Research Powerpack 面向 AI 编程智能体，用于在编码任务中获取训练数据之外的新鲜外部信息，并通过结构化流程提升结论的可靠性与可操作性。它提供 5 个 MCP 工具：search_google 做广度发现（仅返回 URL，需再用 scrape_pages 提取内容）；search_reddit 获取社区信号；fetch_reddit 抓取完整帖子和评论；deep_research 做结构化综合；scrape_pages 做内容抽取。核心思路是多工具叠加：一个工具产生线索，另一个提取内容，第三个验证结论，每个流程至少串联 2-3 个工具，以规避单一工具的偏见或幻觉。
资料给出三类常用工作流：Bug 修复研究（search_google → scrape_pages → search_reddit，必要时追加 deep_research）；架构与决策研究（deep_research → search_reddit → fetch_reddit → search_google → scrape_pages）；库与依赖研究（search_google → search_reddit → scrape_pages → deep_research）。
它还提供分类路由表，把任务映射到 10 个类别参考文件：bug-fixing、library-research、architecture、language-idioms、devops、security、performance、api-integration、testing、frontend，共覆盖 95 个用例。
使用限制：该技能本身只包含方法论与路由层，95 个用例的完整细节存放在 references/ 目录；它不能替代阅读官方文档。资料未提供安装命令、费用、平台支持等具体信息，暂未提供。