前言¶

做开放主题研究的人常遇到两个问题：一是结论散落在多次对话里，过几天就找不回来；二是每次重新开题，都要从零再找一遍资料，深度没有累积。Research 这个 Skill 针对的就是这件事——把研究过程写成一份可以持续迭代的文档，而不是一次性的问答。

这是什么¶

Research 是一个面向知识管理场景的 Agent Skill，坐标 @zcwl/parallel-ai-research，版本 1.1.0。它由「智创未来」发布，来源标记为 enterprise，分类是 knowledge-management。解决的问题是开放式主题研究的连续性：同一主题反复追问时，能保留已确认的事实和尚未解决的问题。

核心功能¶

根据 SkillHub 页面的简介，它的能力集中在三件事：

1、开放式主题研究：不预设固定提纲，跟随问题展开检索和归纳。
2、构建活文档：研究结果写成可持续修改的文档，而不是对话记录。
3、交互式迭代与累积深度：在同一主题上反复补充，逐步加深，而不是每次重开。

标签显示 requires_api_key=false，即该 Skill 本身不要求额外配置 API Key。

安装与启用¶

官方页面给出的安装入口为 SkillHub 页面：

https://www.skillhub.cn/skills/zcwl/parallel-ai-research

本篇依据的抓取资料中没有给出具体的安装命令、Skill 目录路径或 SKILL.md 配置字段，因此这里不写未经核实的命令。SkillHub 页面显示当前安装量为 0，说明该 Skill 仍处于早期阶段，社区实践案例有限。需要实际启用时，建议直接打开上面的页面按官方说明操作，并先确认你的 Agent 运行环境支持通用 SKILL.md 格式。

典型用法¶

官方简介描述的是使用方式而非可复制的脚本，因此这里只还原其工作流，不虚构命令：

1、提出一个开放主题，例如某个尚未定论的技术方向。
2、让 Skill 就该主题展开检索，产出一份活文档草稿。
3、在后续对话中继续追问或补充，把新结论合并进同一份文档。
4、需要时回到文档，直接读取已累积的内容，无需重复检索。

第 2 到 4 步是否完全自动化，取决于所挂载的 Agent 能力，资料中没有更细的说明。

适用场景与注意¶

适合个人研究者或小团队处理周期长、需要反复回访的主题，例如技术选型调研、领域入门、竞品跟踪。它的前提是你能在一个 Agent 环境里持续调用同一个 Skill，并且接受把研究内容放进一份长期维护的文档。

需要注意几点：SkillHub 上的评分和下载数会变动，本篇以抓取时读到的 100000 分 / 2605 次下载为准；安装量为 0 意味着缺少公开的踩坑记录，遇到问题基本要靠自己试；简介是功能概括，不是完整文档，落地前应打开官方页面确认最新说明。

结尾¶

Research 的价值在于把零散的多次研究串成一份会长大活文档，让同一主题的深度可以累积。它不预设检索路径，也不要求额外 Key，适合愿意自己把控流程的研究者。官方地址：https://www.skillhub.cn/skills/zcwl/parallel-ai-research。