deep-research-skill
来自 GitHub 开源仓库 SeanEllyJames/deep-research-skill 的 SKILL
- 分类
- 通用
- 版本
- v1.0.0
- 作者
- 弈韬(@ra1nzzz)
- 下载
- 8
- 收藏
- 1
- 发布
- 2026-09-04
- 更新
- 2026-09-04
- TRACE 评分
- 0 / 5
内容概览
🚦 硬上限：任意时刻并行 subagent ≤7 个。 维度多就分批，不要抬高上限。 子 agent 禁止再派子 agent ——递归 fan-out 是最烧钱的失败模式（见错误 6）。如果你的平台自带一个 fan-out 到几十个 agent 的"deep research"模式，不要用它，用本流程做受控并行。 - 类型 : Workflow - 适用场景 : 需要对某个主题进行深度、全面、可验证的第三方调研，并且你要的是一个"判断"，不是一份综述 - 输出位置 : 你指定的一个输出目录 1. 一手源优先 : 先找原始文献（官方公告、技术论文、创始人博文、财报电话会议），精读后再做广度搜索。二手信息层层转手会蒸发洞见 2. 论点驱动 : 报告的结构是论证链（观察 → 分析 → 判断），不是主题分类（市场 → 竞争 → 趋势）。每一章推进一个论点，前后有逻辑递进 3. 交叉对比 : 选 2-3 个核心案例做深度对比，找收敛点和分歧点。收敛本身就是洞见，分歧背后的原因更是洞见 4. 标注不确定性 : 诚实区分"确定知道的"、"合理推断的"、"不确定的"。过于确定的结论是分析不严谨的信号 5. 可追溯性 : 所有引用必须保留 URL，关键引用保留原文摘录 6. 单一交付 : 最终只交付一个汇总报告，中间结果不保存 Wide Research（信息搬运）：搜索多个来源 → 按主题分类摆放 → 输出 checklist。这是 LLM 的默认模式，产出的是"正确的废话"。 Deep Research（分析）：精读一手源 → 提炼矛盾和张力 → 用分析框架产出独特判断。深度来自认知维度（你用什么框架看问题），不是信息维度（你覆盖了多少个角度）。 本 workflow 的目标是后者。 调研 subagent（Phase 1/2 的信息搜索、抓取、摘要）使用便宜/快速的模型。这类任务判断密度低、信息密度高，小模型质量持平且成本低得多。 主 agent 保持最强模型执行 Phase 0（元思考）、Phase 3（交叉验证）、Phase 4（写作）。这些步骤需要综合判断力。 所有搜索和网…