---
title: "Zbudowałem najbardziej inteligentnego agenta badawczego"
type: "summary"
tags: [hyperresearch, deep-research, subagent-orchestration, multi-agent-orchestration, ai-pipelines]
created: 2026-06-18
updated: 2026-06-18
sources: ["raw/inbox/Zbudowałem najbardziej inteligentnego agenta badawczego.md"]
confidence: high
---

# Zbudowałem najbardziej inteligentnego agenta badawczego

Artykuł Jordana Gibbsa przedstawia **HyperResearch** — otwartoźródłowego, 16-etapowego agenta głębokich badań (deep research), napisanego jako rozszerzenie umiejętności (skills) dla Claude Code. HyperResearch bije na głowę zamknięte systemy gigantów technologicznych ( OpenAI, Anthropic, NVIDIA) i zajmuje pierwsze miejsce w benchmarku *RACE DeepResearchBench*, generując raporty na poziomie prac doktorskich (Ph.D.).

## Key Points

### Dlaczego HyperResearch osiąga tak wysokie wyniki?
- **Trwałe i powiązane bazy wiedzy**: HR nie traci zgromadzonych informacji. Generuje pliki Markdown ze źródłami, tagami i linkami zwrotnymi bezpośrednio na komputerze użytkownika, budując trwały graf wiedzy (podobnie jak Obsidian).
- **Ultraszerokie i głębokie badanie**: Potrafi przeanalizować setki źródeł na sesję. Potrafi budować "plany ataku na królicze nory" (rabbit holes), śledząc linki osadzone na odwiedzanych stronach internetowych i docierając do źródeł pierwotnych.
- **Orkiestracja wieloagentowa przeciwko skażeniu kontekstu**: Tradycyjne potoki badawcze są "skażone" tysiącami słów przeczytanych artykułów wklejonych bezpośrednio do głównego okna kontekstowego. HyperResearch izoluje fazę wyszukiwania i analizy w wyspecjalizowanych subagentach (np. pobierających dane), dzięki czemu główny agent orkiestrujący i piszący raport działa zawsze w czystej, optymalnej "strefie inteligentnej".

### 16-etapowa ścieżka badawcza HyperResearch
1. **Rozkład (Decomposition)**: Rozbija główne zapytanie na atomowe podpytania i tworzy macierz pokrycia źródeł.
2. **Przemiatanie szerokości (Breadth-sweep)**: Tworzy plan wyszukiwania i równolegle uruchamia tanich subagentów (Claude Haiku) do masowego pobierania stron pod adresami URL.
3. **Graf sprzeczności (Contradiction Graph)**: Wyszukuje pary źródeł, które sobie przeczą i szereguje te niespójności pod względem ważności.
4. **Analiza loci (Loci Analysis)**: Dwóch analityków identyfikuje kluczowe podtematy (miejsca - *loci*) i przydziela im budżety pobierania.
5. **Badanie głębi (Depth-probe)**: Dedykowani śledczy głęboko analizują każdy locus i piszą notatkę tymczasową, która musi przyjąć jasne, bezkompromisowe stanowisko (bez asekuranctwa).
6. **Pojednanie (Cross-locus Reconciliation)**: Porównuje stanowiska z różnych badań głębi i generuje plik `comparisons.md` rozwiązujący konflikty i nakładanie się tematów.
7. **Napięcia źródłowe (Source Tensions)**: Zapisuje różnice zdań między zewnętrznymi ekspertami do pliku `source-tensions.json`.
8. **Krytyk korpusu (Corpus Critic)**: Pyta: "jakie źródło, gdyby istniało, obaliłoby naszą analizę?" i wykonuje celowane do-pobranie stron w celu weryfikacji.
9. **Podsumowanie dowodów (Evidence Digest)**: Tworzy plik `evidence-digest.md` z najsilniejszymi tezami i dosłownymi cytatami, tworząc czyste odniesienie dla etapu pisania.
10. **Potrójny draft (Triple-draft)**: Trzech niezależnych agentów pisze równolegle trzy pełne, alternatywne wersje raportu.
11. **Synteza (Synthesis)**: Główny syntetyzator scala trzy wersje w jeden zoptymalizowany raport końcowy `final_report.md`.
12. **Krytycy (Critics)**: Czterech wyspecjalizowanych oponentów (krytyk dialektyczny, głębi, szerokości i instrukcji) równolegle szuka słabych punktów i zapisuje wyniki w formacie JSON.
13. **Uzupełnienie braków (Gap-fetch)**: Pobiera dodatkowe źródła internetowe w celu zaadresowania konkretnych luk wskazanych przez krytyków.
14. **Poprawki (Patcher)**: Nanosi chirurgiczne, lokalne zmiany w raporcie. Agent jest fizycznie zablokowany uprawnieniami (Read+Edit), co uniemożliwia mu ponowne pisanie całego raportu od zera.
15. **Polerowanie (Polish)**: Kolejny zablokowany agent usuwa sekcje techniczne, metadane YAML na początku i inne artefakty, zapewniając czystość tekstu.
16. **Audyt czytelności (Readability Audit)**: Poprawia dynamikę prozy, akapitów i konwertuje skomplikowane bloki tekstu na czytelne tabele lub listy.

## Relevant Concepts
- [[concepts/deep-research]] — Wielofazowe, ustrukturyzowane badanie i synteza informacji przy użyciu LLM.
- [[concepts/multi-agent-orchestration]] — Podział złożonego zadania analitycznego na wyspecjalizowane, izolowane subagenty.
- [[concepts/ai-pipelines]] — Sztywne, zautomatyzowane rurociągi wieloetapowego przetwarzania danych.

## Relevant Entities
- [[entities/hyperresearch]] — Otwartoźródłowy, 16-etapowy agent badawczy oparty na Claude Code.
- [[entities/claude-code]] — Terminalowe środowisko programistyczne i agentowe od Anthropic.

## Sources
- `raw/inbox/Zbudowałem najbardziej inteligentnego agenta badawczego.md`