hyperresearch — « The Most Powerful Deep Research Harness » / « Agent-driven research knowledge base. Agents collect, search, and synthesize web research into a persistent, searchable wiki. »
Voce **Skill** (non un articolo): **hyperresearch** di **Jordan Gibbs** è un **harness di ricerca approfondita** che trasforma Claude Code in un agente di ricerca documentale, distribuito come pacchetto PyPI (MIT, Python 3.11-3.13) che installa **20 skill di Claude Code** + una CLI + un server MCP + un'interfaccia web locale. Osservato il **3 agosto 2026**: 1.568 stelle, 170 fork, repository creato il 9 aprile 2026, ultimo push il 1° agosto. **Il nucleo è una pipeline a 16 step adattiva per livello** (`light` ~30-40 min → `full` ~1,5-2,5 h → `dissertation` 4-8 h e 25.000-80.000 parole su 300-450 fonti), che prende un prompt e restituisce un report **sottoposto ad audit avversariale** con provenienza completa. **La decisione architetturale centrale — e la più istruttiva — è documentata insieme al suo modo di fallimento**: la skill di ingresso è un **router leggero** che non contiene alcuna procedura, ogni step vive nella propria skill caricata **fresca al momento dell'invocazione** — perché la versione precedente era *« una singola skill di 1200 righe che veniva compattata via prima che il Layer 4 avesse bisogno della sua procedura di triplice bozza. L'orchestratore ha dimenticato la procedura, ha scritto un'unica bozza e ha prodotto un report dal punteggio piatto. »* **Due principi portanti**: *« Applica patch, non rigenerare mai »* — dopo la sintesi sono possibili solo ritocchi chirurgici tramite `Edit`, poiché il patcher e l'auditor di rifinitura sono **bloccati agli strumenti `[Read, Edit]` a livello di allowlist di Claude Code**, cosicché *« fisicamente non possono scrivere (Write) una nuova bozza »*; e *« la query di ricerca canonica è vangelo »* — il prompt testuale viene persistito una volta in `query.md` e riletto da ogni step e da ogni subagente. **Sedici subagenti** con ruolo e modello configurabili (fetcher e cite-checker su Sonnet, critici/sintetizzatore/patcher su Opus). **Il vault** è un archivio markdown persistente indicizzato in SQLite — *« Markdown è verità, SQLite è cache »* — con un ciclo di vita delle note (`draft → review → evergreen`, `stale → deprecated → archive`), provenienza tracciabile, un punteggio di qualità composito (tipo di fonte, autorevolezza citazionale via OpenAlex/Semantic Scholar **con indicatori di ritrattazione**, PageRank interno) e un **audit di indipendenza** che raggruppa le copie sindacate — *« cinque ristampe di un comunicato stampa pesano quanto un'unica fonte »*. **Tre gate meccanici prima della pubblicazione**: integrità delle citazioni (ogni passaggio citato deve esistere **testualmente** in una nota del vault), una scansione delle ritrattazioni aggiornata su ogni DOI citato, e la verifica del collegamento citazione-frase da parte di un LLM scettico. ⚠️ **Riserva importante da segnalare**: l'affermazione di apertura — *« attualmente in testa alla classifica DeepResearch-Bench RACE »* — è contraddetta dalla sua stessa nota a piè di pagina, *« proiezione prospettica da un pilota stratificato… La validazione di terze parti è in sospeso »*. Una **proiezione** non è una classifica, eppure il grafico la colloca comunque davanti a Gemini e OpenAI Deep Research.
**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`.