study

核心用法

Research Skill 是一款面向终端用户的AI研究工具，通过调用Tavily API实现自动化网络信息搜集、分析与报告生成。用户可通过./scripts/research.sh脚本或直接使用curl命令发起研究请求，支持基础查询、专业模型选择、自定义引用格式（APA/MLA/Chicago/编号）以及结构化JSON Schema输出。典型工作流为：定义研究主题→选择模型（mini/pro/auto）→可选配置输出格式→等待30-120秒获取带引证的研究报告。

显著优点

零代码集成：无需编写爬虫或数据处理代码，纯命令行操作即可完成专业级研究；结构化输出能力：通过JSON Schema强制约束返回格式，便于接入数据管道和自动化工作流；来源可追溯：所有结论附带原始出处链接，满足学术和商业场景的引证规范；模型分级策略：mini模型适合快速事实查询（约30秒），pro模型处理复杂对比分析（60-120秒），auto模式智能匹配；终端原生体验：支持Ctrl+B后台运行，避免阻塞终端会话。

潜在缺点与局限性

响应延迟固定：研究过程不可加速，30-120秒的等待时间不适合实时交互场景；第三方依赖锁定：核心功能完全依赖Tavily API的可用性与定价策略，存在供应商锁定风险；网络环境要求：需稳定访问Tavily服务，部分地区可能存在连接问题；输出可控性有限：虽支持Schema约束，但研究深度和角度由AI决定，难以精确控制信息取舍；成本不透明：文档未提及API调用费用结构，高频使用可能产生意外支出。

适合的目标群体

技术型研究人员：需要快速获取技术领域综述并集成到文档工作流的开发者；市场与竞品分析师：定期输出带来源的行业分析报告的商业分析师；学术写作辅助：需要规范引用格式的论文作者和研究生；自动化运维场景：需要将研究能力嵌入CI/CD或定时任务的基础设施团队；信息验证工作者：对AI生成内容有溯源要求的编辑和事实核查人员。

使用风险

API密钥管理：需妥善保管TAVILY_API_KEY，避免硬编码或误提交至版本控制；数据隐私边界：所有查询内容发送至Tavily服务器，敏感商业信息或个人信息不宜直接查询；服务可用性：Tavily API故障将直接导致技能失效，建议生产环境配置降级方案；Schema验证开销：复杂的JSON Schema可能增加API处理时间，需权衡结构化需求与响应速度。