research-lookup
作者 K-Dense-AIresearch-lookup 是一项用于获取最新、可追溯来源答案的 research-lookup 技能，支持 web 和 academic search 后端。它会将查询路由到 parallel-cli search、Parallel Chat API 或 Perplexity sonar-pro-search，帮助查找论文、引用、技术证据和事实核查内容。适合在新鲜度和来源质量很重要时使用。
这项技能的评分为 78/100，属于 Agent Skills Finder 中比较稳妥的收录候选。它提供了一个触发条件清晰的 research-lookup 工作流，并明确说明了后端路由方式；但也要注意一些落地上的不确定性，因为仓库证据主要只有一个 skill 文件和 README，没有提供安装命令或配套脚本。
- 明确列出了当前研究、文献综述、引用查找和技术信息检索的使用场景与触发条件。
- 后端路由清晰，覆盖 parallel-cli search、Parallel Chat API 和基于 OpenRouter 的学术搜索，减少代理推断成本。
- skill 正文结构扎实，包含大量标题、约束和流程说明；未发现占位符标记。
- 仓库证据中没有展示安装命令，也没有支持文件/脚本，因此实际配置可能需要手动判断。
- 可用性依赖外部服务和 API key（PARALLEL_API_KEY、OPENROUTER_API_KEY），这可能会影响开箱即用体验。
research-lookup 技能概览
research-lookup 是什么
research-lookup 是一项 research-lookup 技能，用于从网页和学术搜索后端获取最新、可溯源的答案，而不是依赖静态提示词。它面向需要最新论文、技术证据、引用来源或快速核实事实的人。
最适合谁使用
如果你经常做 Web Research、文献核查、竞品技术扫描，或需要重视时效性的事实验证，那么 research-lookup 很适合你。它尤其适合分析师、研究人员、工程师和写作者；相比临时拼凑提示词，它更像一套可重复使用的 research-lookup 指南。
它的不同之处
它的核心价值在于后端路由。这个技能会优先使用 parallel-cli search 做快速、通用的研究；需要更深入的综合时，可升级到 Parallel Chat API；做学术论文检索时，还可以使用 Perplexity sonar-pro-search。也正因为如此，当查询类型和所需来源深度变化时，research-lookup 技能比“去网上搜一下”这种通用提示词更有用。
安装前需要注意什么
它的取舍在于依赖和 API 暴露：必须有 parallel-cli，查询文本可能会发送到 api.parallel.ai；学术搜索也可能用到 OPENROUTER_API_KEY。如果你需要完全离线研究，或者对本地数据处理有严格要求，这个技能大概率不合适。
如何使用 research-lookup 技能
安装与环境设置
进行 research-lookup 安装时，先把这个技能从 repo 路径加入你的 Claude Code 环境，然后确认所需的后端已可用。实际使用中，通常需要为深度研究路由设置 PARALLEL_API_KEY；只有在你希望通过 OpenRouter 路径做学术论文检索时，才需要 OPENROUTER_API_KEY。
先给对输入
当你的请求包含以下信息时，这个技能效果最好：主题、时间范围、来源偏好和输出格式。弱提示词是“找一些关于电池的研究”。更好的 research-lookup 使用提示词则是：“查找 2023–2025 年关于固态电池衰减的同行评审研究，优先综述论文，并返回 8 条引用，每条附一句相关性说明。”
实用工作流
先提出一个聚焦的问题，再根据第一次检索的结果继续收窄。如果主题很宽泛，先要求一个更窄的证据切片；如果主题很冷门，就明确领域术语、方法或可接受的来源类型。这样能帮助技能在快速搜索、深度综合和学术检索之间做出合适选择，也避免过早使用更慢的路径。
先读哪些文件
先看 scientific-skills/research-lookup/SKILL.md，了解路由行为和约束；再看 README.md，获取最简单的使用示例。如果你要把这个技能改造成另一种工作流，务必仔细看命令示例，并尽量沿用它们的输入方式，而不是照抄表述本身。
research-lookup 技能常见问题
research-lookup 只适合学术论文吗？
不是。research-lookup 也适用于通用的最新研究和技术验证。只要结果必须新、必须能溯源，而且需要比普通聊天回答更可靠，它就很强。
什么时候不该用它？
如果是静态知识、本地项目事实，或者不需要实时来源的任务，就不要用它。若你的流程不能把查询文本发送到外部服务，或者你不希望使用 API 驱动的检索，也应避免使用。
对新手友好吗？
友好，但前提是你能讲清楚问题。新手如果能提供时间范围、主题领域和想要的证据类型，通常会得到最好结果。没有这些信息时，research-lookup 的使用很容易变得范围过大、噪音过多。
它和普通提示词有什么区别？
普通提示词主要依赖模型记忆和泛化推理。research-lookup 则增加了检索规范、后端选择和面向研究的来源定向，因此在处理时效性强或引用要求高的工作时更可靠。
如何改进 research-lookup 技能
给工具足够“可决策”的上下文
提升质量最明显的方式，是把查询框架写清楚。要明确写出具体概念、偏好的来源，以及你需要的答案类型：摘要、引用、对比表，还是证据核查。例如：“对比 2024 年关于 retrieval-augmented generation 评估的研究，优先同行评审来源，并标出相互矛盾的发现。”
在第一次检索前先消除歧义
常见失败模式是：只给一个宽泛主题，没有边界。想改进 research-lookup 结果，就把方法、领域、研究对象、时间范围或评价标准写出来。“关于电池的最新研究”太弱；“2022–2025 年关于固态电解质中锂金属电池枝晶抑制的论文”才是可执行的。
从来源质量迭代，而不只是从答案质量迭代
第一轮之后，继续要求更好的来源选择、补充缺失的反证，或者缩小到更紧的学术子集。如果输出太偏网页，就要求同行评审来源；如果太偏学术，就要求实践者资料或标准来源。这样一来，research-lookup 指南在第二轮通常比第一轮更有价值。