pi-multi-research

Pi skill: multi-model cross-checked research — dispatch several researchers on different models in parallel for the same question, then an oracle cross-checks and merges them into one Chinese analysis report with comparison, conflicts, source adjudication

Packages

Package details

skill

Install pi-multi-research from npm and Pi will load the resources declared by the package manifest.

npm repo home report

$ pi install npm:pi-multi-research

Package: pi-multi-research
Version: 1.0.1
Published: Sep 6, 2026
Downloads: 251/mo · 251/wk
Author: thenexusnpm
License: MIT
Types: skill
Size: 8.2 KB
Dependencies: 0 dependencies · 1 peer

Pi manifest JSON

{
  "skills": [
    "./"
  ]
}

Security note

Pi packages can execute code and influence agent behavior. Review the source before installing third-party packages.

README

multi-research

多模型对照调研：派 多个采用不同模型的内置 researcher 并行调研同一个问题，再由 oracle 交叉检验、合并成一份带对照、冲突标注、来源裁决与模型质量观察的中文分析报告。

它解决什么问题

单个模型调研有盲区与偏差。让多个不同厂商的模型独立回答同一问题，再交第三方评审合并，能得到：

事实交叉验证（多模型一致的结论更可信）
冲突显性化（分歧点及其双方依据一目了然）
来源权威裁决（冲突时按来源可信度下结论）
模型质量对比（顺带观察哪个模型调研更可靠）

设计要点

零自定义 agent：模型通过调度时的 model: 参数传给内置 researcher（pi-subagents 自带）。唯一的配置点是 SKILL.md 里的模型名单——换/加模型只改那一处，没有 agents 文件、没有安装同步问题。

安装

本技能依赖 pi-subagents（提供内置 researcher / oracle 和 workflowScript 并行调度）：

# 前置依赖
pi install npm:pi-subagents

# 安装本技能
pi install npm:pi-multi-research

# 项目级安装
pi install -l npm:pi-multi-research

# 本地开发：在 pi-packages 仓库根目录执行
pi install ./skills/multi-research

不再推荐从 GitHub 根仓库安装合集或复制目录；GitHub monorepo 仅用于源码和文档维护。本地路径安装适合开发和测试未发布版本。

使用

对任意 agent 说一句即可，例如：

用 multi-research 调研：武汉今日天气

指定部分模型（简称或完整 ID）：

用 glm、qwen 调研：<问题>

指定主题标签与落盘位置：

用 multi-research 调研「<问题>」，主题标签 xxx，落盘到 docs/research/

产出：docs/research/YYYY-MM-DD-<topic>/ 下每个模型一份简报 + 1 份 oracle 合并分析（00-analysis.md）。

目录结构

multi-research/
├── package.json    # pi-multi-research：独立 npm 包 manifest
├── SKILL.md        # 主流程：解析模型名单 → 并行调研 → oracle 评审 → 合并落盘
└── README.md       # 本文件

换模型 / 加模型

改 SKILL.md 顶部的「模型名单」（或简写映射）列表即可，流程与安装都不动。模型必须存在于 pi 的模型注册表。

前提与成本

默认名单走 B.AI / opencode 免费通道；oracle 使用当前 pi-subagents 配置的模型，具体费用取决于本地配置。
GLM 模型只接受 low/high/max 思考级别，名单里必须写 bai/glm-5.3-flash:high（medium 会 400）。