企业官网建设流程全解析

调研任务 2 小时变 20 分钟：OpenFang Researcher Hand 实操手记

【免费下载链接】openfangOpen-source Agent Operating System项目地址: https://gitcode.com/gh_mirrors/op/openfang

上周接了个竞品分析，翻遍十几家厂商官网、论坛和财报，光是把散料攒齐就耗掉整个下午，结论还得自己拼。OpenFang 里的 Researcher Hand 就是冲着这类"深度调研报告"场景做的：一个内置的调研型 Hand，给它一个问题，它自动完成搜索、抓取、交叉验证，最后产出一份带来源和置信度标注的结构化报告。

一句话定位

OpenFang 是一个开源的 Agent Operating System，核心思路是把"能干活的智能体"封装成 Hand——你只管下达任务，它在后台替你跑。Researcher Hand 解决的问题很具体：把"收集资料 → 筛选信源 → 核对事实 → 写报告"这条人工链路自动化。定义文件在 crates/openfang-hands/bundled/researcher/，激活后它就是一个独立实例，跑完后报告落盘，你随时可以回来查看进度。

核心机制：它到底怎么"做研究"

先拆问题，再定搜法

收到问题后它不会直接开搜。系统提示词里第一步是把问题归类——事实型、对比型、归因型、预测型、How-to 还是综述型——然后拆出 2~5 个子问题。每个子问题会生成 3~5 组不同措辞的查询：直问、权威站限定（site:arxiv.org）、对比、时效（带年份）、数据类。这一步决定了后面能捞到多少有效信源。

CRAAP 五维过滤信源

抓回来的内容不是来者不拒。每个来源按 CRAAP 框架打分：时效性（Currency）、相关性（Relevance）、权威性（Authority）、准确性（Accuracy）、目的（Purpose），最终落到 A 到 F 五档。官方文档和一手数据通常是 A，营销稿和商业软文基本进不了报告。报告末尾的 Sources 列表会保留这个质量评级，你可以直接判断哪些结论值得采信。

交叉验证 + 置信度标记

开启source_verification后，每条关键结论至少要两个独立来源支撑，只出现在单一来源的说法会被标成 "single-source"。各来源互相矛盾时，报告会同时摆出两边论据，不强行下结论。最终每条关键声明带上标记：Verified（3 个以上权威来源）、Likely、Unverified 或 Disputed。整份报告再给一个 high / medium / low 的总体置信度。

这套流程走完，输出结构是固定的：执行摘要、按子问题展开的 Findings、关键数据表格（含来源和置信度）、矛盾与未解问题、完整来源列表。报告文件名形如research_[sanitized_question]_YYYY-MM-DD.md，自动写入工作目录。

主线案例：给换热器换材料做成本调研

场景换成制造业。你是设备工程师，领导问你："海水换热器从 316L 不锈钢换双相钢，划不划算？"

激活 Hand 后直接输入：

调研双相钢 2205 替代 316L 不锈钢用于海水换热器的成本差异、耐腐蚀性能提升幅度，以及至少两个已落地的工业案例

它把问题拆成"性能对比 / 成本对比 / 落地案例"三条线，分别搜索并抓取厂商技术白皮书、行业报告和工程博客。大约二十分钟后，research_前缀的 markdown 文件出现在输出目录里：

• Executive Summary：两到三段落直接回答"划不划算"，给出更换后预期寿命和全生命周期成本结论
• Findings：按子问题分节，每节带内联引用；性能数据引用了厂商测试报告，成本部分区分了"出厂价"和"加工后总价"
• Key Data Points 表格：Metric / Value / Source / Confidence 四列，2205 与 316L 的价格比、腐蚀速率对比都标了来源
• Confidence: medium，理由写得很清楚——公开可查的一手成本数据有限，部分单价来自二手渠道

对比自己手工做：同样质量的信源筛选，至少省掉大半天的翻网页时间。

进阶调优：三个值得动的旋钮

Hand 实例激活时有一组 settings，用openfang hand config researcher --set KEY=VALUE就能改。

research_depth：quick（5~10 个来源，单轮）、thorough（20~30 个，交叉引用）、exhaustive（50+ 来源、多轮、带事实核查）。默认 thorough。给领导看的正式报告直接调 exhaustive，代价是 token 消耗和等待时间翻几倍；日常查证 quick 足够。

output_style：brief / detailed / academic / executive 四档模板。给管理层汇报切 executive，会输出 Bottom Line + 建议 + 风险因素；要写进论文附录就切 academic，引用自动转 APA 格式。

max_llm_tokens_per_hour：agent 配置里默认 150000。deep research 是长调用，跑 exhaustive 深度时容易撞限，把配额调到 30 万以上可以避免中途被掐断，等结果时体验更顺。

高频踩坑与应对

Q：搜索没结果或者结果质量差？检查[web]的search_provider。auto模式按 Tavily → Brave → Perplexity → Searxng → DuckDuckGo 的顺序级联，一个 key 都没配时会落到 DuckDuckGo，质量一般。配一个BRAVE_API_KEY或TAVILY_API_KEY环境变量后体验会有明显提升，配置样例见 openfang.toml.example。

Q：跑到一半显示异常中断或"恢复"？Researcher Hand 的 LLM 调用普遍很长，kernel 默认 30 秒的 heartbeat 会误判超时。这个 Hand 已把heartbeat_interval_secs调到 120，如果你基于它改自己的 agent 提示词，注意别把这个值改回去。

Q：报告里出现"查不到"怎么办？这是特性不是 bug。它的硬性规则是绝不编造来源——查不到就明确写 "No reliable sources found"。看到这种字样说明该方向确实缺公开信源，比硬编一个假引用安全得多。

延伸入口

安装与初始化：docs/getting-started.md；Hand 管理命令（activate / config / info）：crates/openfang-cli/；Researcher Hand 的完整方法论提示词就在 crates/openfang-hands/bundled/researcher/HAND.toml，值得通读一遍，里面那套 CRAAP 评分和交叉验证规则，拿去指导自己手工调研也够用。

【免费下载链接】openfangOpen-source Agent Operating System项目地址: https://gitcode.com/gh_mirrors/op/openfang