ResearcherZero V0 发布 —— 一个陪你一起学习的 AI 研究员

信息焦虑

我有一个持续性的轻微焦虑：感觉自己错过了很多重要的东西。

每天早上打开手机，公众号推送、X 上的 threads、arxiv 日更的几百篇论文——光是决定”看不看”这件事就已经耗尽了一部分精力。偏偏 AI 领域的信息是加速的，昨天的 SOTA 今天可能已经被推翻，某篇没看到的论文恰好是你正在研究的问题的关键参考。

更糟糕的是：你不知道你不知道什么。关注的公众号写的是”震惊！某某模型碾压 GPT-100”，X 上充斥着没有来源的二手解读，自己手动去筛，高成本且根本做不到持续。

所以大多数人最后的状态是：懒得维护信息源，遇到需要的时候再搜，凭感觉跟踪几个 Twitter 大 V，在信息焦虑和信息过载之间反复横跳。

问题出在哪

现有的信息处理方式，本质上都是”广而浅”：

• 平台推荐：算法只会喂你看过的，永远在确认你已有的认知
• 公众号 / newsletter：作者水平参差不齐，标题党严重，真正有价值的分析淹没在噪音里
• LLM 一键总结：20 条搜索结果扫一遍，没有结构，没有深度，每次问都像第一次见面

核心缺失的东西是：一个在你感兴趣的领域持续积累认知的人，帮你做信息的第一道筛选。

这种人，大多数时候你身边没有。或者有，但他们同样很忙。

ResearcherZero 是什么

我做 ResearcherZero，就是想在这件事上补一刀。

它是一个住在你 Claude Code 里的 AI 研究员。你告诉它你想深入的领域，它去读论文、读文档、建认知框架，把学到的东西结构化地存下来。下次你问它相关问题，它不是从零开始搜索，而是从已有的积累出发回答你——它知道它知道什么，也知道它不知道什么。

和它交流，比和一个”啥都懂一点”的 AI 聊天感觉不一样。它会告诉你”这个我在某篇 Survey 里学到过，来源是这里”，也会直接说”这个超出了我目前的认知范围，要不要 /researchzer-zero:learn 一下”。

这就是陪伴学习的感觉：不是你一个人对着浩如烟海的信息发愁，而是有个同伴在你关心的角落里持续耕耘，替你把信息的底层逻辑理清楚了，再和你聊。

V0 的样子

现在发布的是 V0，功能很朴素：

/researcher-zero:init-domain agent-memory
→ 初始化一个研究领域的工作空间

/researcher-zero:learn 建立对 Agent Memory 的基础认知
→ 自主规划学习路径：搜索 Survey → 精读 → 提炼 → 结构化存储

/researcher-zero:status agent-memory
→ 查看当前认知状态，知道学了什么、还缺什么

直接对话
→ 基于已积累的知识回答，而不是每次从零搜索

整个系统建立在 Claude Code 的 plugin 机制上，用 Markdown 文件系统做知识持久化，不需要额外的数据库或服务。一条命令安装：

/plugin marketplace add Tom-0727/researcher-zero-claude-based

或者去它的开源地址阅读具体逻辑

它不是什么

V0 不做自动推送，不帮你刷新闻，不替代你决定读什么。

它是一个被动积累、主动对话的工具。你给它学习目标，它去学；你有问题，它从已有认知里答。学习的方向权还在你手里，它负责把你划定的范围挖深。

这是有意为之的设计。全自动喂信息，只会把信息焦虑转移一个形式；真正有用的，是在你主动想深入的时候，旁边有个已经深耕过的同伴。

---

如果你也有同样的信息焦虑，或者正在某个领域做系统性学习，欢迎试试。

后续的更新方向在实现方案那篇里有，慢慢来。