Research Synthesize 是一个研究综述工具，用于将记忆中已积累的研究发现整合为可执行的报告。
用途 在运行 deep-research（一次或多次）之后，需要把记忆中的发现汇集成一份带有建议的统一综述时使用。
主要能力
- 研究发现汇集：跨命名空间检索，包括在 research 命名空间中搜索原始发现、在 research-sources 命名空间中搜索参考资料，并通过 agentdb 的模式搜索发现模式、通过上下文合成进行 AI 辅助的上下文构建。
- 证据分级：对每条发现评估等级——高（多个独立来源一致、直接观察、可复现）、中（单一可信来源、间接支持、可信）、低（轶事、单一未验证来源、推测）。
- 矛盾解决：当发现冲突时，识别存在张力的具体主张、比较证据质量、检查时效性（较新数据可能取代旧数据），并显式标注未解决的矛盾。
- 相关性预测：调用神经预测功能，对哪些发现与原始目标最相关进行打分。
- 报告结构化：执行摘要（用 2-3 句话回答原始问题）、按证据质量排序的关键发现、方法（检查了哪些来源）、局限（未检查的内容、仍不确定的内容）、建议（具体的后续行动）、参考（来源链接和记忆键）。
- 综述存储：将完整报告存入 research-synthesis 命名空间。
使用方式 依次执行：汇集发现、评估证据、解决矛盾、预测相关性、结构化报告、存储综述。相关操作通过 memory_search、agentdb 的 pattern-search 与 context-synthesize、neural_predict、memory_store 等工具调用完成。
输出格式 报告以“研究主题 — 综述报告”为标题，包含摘要（2-3 句话）、关键发现（注明证据等级高/中/低）、矛盾（注明解决方案或“未解决”）、建议（附原因）、来源（键与描述）。
适用场景 需要在多次深入研究之后整合分散的发现，形成有证据分级、矛盾处理和可执行建议的统一报告。
限制 资料未提供关于收费、价格、平台、具体效果或性能的说明；其他未提及的细节暂未提供。