #135 已合并。此基准请使用下方固定版本的源代码路径;不要根据源代码版本推断已发布 wheel 或原生宿主环境已就绪。请从能力与设置基准开始。
为何构建
研究涉及文件和工具:一篇论文启发一个问题,一次分析改变一个结果,而手稿需要修订。当你或 AI 助手接手下一项任务时,让这些关联清晰可见。

从本地文件开始。需要时,可连接 Zotero 管理参考文献、Obsidian 记录笔记,并使用 NotebookLM 生成基于来源的简报。实证研究和文献综述共用同一工作区。
从原生文献发现开始(阶段 1)
在能够读取 research-hub 技能且具备公开搜索/阅读工具的原生 AI Agent 中,只需先提出一个请求:
查找关于大模型模拟人类决策的文献。
Agent 应自行确定合理的初始范围,搜索并阅读可用来源,然后返回一份简短清单,其中包含原始链接、相关性、版本和阅读/访问限制;而不是让你填写研究表单或编写 JSON。Zotero、Obsidian、NotebookLM 和 Hub 存储均为可选项。
2026-10-26 的一次真实云原生演练返回了三个不同的切入点:
- Aher et al. (2023):根据现有实验模拟群体行为。
- Park et al.(评估了 2024 年预印本 v1):以人类访谈为依据的个性化 Agent;本次演练未阅读更新版本。
- Gao et al. (2025):将决策分布不匹配作为有效性检查。本次演练阅读的是 DOI 匹配的公开 PDF 镜像,并未成功获取出版方 PDF。
接下来,如有需要,可以说:
聚焦经济决策,并比较人类基线和评估方法。
搜索摘要不等于阅读全文;输出看起来像人类,不代表人类参与者可以被取代。Agent 会保留无法获取的来源和未解决的问题,而不会编造已覆盖的内容。
**实际测试的内容:**一个请求 → 原生搜索和原文段落 → 简短且附带限定说明的结果。这是在直接阅读技能后进行的一次云原生运行;它并未验证 Codex/Claude Code 的安装、技能自动触发、所有宿主环境、保存到 Hub 或打开 UI。该演练无需 JSON、CLI、其他集成/提供商账户或阶段 2。
如需可视化交接,Agent(而非研究人员)可以整理观察结果,并使用已有且获授权的 Hub 界面保存。确认保存后会返回确切的已保存结果链接。已保存结果约定将此路径与原生研究分开:当前安全的文件持久化/查看仅支持 POSIX,尚不支持 Windows;打开结果不会验证研究,也不会启动提供商写入。
你将使用的内容

| 页面 | 你的工作 |
|---|---|
| 项目 | 说明问题、目标和项目类型。 |
| 文献 | 查找参考文献,并记录纳入或排除的决定。 |
| 证据 | 将论断与来源关联,并检查尚未解决的支持问题。 |
| 设计与结果 | 记录方法、结果、局限性和支持文件。 |
| 稿件 | 登记 Word、LaTeX 或 Markdown;准备大纲和修订稿。 |
| 审阅与交付 | 检查提案、记录决定,并准备本地交接。 |
文件保留在你选择的工作区中。登记操作会记录路径和哈希值;原始文档由你的编辑器负责修改。
如何试用
工作区预览
使用 Python 3.10+ 和 Git。选择一个全新或空的 workspace-demo 目录。以下命令会安装不可变的源代码基线 6381dfa7d474dd27cd4adb33f0f59ea8ec395150,不依赖功能分支名称。
git clone -c core.autocrlf=false https://github.com/WenyuChiou/research-hub.git
cd research-hub
git fetch origin 6381dfa7d474dd27cd4adb33f0f59ea8ec395150
git checkout --detach 6381dfa7d474dd27cd4adb33f0f59ea8ec395150
然后为你的系统选择一个命令块。这些命令会直接调用虚拟环境中的 Python:无需运行激活脚本,也无需更改 PowerShell 执行策略。
macOS / Linux
python3 -m venv .venv
./.venv/bin/python -m pip install -e .
./.venv/bin/python -m research_hub project demo --root ./workspace-demo --json
./.venv/bin/python -m research_hub serve --workspace --root ./workspace-demo
Windows PowerShell
py -3 -m venv .venv
.\.venv\Scripts\python.exe -m pip install -e .
.\.venv\Scripts\python.exe -m research_hub project demo --root ./workspace-demo --json
.\.venv\Scripts\python.exe -m research_hub serve --workspace --root ./workspace-demo
打开本地工作区。演示无需账户,并包含一个简单的数值求和示例和一个文献综述示例。这些是教学输入,并非模型生成的研究发现。
固定的运行时快照保留了较早的本地文档,不包含这份新的功能基线文档或其干净源码测试。请同时阅读当前在线功能基线和该运行时;本 PR 中的测试是此次变更集的证据,并不能证明这些较早 README 命令完全可用。此快照保留了原始文档;对于合并后的生产者固定版本、你自己的文件、写作设置、任务交接和审阅,请使用最新的工作区指南。依赖此预览前,请先查看带日期的验证记录和剩余检查项。
已发布的文献仪表板
python -m pip install research-hub-pipeline
research-hub dashboard --sample
此免账户示例会打开现有仪表板。对于实际集成,请参阅设置指南、前 10 分钟和仪表板导览。
写作工作方式

| 模式 | 运行方式 |
|---|---|
| 可移植交接 | 将任务导出到你的 AI 主机;导入其文稿和候选哈希值。导出后,任务会继续等待 Agent 处理。 |
| 已连接的 Codex | 经过身份验证且兼容的 Codex CLI 使用明确受信任的公开写作包,无需工具即可生成文稿。结果会等待人工审阅。 |
公开写作适配器已在 academic-writing-skills PR #17 中合并。此次集成固定使用其不可变的 main 提交 bc15e29e976cd6ade3484aeaa4f1230444697f8a。明确验证并配置该适配器;它是可选的,不会作为永久的 research-hub 依赖安装。Hub 工作区已在源码中合并;这并不意味着已准备好发布软件包或原生主机。已连接的 Codex 接收的是有限长度的文本摘录,而非二进制文档内容。请使用你的编辑器处理 Word 格式、LaTeX 编译和最终文档修改。
可信之处
- 输入可追溯: 任务会保留输入修订、结果和决策。已注册的字节发生变化后,任务可能过时;工作区会报告审查影响。
- 判断相互独立: 可解析的引用并不能证明某项主张。来源身份、主张依据和人工任务验收彼此独立。
- 交接明确: 已接受的提案可打包到单独审批的本地 ZIP 中。这不代表授权发布或上传到云端。
本地审批记录的是操作员的声明;在共用电脑上,它不能验证身份。现有的直接写入型 MCP、仪表板和云端工具不受工作区审批保护。任务完成后,工作流的八个阶段不会自动推进。请阅读边界与恢复指南。
现有集成、凭据和故障排除
使用设置选择集成,然后运行 research-hub doctor。NotebookLM 需要可见的 Google 登录;最近一次记录的身份验证尝试失败,且尚未重新验证。在你自己的检查成功之前,请将该集成视为已降级/未检查。请参阅 NotebookLM 设置和故障排除。
| 现有角色 | 可选附加项 |
|---|---|
| 研究人员 | [playwright,secrets] |
| 人文领域 | [playwright,secrets] |
| 分析师 | [import,secrets] |
| 内部知识管理 | [import,secrets] |
这些凭据适用于现有集成;本地工作区演示无需凭据。
| 名称 | 必需 | 用途 |
|---|---|---|
ZOTERO_API_KEY | 仅 Zotero | Zotero API 身份验证 |
ZOTERO_LIBRARY_ID | 仅 Zotero | Zotero 文库标识符 |
SEMANTIC_SCHOLAR_API_KEY | 否 | 可选的搜索 API 密钥 |
SEMANTIC_SCHOLAR_RPS | 否 | 可选的搜索请求速率覆盖值 |
TAVILY_API_KEY | 否 | 可选的网络搜索后端 |
BRAVE_API_KEY | 否 | 可选的网络搜索后端 |
通过 MCP/REST 连接,查看 AI 主机支持矩阵,或使用本地文件导入。《CLI 参考》、EZproxy 指南和在线冒烟测试清单介绍了详细操作。
开发者链接
工作区架构介绍了任务台账和审批边界。技术细节请参阅工作流运行时、MCP 工具、稳定 API、文件格式和 OpenWiki。运行 python -m research_hub describe --filter mcp_tools 和 --filter skills 查看当前清单。
评论
一个开放协议,规定了 AI 应用如何以统一方式连接外部工具与数据源。客户端负责与模型对话,MCP 服务负责提供工具、资源和提示模板,两者通过标准消息通信,同一个服务可以被不同客户端复用。