关于 parallel-research
借助 Parallel AI API 进行网络研究、竞争情报分析、实体发现和数据补充的技能,提供快速问答、深度报告、公司搜索及供应商筛选的命令行工作流。
主要功能
- 01快速事实问答
- 02深度研究报告
- 03公司发现与数据补充
- 04供应商筛选工作流
适用场景
- 01研究公司或市场
- 02按条件寻找竞争者
- 03补充潜在客户公司数据
- 04按需求比较供应商
安装
复制下面的命令,在终端中运行。
npx skills add https:/ / github.com/ casper-studios/ casper-marketplace --skill parallel-research安装后在 Claude Code 中输入/parallel-research确认已加载。
包含的文件
除 SKILL.md 外,安装时一起下载的参考资料和脚本。
references/api-guide.mdbasic-research.mdvendor-selection.mdscripts/basic_research.pyparallel_research.pyvendor_selection.py详细介绍
并行研究
概述
使用 Parallel AI 的专业 API 进行深度网络研究、竞争情报、实体发现和数据补充。
快速决策树
What do you need?
│
├── Quick factual answer (3-5 seconds)
│ └── Chat API ($0.005/request)
│ └── Script: scripts/parallel_research.py chat "question"
│
├── Comprehensive research report (5min-2hr)
│ └── Deep Research API ($0.30/report for ultra)
│ └── Script: scripts/parallel_research.py research "topic"
│
├── Find entities matching criteria (companies, people)
│ └── FindAll API ($0.03 + $0.10/match)
│ └── Script: scripts/parallel_research.py findall "query"
│
└── Enrich existing data (add fields to records)
└── Task API with schema ($0.025/record for core)
└── Script: scripts/parallel_research.py enrich data.csv
环境设置
# Required in .env
PARALLEL_API_KEY=your_api_key_here
获取 API 密钥:https://platform.parallel.ai/settings/api-keys
常见用法
快速问答
python scripts/parallel_research.py chat "What is Anthropic's latest funding round?"
深度研究报告
python scripts/parallel_research.py research "Competitive landscape of AI code editors in 2025" --processor ultra
查找公司
python scripts/parallel_research.py findall "AI code editor companies that raised funding in 2024-2025" --limit 50
基础研究(简化版)
python scripts/basic_research.py "Company Name"
供应商选择
python scripts/vendor_selection.py "CRM software" --requirements "enterprise,API,automation"
处理器层级
| 处理器 | 每 1K 次费用 | 延迟 | 最适合 |
|---|---|---|---|
lite | $5 | 10-60s | 基础元数据 |
base | $10 | 15-100s | 简单研究 |
core | $25 | 1-5min | 交叉引用研究 |
pro | $100 | 2-10min | 探索性研究 |
ultra | $300 | 5-25min | 深度研究(推荐) |
ultra-fast | $300 | 2-10min | 速度与质量兼顾 |
费用估算
| 任务 | API | 费用 |
|---|---|---|
| 100 个快速问题 | Chat | $0.50 |
| 市场研究报告 | Deep Research (ultra) | $0.30 |
| 查找 50 家竞争对手 | FindAll (core) | ~$5.00 |
| 补充 100 条潜在客户信息 | Task (core) | $2.50 |
免费额度
20,000 次免费请求(所有 API 合计)。
安全说明
凭据处理
- 将
PARALLEL_API_KEY存储在.env文件中(切勿提交到 git) - 在 https://platform.parallel.ai/settings/api-keys 重新生成密钥
- 切勿在脚本输出中记录或打印 API 密钥
- 使用环境变量,不要硬编码值
数据隐私
- 研究查询会发送到 Parallel AI 服务
- 研究输出可能包含第三方公司信息
- 结果会存储在本地的
.tmp/目录中 - Parallel AI 可能会记录查询以改进服务
- 避免在研究查询中包含敏感的内部数据
访问范围
- API 密钥可完全访问所有研究端点
- 不提供细粒度权限范围
- 通过 Parallel AI 控制面板监控用量和费用
合规注意事项
- 数据来源:研究内容来自公开网络来源
- 引用:研究输出中务必注明来源
- 准确性:应核实 AI 生成的研究内容
- 竞争情报:确保竞争研究符合相关政策
- 第三方数据:尊重来源的知识产权
- 结果中的 PII:研究结果可能包含公司或个人的 PII
- 数据时效性:核实有时效性的信息是否仍然有效
故障排除
常见问题
问题:处理器超时
症状: 请求超时或仅返回部分结果
原因: 查询较复杂,所需处理时间超出允许范围
解决方案:
- 使用更快的处理器层级(例如使用
lite或base,而不是ultra) - 简化研究查询
- 将复杂查询拆分为多个较小的请求
- 如果脚本支持配置,则延长超时时间
问题:额度用尽
症状: 出现“Insufficient credits”或配额错误
原因: 账户额度已耗尽
解决方案:
- 在 https://platform.parallel.ai/dashboard 查看余额
- 升级套餐或购买额外额度
- 对不太关键的查询使用费用较低的处理器层级
- 监控用量,避免额度意外耗尽
问题:响应格式无效
症状: JSON 解析错误或响应结构异常
原因: API 返回了错误或格式不正确的响应
解决方案:
- 检查查询格式是否符合 API 要求
- 重试请求(可能是暂时性问题)
- 确认 API 密钥有效且处于启用状态
- 查看 API 文档,了解预期的响应格式
问题:结果为空或不相关
症状: 研究未返回结果或返回了偏题内容
原因: 查询范围过窄、含义模糊或结构不佳
解决方案:
- 扩大搜索范围
- 补充上下文,明确查询意图
- 尝试不同的措辞或关键词
- 先使用 Chat API 确认对查询的理解
问题:API 身份验证失败
症状:“Invalid API key”或 401 错误 **原因:**API 密钥已过期、无效或未设置 解决方案:
- 在 https://platform.parallel.ai/settings/api-keys 重新生成密钥
- 确认在
.env中正确设置了PARALLEL_API_KEY - 检查密钥是否有前导或尾随空格
- 确保密钥未被撤销
问题:请求频率受限
**症状:**429 错误或“rate limit exceeded” **原因:**并发请求过多 解决方案:
- 在请求之间添加延迟
- 减少并行请求数量
- 实现指数退避
- 如有需要,联系支持团队以提高速率限制
资源
- references/api-guide.md - 完整的 API 文档
- references/basic-research.md - 简单的公司调研
- references/vendor-selection.md - 供应商比较工作流
集成模式
从调研到报告
技能: parallel-research → content-generation 使用场景: 根据调研结果创建精美报告 流程:
- 对主题或公司进行深入调研
- 生成结构化的调研结果
- 通过 content-generation 格式化为品牌文档
从 FindAll 到 CRM
技能: parallel-research → attio-crm 使用场景: 将发现的公司填入 CRM 流程:
- 使用 FindAll 发现符合条件的公司
- 为每家公司补充更多数据
- 在 Attio CRM 中创建或更新公司记录
从调研到表格
技能: parallel-research → google-workspace 使用场景: 在 Google Sheets 中建立调研数据库 流程:
- 对多个实体运行 FindAll 或批量调研
- 将结果整理为表格数据
- 上传到 Google Sheets,供团队协作使用