面向 Claude Code / OpenClaw / Codex 的递归式 AI 研究技能
该项目为 Claude Code、OpenClaw 和 Codex 等 AI 编程助手提供了一套递归式研究技能，使其能够自主进行多轮信息检索、分析与综合，从而更高效地完成复杂的研究任务。通过递归调用，AI 可以逐步深入探索问题、收集证据并迭代优化结论，显著提升研究成果的深度与准确性。
背景速读
- 这是一个让 AI 大语言模型（如 Claude、OpenAI Codex 等）通过“递归研究”自主完成深度调研的开源工具集。它的核心思路是：AI 先搜索信息，然后根据已获得的内容自动生成下一步需要搜索的新问题，如此循环，直到达到用户指定的深度（层数）或目标。
- 用户只需提供一个初始研究问题（例如“Transformer 架构的最新优化方法”），工具便会自动执行搜索、阅读、总结、再搜索的迭代流程，最终生成一份结构化、带引用来源的多层研究报告。
- 该项目托管在 GitHub 上（用户 Toadoum），面向开发者与高级用户。它利用了 Anthropic 的 Claude Code 或 OpenClaw（Claude 的开源实现）等 AI 编程助手，以及 Codex（OpenAI 的代码生成模型）来执行研究任务。
- 背景意义：传统上，AI 只能回答单轮问题或处理一次性搜索。这个项目探索了让 AI “像人类研究者一样” 主动规划、迭代探索知识的可能性。它代表了“AI 自主研究代理”这一热门方向的具体实践，对希望用 AI 辅助深度技术调研的程序员和学者有参考价值。