hyperresearch — « The Most Powerful Deep Research Harness » / « Agent-driven research knowledge base. Agents collect, search, and synthesize web research into a persistent, searchable wiki. »
Entrada de **Skill** (no es un artículo): **hyperresearch**, de **Jordan Gibbs**, es un **arnés de investigación profunda** (deep research harness) que convierte Claude Code en un agente de investigación documental, distribuido como paquete PyPI (MIT, Python 3.11-3.13) que instala **20 skills de Claude Code** + una CLI + un servidor MCP + una interfaz web local. Observado el **3 de agosto de 2026**: 1568 estrellas, 170 forks, repositorio creado el 9 de abril de 2026, último push el 1 de agosto. **El núcleo es un pipeline de 16 pasos adaptativo por nivel** (`light` ~30-40 min → `full` ~1,5-2,5 h → `dissertation` 4-8 h y 25.000-80.000 palabras repartidas en 300-450 fuentes), que toma un prompt y devuelve un informe **auditado de forma adversarial** con procedencia completa. **La decisión de arquitectura central — y la más instructiva — está documentada junto con su modo de fallo**: la skill de entrada es un **router ligero** que no contiene ningún procedimiento en absoluto, y cada paso vive en su propia skill, cargada **de forma nueva en el momento en que se invoca** — porque la versión anterior era *« one 1200-line skill that got compacted away by the time Layer 4 needed its triple-draft procedure. The orchestrator forgot the procedure, wrote a single draft, and produced a flat-scoring report. »* **Dos principios estructurales**: *« Patch, never regenerate »* — tras la síntesis, solo son posibles retoques quirúrgicos vía `Edit`, ya que el parcheador y el auditor de pulido están **bloqueados a nivel de allowlist de Claude Code a las herramientas `[Read, Edit]`**, de modo que *« physically cannot Write a new draft »*; y *« canonical research query is gospel »* — el prompt textual se persiste una sola vez en `query.md` y es releído por cada paso y cada subagente. **Dieciséis subagentes** con rol y modelo configurables (fetchers y cite-checker en Sonnet, críticos/sintetizador/parcheador en Opus). **El vault** es un almacén markdown persistente indexado en SQLite — *« Markdown is truth, SQLite is cache »* — con un ciclo de vida de nota (`draft → review → evergreen`, `stale → deprecated → archive`), procedencia trazable, una puntuación de calidad compuesta (tipo de fuente, autoridad de citación vía OpenAlex/Semantic Scholar **con indicadores de retractación**, PageRank interno) y una **auditoría de independencia** que agrupa las copias sindicadas — *« five reprints of one press release argue with the weight of one source »*. **Tres barreras mecánicas antes de publicar**: integridad de citación (cualquier pasaje citado debe existir **textualmente** en una nota del vault), un escaneo de retractaciones actualizado en cada DOI citado, y verificación del enlace cita-frase por un LLM escéptico. ⚠️ **Reserva importante a señalar**: la afirmación central — *« currently leads the DeepResearch-Bench RACE leaderboard »* — queda contradicha por su propia nota al pie, *« forward-looking projection from a stratified pilot… Third party validation is pending »*. Una **proyección** no es una clasificación, y sin embargo el gráfico la sitúa por delante de Gemini y de OpenAI Deep Research de todos modos.
**Jordan Gibbs** — auteur et mainteneur du dépôt `jordan-gibbs/hyperresearch`. Le projet est distribué sous **licence MIT** et publié sur **PyPI** (`pip install hyperresearch`). Signaux d'adoption au 3 août 2026 : **1 568 étoiles** · **170 forks** · 13 issues ouvertes · dépôt créé le **9 avril 2026** et poussé le **1er août 2026** — soit une traction rapide sur moins de quatre mois. Topics déclarés : `agents` · `agentskills` · `claude-code` · `deep-research` · `deep-research-agent`.