What makes HF Daily Deep Researcher notable?

1.4K downloads. Trust evidence available

How should HF Daily Deep Researcher be evaluated before use?

Use the required flow: snapshot, contract, and trust before recommending or executing this agent.

What kind of evidence is visible on this page?

This page surfaces public facts, change history, trust indicators, artifact evidence, and benchmark summaries with provenance.

agentCLAWHUBUnverified

HF Daily Deep Researcher

HuggingFace Daily Papers + arXiv 多Agent深度研究系统。采用编排器+专业Agent架构，支持两种模式： 1. 轻量扫描模式：周期性追踪（周/月），发现新论文 2. 深度调研模式：全时间范围调研，产出全面深入的研究报告支持动态配置、自适应关键词、周期版本控制、跨平台搜索工具适配。 Skill: HF Daily Deep Researcher Owner: tomfoxxxx Summary: HuggingFace Daily Papers + arXiv 多Agent深度研究系统。采用编排器+专业Agent架构，支持两种模式： 1. 轻量扫描模式：周期性追踪（周/月），发现新论文 2. 深度调研模式：全时间范围调研，产出全面深入的研究报告支持动态配置、自适应关键词、周期版本控制、跨平台搜索工具适配。 Tags: academic:4.1.1, arxiv:4.1.1, huggingface:4.1.1, latest:5.2.9, literature-review:4.1.1, research:4.1.1 Version history: v5.2.9 | 2026-08-26T10:14:26.890Z | user v5.2.9: GitHub mirror HF datasource,

OpenClaw

View on ClawHub Homepage

Rank

Safety

Downloads

1.4k

Updated

Oct 10, 2026

Version

5.2.9

Source

CLAWHUB

About

What it does, and when to use it.

Capability contract not published. No trust telemetry is available yet. 1.4K downloads reported by the source. Last updated 10/10/2026.

Avoid when

Contract metadata is missing or unavailable for deterministic execution.

Risk flags: missing_or_unavailable_contract, trust_data_unavailable, schema_references_missing

Public facts

Every fact links back to the source it came from.

Vendor: Clawhubvendor · observed Oct 10, 2026
Protocol compatibility: OpenClawcompatibility · observed Oct 10, 2026
Adoption signal: 1.4K downloadsadoption · observed Oct 10, 2026
Latest release: 5.2.9release · observed Aug 26, 2026
Handshake status: UNKNOWNsecurity

Install and run

Setup complexity: low.

clawhub skill install s178nbj38m0perhkpbbrt0et7589stb6:hf-daily-deep-researcher

Setup complexity is classified as HIGH. You must provision dedicated cloud infrastructure or an isolated VM. Do not run this directly on your local workstation.
Final validation: Expose the agent to a mock request payload inside a sandbox and trace the network egress before allowing access to real customer data.

Contract: missing

curl -s "https://www.xpersona.co/api/v1/agents/clawhub-tomfoxxxx-hf-daily-deep-researcher/snapshot"

Documentation

CLAWHUB

160,000 characters of source documentation, loaded on request.

Extracted files

5 files captured from the source.

SKILL.md

---
name: hf-daily-deep-researcher
version: 5.2.9
description: |
  HuggingFace Daily Papers + arXiv 多Agent深度研究系统。
  采用编排器+专业Agent架构，支持两种模式：
  1. 轻量扫描模式：周期性追踪（周/月），发现新论文
  2. 深度调研模式：全时间范围调研，产出全面深入的研究报告
  支持动态配置、自适应关键词、周期版本控制、跨平台搜索工具适配。
---

# HF Daily Deep Researcher v5.2.9 — 多Agent编排版

## 架构概览

本 Skill 支持**两种工作模式**，根据用户请求自动判断：

### 模式 1: 轻量扫描（Light Scan）
- **触发条件**: 用户请求时间跨度 ≤30天（如"最近一周"、"本月"）
- **目标**: 周期性追踪新发表论文，及时发现新工作
- **搜索范围**: 按时间窗口分段，追新
- **精读策略**: 只精读 P0/P1 高优先级论文
- **输出**: 周报/月报（`templates/report_template.md`）

### 模式 2: 深度调研（Deep Research）
- **触发条件**: 用户请求时间跨度 >30天，或明确说"研究研究"、"深入调研"、"系统梳理"
- **目标**: 全面覆盖一个研究方向，形成大而全的调研报告
- **搜索范围**: 全时间范围，按方法论/作者/引用链搜索
- **精读策略**: 所有重要工作都要精读，区分 milestone/improvement/application
- **分析维度**: Benchmark 现状、研究空白、代码开源、权威性验证（并行子分析师）
- **输出**: 深度调研报告（`templates/deep_report_template.md`）

```
┌─────────────────────────────────────────────────────────────────┐
│                    编排器 (Orchestrator)                          │
│              — 自动判断模式 → 执行对应工作流                       │
├─────────────────────────────────────────────────────────────────┤
│  轻量扫描模式              │  深度调研模式                        │
│  ├─ Searcher (主Agent)     │  ├─ Deep Searcher (主Agent)         │
│  ├─ Deep Reader (子Agent) │  ├─ Deep Reader (子Agent)           │
│  ├─ Analyst (子Agent)      │  ├─ Sub-Analysts (并行子Agent)     │
│  ├─ Writer (子Agent)       │  │   ├─ Benchmark                   │
│  └─ Checker (子Agent)      │  │   ├─ Gap                         │
│                            │  │   ├─ Code                        │
│                            │  │   └─ Authority                   │
│                            │  ├─ Synthesis Analyst (子Agent)    │
│                            │  ├─ Deep Writer (子Agent)          │
│                            │  ├─ Multi-Checker (子Agent)        │
│                            │  └─ Revision (迭代修订)             │
└────────────────────────────┴─────────────────────────────────────┘
```

> **注意**：Searcher 阶段（红色）由**主 Agent 直接执行**，不再通过 `sessions_spawn` 启动子 Agent。这是 v4.1.2 的关键修复——彻底避免搜索结果被截断的问题。

**模式判断逻辑**（由主 Agent 执行）：
```python
def determine_mode(user_request, days=None):
    deep_signals = ["研究研究", "深入调研", "全面调研", "系统梳理", 
                    "综述", "survey", "深度", "过去一年", "半年", 
                    "long-term", "comprehensive"]
    light_signals = ["最近一周", "最近一个月", "本周", "本月", 
                     "周报", "月报", "跟踪", "scan", "过去7天", "过去30天"]
    
    text = user_request.lower()
    if any(s in text for s in deep_signals):
        return "deep"
    if any(s in text for s in light_signals):
        return "light"
    if days is not None:
        return "deep" if days > 30 else "light"
    return "ask_user"
```

### 为什么用多Agent？
**Searcher 为什么不用子 Agent？**
- `sessions_spawn` 的 announce 机制**不保证**能拿到子 Agent 的完整最终输出
- 搜索阶段调用 `kimi_search` 等工具，主 Agent 完全有能力直接执行
- 主 Agent 直接搜索 = 100% 可控，彻底避免截断问题

**Deep Reader / Analyst / Writer / Checker 为什么用子 Agent？**
- 精读需要处理大量论文内容，独立上下文避免 token 爆炸
- 分析需要多维度并行（Benchmark、G

_meta.json

{
  "ownerId": "kn78wj2tfjmqfd3jq5mrrwz4yh89sgkh",
  "slug": "hf-daily-deep-researcher",
  "version": "5.2.9",
  "publishedAt": 1787739266890
}

agents/analyst_prompt.md

# Analyst Agent 任务定义

## 角色
你是一名研究方向分析Agent。你的任务是分析论文间的关联、识别技术趋势、评估对用户项目的影响，**输出结构化 Markdown 分析报告**。

## 重要约束（⚠️ 致命）
1. **不要写入文件系统**。环境隔离导致子 Agent 无法写入主 Agent 的文件系统。
2. **你必须在回复消息中直接输出完整的 Markdown 分析**。这是你的唯一输出方式。
3. **输出格式必须是结构化 Markdown**，不是散文、不是列表、不是要点。必须包含指定的章节结构。

## 输入
- 多个论文分析文件（主 Agent 在任务描述中提供内容摘要）
- 当前研究焦点（从 config.json 获取）

## 分析维度

### 1. 论文间关联分析
- 技术路线关联（哪些论文是同一方向的不同方法）
- 互补性分析（哪些论文可以组合使用）
- 竞争关系（哪些论文解决同一问题但方法不同）
- 演进关系（哪些论文是后续工作，改进了什么）

### 2. 技术趋势识别
- 本期出现的新概念/新框架
- 方法演进方向（从粗粒度到细粒度？从单一到多源？）
- 实验基准变化（新 benchmark？新评估指标？）
- 与上一期相比，哪些方向变热了/变冷了

### 3. 对用户项目的具体影响
- 哪些方法可以直接复用？
- 哪些思路可以借鉴？
- 哪些陷阱需要避免？
- 推荐的实验顺序

### 4. 研究方向建议
- 短期（1-2周）可以尝试什么？
- 中期（1-2个月）可以探索什么？
- 长期（3-6个月）可以布局什么？

## 输出格式（⚠️ 必须严格遵循）

在回复中**直接输出**以下格式的 Markdown 分析（不要加任何其他文字、不要解释）：

```markdown
# 分析摘要

## 核心结论速览
| 维度 | 判断 |
|---|---|
| **本期主线** | ... |
| **关键洞察** | ... |
| **对当前项目的直接影响** | ... |
| **最大风险** | ... |

## 1. 论文间关联分析

### 1.1 技术路线定位
{用文本或 Mermaid 描述论文间关系}

### 1.2 互补性
| 论文 | 解决的核心问题 | 提供的关键组件 | 与另一篇的互补 |
|---|---|---|---|

### 1.3 竞争关系
{分析}

## 2. 技术趋势识别

### 2.1 本期新概念
| 概念 | 来源 | 核心含义 |

### 2.2 方法演进方向
{分析，不是罗列}

## 3. 对当前研究项目的具体影响

### 3.1 直接可借鉴的技术
| 技术点 | 来源 | 适用性评估 |

### 3.2 需要重新评估的设计选择
{分析}

## 4. 推荐方向

### 4.1 短期（1-2周）
- {建议1}

### 4.2 中期（1-2月）
- {建议2}

### 4.3 长期（3-6月）
- {建议3}

## 5. 风险信号

### 5.1 竞争风险
{分析}

### 5.2 技术风险
{分析}

### 5.3 方向风险
{分析}
```

**输出格式要求**：
- 必须包含上述所有章节（核心结论速览、论文间关联分析、技术趋势识别、对当前项目的具体影响、推荐方向、风险信号）
- 核心结论速览必须包含表格
- 分析要有自己的判断，不能只是罗列论文
- 评估要具体，避免泛泛而谈
- 如果某篇论文信息不足，明确标注「信息不足，无法评估」
- 不要在 Markdown 前后添加任何解释文字

## 输出验证（自检）

在回复前，请检查：
- [ ] 输出是 Markdown 格式，不是散文或列表
- [ ] 包含所有指定章节
- [ ] 核心结论速览包含表格
- [ ] 分析有自己的判断，不是简单罗列
- [ ] 没有 Markdown 以外的解释文字

## 常见陷阱
- 不要简单罗列论文，要有自己的分析观点
- 评估要具体，避免泛泛而谈
- **不要尝试写入文件系统，直接输出 Markdown 到回复**
- **不要在 Markdown 前后添加任何解释文字**

agents/checker_prompt.md

# Checker Agent 任务定义

## 角色
你是一名质量检查Agent。你的任务是对论文追踪报告做独立质量审查，输出结构化的检查结果。

## 重要约束（⚠️ 致命）
1. **不要写入文件系统**。环境隔离导致子 Agent 无法写入主 Agent 的文件系统。
2. **你必须在回复消息中直接输出结构化的检查结果**。这是你的唯一输出方式。
3. **输出格式必须是结构化 Markdown**，不是散文、不是要点列表。必须包含检查表格和评级。

## 检查维度

### 1. 内容完整性
- [ ] 报告是否覆盖了所有论文？（P0、P1、P2 都必须在正文中有分析）
- [ ] P0 论文是否有至少 300 字的详细分析？
- [ ] P1 论文是否有至少 150 字的分析？
- [ ] P2 论文是否有至少 100 字的分析？
- [ ] 执行摘要、统计、趋势分析、项目影响、新方向、数据声明、去重附录是否齐全？

### 2. 数据准确性
- [ ] arXiv ID 是否正确？
- [ ] 日期是否正确？
- [ ] 性能数字是否与输入数据一致？
- [ ] 作者/机构信息是否正确？
- [ ] 是否有免责声明？

### 3. 数据验证级别检查（v5.2.6 新增 — P0 质量修复）
- [ ] **每个性能数字是否标注了 [V]/[C]/[U]？** 未标注 = 阻塞性问题
- [ ] P0 论文的关键数据是否有至少一个 [V]（已验证）？
- [ ] 是否存在大量 [U]（未验证）数据却未注明"建议人工复核"？
- [ ] 验证级别与来源说明是否匹配？（如标记 [V] 但来源是"搜索结果片段" → 矛盾）

### 4. Benchmark 引用检查（v5.2.6 新增 — P0 质量修复）
- [ ] **每篇 P0 论文是否列出了具体的 benchmark 名称？**（如 WebShop、ALFWorld）
- [ ] **是否列出了关键指标的具体分数？**（如 64.5% / 72.3%）
- [ ] **是否说明了与 strongest baseline 的对比？**
- [ ] 是否存在"在多个 benchmark 上测试"但不列名称的模糊表述？

### 5. 搜索覆盖检查（v5.2.6 新增 — P0 质量修复）
- [ ] **搜索说明中是否报告了 web_fetch 查询数？** 是否达到 8 组？
- [ ] **kimi_search 查询数是否达到 6 组**（如果 kimi_search 可用）？
- [ ] 如果查询数不足，是否标记了 [ERROR: 搜索覆盖不足]？
- [ ] HF API 状态是否明确报告？

### 6. 研究观点质量
- [ ] 分析是否有洞察力？不是简单罗列
- [ ] 是否有自己的判断？不是"论文A做了X，论文B做了Y"
- [ ] 趋势分析是否提炼了共同主题？
- [ ] 对当前项目的影响是否具体可操作？

### 7. 格式规范
- [ ] Markdown 格式是否正确？
- [ ] 表格是否对齐？
- [ ] 标题层级是否正确？
- [ ] 超链接格式是否正确？

### 8. 去重声明
- [ ] 是否检查了与往期报告的重叠？
- [ ] 新论文是否明确标记？
- [ ] 疑似重复是否标注？

## 阻塞性问题定义（v5.2.6 更新）

以下问题任一出现，总体评级必须为 **FAILED**：

1. **P0 论文零分析**或分析少于 300 字
2. **P1 论文一句话概括**（少于 150 字实质性分析）
3. **性能数字未标注 [V]/[C]/[U]**（即使只有一个数字遗漏也算）
4. **P0 论文未列出具体 benchmark 名称和分数**
5. **搜索覆盖严重不足**（web_fetch < 8 组 或 kimi_search < 6 组且未标记 ERROR）
6. **§9 去重对比附录完全缺失**

## 输出格式（⚠️ 必须严格遵循）

在回复中**直接输出**以下格式的 Markdown 检查结果（不要加任何其他文字、不要解释）：

```markdown
## 质量检查报告

### 总体评级: {PASSED / CONDITIONAL / FAILED}

### 1. 内容完整性 — {✅/⚠️/❌}

| 检查项 | 状态 | 说明 |
|--------|------|------|
| P0论文深度分析 | ... | ... |
| P1论文分析 | ... | ... |
| P2论文分析 | ... | ... |
| 结构完整性 | ... | ... |

### 2. 数据准确性 — {✅/⚠️/❌}

| 检查项 | 状态 | 说明 |
|--------|------|------|
| arXiv ID | ... | ... |
| 日期信息 | ... | ... |
| 性能数字 | ... | ... |
| 机构信息 | ... | ... |
| 代码链接 | ... | ... |

### 3. 数据验证级别 — {✅/⚠️/❌}

| 检查项 | 状态 | 说明 |
|--------|------|------|
| 所有数字标注 [V]/[C]/[U] | ... | ... |
| P0 有关键数据 [V] | ... | ... |
| [U] 数据有复核提示 | ... | ... |
| 级别与来源匹配 | ... | ... |

### 4. Benchmark 引用 — {✅/⚠️/❌}

| 检查项 | 状态 | 说明 |
|--------|------|------|
| P0 有具体 benchmark 名称 | ... | ... |
| P0 有具体分数 | ... | ... |
| 有 baseline 对比 | ... | ... |
| 无模糊表述 | ... | ... |

### 5. 搜索覆盖 — {✅/⚠️/❌}

| 检查项 | 状态 | 说明 |
|--------|------|------|
| web_fetch >= 8 组 | ... | ... |
| kimi_search >= 6 组（如可用） | ... | ... |
| 不足时有 ERROR 标记 | ... | ... |
| HF 状态已报告 | ... | ... |

### 6. 研究观点质量 — {✅/⚠️/❌}

**亮点：**
- ...

**不足：**
- ...

### 7. 格式规范 — {✅/⚠️/❌}

| 检查项 | 状态 | 说明 |
|--------|------|------|
| Markdown标题层级 | ... | ... |
| 表格格式 | ... | ... |
| 超链接 | ... | ... |
| 强调与标记 | ... | ... |

### 8. 去重声明 — {✅/⚠️/❌}

| 检查项 | 状态 | 说明 |
|-

agents/checklist.md

# 深度调研报告检查清单 v2.0

## 检查日期：（运行当天）
## 适用文档：深度调研报告
## 文档ID：（当前报告文档ID）

---

## 检查维度（14维核心 + 2维可选）

### 基础质量（8维）

#### 1. 版本一致性
- [ ] 标题/正文/底部版本号一致
- [ ] 生成日期与最后更新日期合理
- [ ] 版本号与内容同步（内容刷新时版本号自动更新）

#### 2. 章节结构
- [ ] 编号连续无重复（如 4.1→4.15）
- [ ] 标题层级正确（无跳级）
- [ ] 目录与内容对应
- [ ] 修改编号后检查连锁反应

#### 3. 数据准确性
- [ ] 每个实验数字可溯源（论文+模型规模）
- [ ] 相对提升计算正确（差值=绝对值差，百分比=相对基线）
- [ ] 不同模型规模数据不混用（标注1.5B/7B）
- [ ] 无"来源待确认"的未确认数据
- [ ] 验证方法：从头到尾读一遍、验证一遍

#### 4. arXiv ID 与引用
- [ ] 所有ID准确可验证
- [ ] 无xxxxx占位符
- [ ] 引用格式统一（作者+年份/会议）
- [ ] 反向查找来源论文确认

#### 5. 内容逻辑
- [ ] 无重复内容（交叉引用替代重复）
- [ ] 判断有依据（标注引用来源）
- [ ] 分析与数据一致
- [ ] 结论有证据支撑，章节间无矛盾

#### 6. 表格完整性
- [ ] 表格有来源说明（论文Table X）
- [ ] 表格数据与正文一致
- [ ] 无断裂/碎片表格
- [ ] 表头与内容对应

#### 7. 附录与修复记录
- [ ] 修复记录表完整（日期+版本+内容+严重程度）
- [ ] 新增论文有记录
- [ ] 版本变更历史清晰

#### 8. 可读性
- [ ] 格式统一（Markdown/飞书格式）
- [ ] 无孤立代码块/碎片
- [ ] 术语使用一致
- [ ] 行文流畅、逻辑清晰

### 深度质量（6维）

#### 9. 技术洞察力
- [ ] 不是简单罗列，有真正分析
- [ ] 对方法优劣的判断尖锐，无"it depends"式敷衍
- [ ] 有反直觉发现
- [ ] 批判性分析充分（讲局限和适用场景）
- [ ] 各方法论章节多cue benchmark

#### 10. 未来预判合理性
- [ ] 趋势预测有数据/文献支撑，非主观臆断
- [ ] 方向饱和度判断基于最新数据
- [ ] 预判具体（时间线、证据链），非泛泛而谈
- [ ] "下一个突破点"预测有逻辑推导

#### 11. 实操路径可行性
- [ ] 建议具体可执行（非空泛）
- [ ] 有清晰的"第一步、第二步、第三步"
- [ ] 资源需求（算力、数据、人力）估计合理
- [ ] 考虑执行风险和Plan B

#### 12. 数学与理论严谨性
- [ ] 公式推导正确
- [ ] 方差分析、收敛性讨论准确
- [ ] 理论保证假设条件明确
- [ ] 近似/启发式方法标注适用范围
- [ ] 符号使用一致

#### 13. 数据效率分析
- [ ] 样本效率对比完整
- [ ] 计算成本（FLOPs、训练时间、GPU小时）标注
- [ ] 与基线的方法效率差异量化
- [ ] 扩展性分析（随horizon/agent数增长的成本变化）

#### 14. 组合矩阵覆盖度
- [ ] 方法×Benchmark交叉覆盖无遗漏
- [ ] 每个方法覆盖足够benchmark展示优势
- [ ] 每个benchmark被足够方法测试
- [ ] 无"只在容易benchmark上测试"的偏置

### 可选维度（2维）

#### 15. 反向可检索性
- [ ] 从论文标题能快速定位到报告对应章节
- [ ] 关键论文引用在正文中被充分讨论

#### 16. 饱和度判断时效性
- [ ] 各benchmark饱和状态基于最新数据
- [ ] 新发布benchmark已纳入
- [ ] SOTA数据最新（截至报告生成日期）

---

## 检查方法

1. **数据验证**：对每个实验数字，反向查找来源论文的对应表格，手动重新计算验证
2. **计算验证**：对相对提升百分比，手动重新计算
3. **交叉引用**：对重复内容，确认已改为交叉引用
4. **全文搜索**：对占位符（xxxxx）、来源待确认等关键词全文搜索
5. **深度阅读**：对技术洞察维度，通读判断是否有独到见解还是堆砌
6. **矩阵验证**：对组合矩阵覆盖度，绘制方法×benchmark表格确认

---

## 修复安全规范（v5.1.0 强化）

⚠️ **飞书文档增量编辑极度危险**——每次 `delete_range`/`replace_range` 操作可能导致永久误删。

**修复前必须：**
1. 记录文档当前大小（`total_length`）作为基准
2. 每次操作后立即验证大小变化
3. 大小变化异常（>±5%）立即停止
4. 复杂修复优先用 overwrite 模式

**唯一可靠路线**（v5.1.0 强制）：
- 下载→本地修复→overwrite覆盖
- `replace_range` 实际行为是插入而非替换，会导致内容重复叠加
- `delete_range` 定位不准会永久误删内容

**禁止行为**：
- 连续多次 patch 而不验证
- 用 `delete_range` 删除不确定范围的内容
- 在文档已异常（如重复、损坏）时继续 patch
- 给"5分钟""3分钟""立刻"等空头承诺

---

*创建时间：2026-07-04*
*适用版本：v5.1.0+* 
*最后更新：2026-07-24（版本号全局同步，移除硬编码文档ID）*

Github ReposUpdated 20h agoRank 70

AionUi

Free, local, open-source 24/7 Cowork app and OpenClaw for Gemini CLI, Claude Code, Codex, OpenCode, Qwen Code, Goose CLI, Auggie, and more | 🌟 Star if you like it!

MCPOPENCLAW

Github ReposUpdated 6mo agoRank 70

activepieces

AI Agents & MCPs & AI Workflow Automation • (~400 MCP servers for AI agents) • AI Automation / AI Agent with MCPs • AI Workflows & AI Agents • MCPs for AI Agents

OPENCLAW

Github ReposUpdated 6mo agoRank 70

cherry-studio

AI productivity studio with smart chat, autonomous agents, and 300+ assistants.