用途：Power Research 把研究从“写一份文档”变成“建一个可反复查询的语料库”，用户先规划、AI 负责采集，何时停止由用户决定。
主要能力：分 Plan 与 Collect 两种模式。Plan 模式先把模糊想法对齐、界定范围（in/out of scope、breadth/balanced/depth 三种研究模式），生成 BRIEF.md 与 PLAN.md，初始仅 2-3 条搜索线索，后续逐步追加。Collect 模式进入循环：能力检查、搭建目录、搜索、抓取、保存、抽取主张、跟踪缺口、检查矛盾、更新计划、重建索引，循环往复，直到用户说“够了”。按需触发 Checkpoint，做验证与综合，产出 checkpoint.md。
产物结构：research/<topic-slug>/ 下有 BRIEF.md（不可变的原始意图）、PLAN.md（可生长的计划与清单）、INDEX.md（自动生成，含来源目录、主题覆盖、标签索引与证据图）、sources/（每个抓取页面带 YAML frontmatter）、topics/（按主题组织的主张列表）、gaps.md（缺口与待答问题）、contradictions.md（冲突记录与分类）。
使用方式：可用脚本搭建与重建索引，如 uv run python scripts/init.py "my-topic" 与 uv run python scripts/index.py；模板在 templates/，脚本在 scripts/。恢复研究时读取 BRIEF.md、PLAN.md、INDEX.md、gaps.md 即可续做，无隐藏状态。
适用场景：需要长期积累、多会话或多智能体协作，并且希望随时追问、复核证据来源的市场调研、竞品分析、技术调研等。
限制与原则：资料未说明具体收费、平台与效果。设计上采集阶段不做综合、不筛选，保存一切抓取内容；不做去重删除，语料只增不减；矛盾不取平均，需分类并记录解决状态。搜索工具与文件持久化为必需，缺少则无法运行；Fetch/read-web 为强烈建议，缺少时只能依赖搜索片段与本地材料。停止时机由用户判断，模型、预算或时间盒不决定。