企业官网建设流程全解析

Hyperresearch Levers完全指南：teach、survey、analyze、advocate四种报告语气切换

【免费下载链接】hyperresearchAgent-driven research knowledge base. Agents collect, search, and synthesize web research into a persistent, searchable wiki.项目地址: https://gitcode.com/GitHub_Trending/hy/hyperresearch

Hyperresearch 是一个 Agent 驱动的深度学习研究工具，它把 Claude Code 变成深度研究 Agent：一句提示词就能产出经过对抗性审核、带完整来源出处的研究报告，并将所有资料沉淀到可搜索的知识库中。它的Levers（运行参数）机制负责控制每份报告的"语气"——通过teach、survey、analyze、advocate四种寄存器（register）一键切换报告风格，让同一套 16 步研究管线产出讲解型、地图型、评估型或论证型四种截然不同的交付物。

Levers 是什么：报告语气的"总开关"

Hyperresearch 用三个维度来区分"做多少工作"和"报告长什么样"：

• Tiers（层级）：light/full/dissertation，决定跑多少步骤
• Gears（档位）：控制来源目标、字数预算等规模参数
• Levers（参数）：只决定报告以什么口吻写出来🔧

Levers 包含三个字段：

核心源码位于 src/hyperresearch/core/levers.py，CLI 入口在 src/hyperresearch/cli/levers_cmd.py。

四种报告语气详解：teach、survey、analyze、advocate 各自适合什么场景

📚 teach：耐心专家讲解

读者是"有动力的非专家"。每个小节先给大白话解释，术语首次出现即定义，允许附带词汇表；结论表述为"证据支持什么"，不强制给出排名。适合"帮我理解 X 是如何运作的"这类提问。

🗺️ survey：中立制图员

产物是"领域的地图"而非裁决。覆盖与组织优先于论证：列出每个学派、给每种方法定位、三个以上对象共享维度时优先用对比表。分歧就如实呈现分歧，不强行裁定。适合"X 领域的全景概览"类提问。

⚖️ analyze：默认评估姿态

明确站队证据支持的立场，正面交锋最强反方论点，被要求比较时给出排名。信号词包括 "evaluate"、"compare and determine"、"which is most effective"。这是默认值——模糊信号一律回落到它。

📣 advocate：全力捍卫一个论点

报告从头到尾论证一个在开头点名的论点，每个章节要么推进论点、要么拆除反对意见。对最强反方观点做"钢人式"（steel-man）处理是强制要求：先把反对意见写到最强，再用证据回应。适合"我们应该做 X 吗"这类决策型提问。

如何一键切换报告语气：三步工作流

第 1 步：管线自动选语气。在步骤 1（Decompose）中，系统会根据你提示词的"动词形状"自动分类寄存器，完整规则写在 src/hyperresearch/skills/hyperresearch-1-decompose.md：

第 2 步：你的明确指令永远优先。在提示词里写 "make it a survey" 或 "just teach me"，会直接覆盖自动分类——这是新手最省事的切换方式。

第 3 步：运行中随时改语气。通过两条 CLI 命令即可：

hyperresearch levers set my-run register=teach --rerender # 切换语气并重渲染 hyperresearch levers render my-run # 仅重新渲染 shim 文件

执行后，解析结果会写入research/runs/<tag>/shims/目录下的四个角色文件，供编排器原样贴入各子代理的提示词。

语气如何贯穿全流程：四个角色 shim 文件的妙处

Levers 不是"换个开头语"这么简单。渲染出的research、drafting、critics、polish四个 shim 文件会让批评者和润色者也跟着语气走，而不是拆台：

• survey语气下，辩证批评者不再要求"必须有结论"，改为揪出不公平的代表性和覆盖不均
• survey语气的润色阶段不再删犹豫措辞——中立归因表述本身就是产品
• advocate语气下，所有角色反而收紧：论点上的任何模糊都是发现项，钢人段落禁止裁剪

而引用核查器（cite-checker）与发布门（ship gate）刻意收不到任何 shim——验证标准从不因语气而放水。这条设计由 tests/test_core/test_levers.py 中的用例持续守护，发布前的verify_run还会检查声明过的 levers 是否真的渲染了 shim 文件。

快速上手清单

1. 安装：pip install hyperresearch && hyperresearch install，然后在 Claude Code 中/hyperresearch <你的问题>
2. 想指定语气：直接在提示词里写 "用 survey 语气" 或 "make it a teach"
3. 运行中发现挖得不够深：hyperresearch levers set <tag> inference_depth=deep --rerender
4. 查看步骤 1 的选择结果：hyperresearch run status -j
5. 进阶配置：自定义档位可写在.hyperresearch/config.toml的[profile.<name>]中

更多说明见 README.md 中 "Run levers" 一节，以及 src/hyperresearch/core/levers.py 中每种寄存器对四个角色的完整措辞定义。

【免费下载链接】hyperresearchAgent-driven research knowledge base. Agents collect, search, and synthesize web research into a persistent, searchable wiki.项目地址: https://gitcode.com/GitHub_Trending/hy/hyperresearch