- name
- auto-deep-research
- description
- 深度研究技能。用于深入调查、验证信息、研究主题。当用户需要调研概念、对比工具、追踪事件、分析趋势时使用。通过拆分问题、多次搜索、多源验证，输出结构化报告。确保每个结论有多个独立来源，不确定点要标注。
Auto Deep Research
自动深度研究技能。
核心逻辑
loop (1 轮 = 并行 search 所有待处理子问题):
1. 动态拆解子问题（初始 3 个，可临时追加）
2. 并行 search 所有待处理子问题
3. 串行 read_page + 提炼，写入 memo（防爆）
4. 合并去重
5. 评估：弹药够不够？有没有决定性新概念影响最初结论不清晰需要继续研究？
退出条件：
- 所有子问题已完成 AND 弹药够 OR
- 达到 max_iterations（默认 5 轮）当前支持模式
简单模式（默认）：
- 初始子问题数量 = 3
- max_iterations = 5
- 追加子问题需"决定性影响"或针对原始问题还有明显盲点
- 强制合并去重
动态拆解
- 初始生成 3 个子问题（默认）
- Update 阶段可以临时追加新子问题：如果子问题 1 的结果揭示了一个全新的关键概念，如果与原始问题高度相关，则加入任务队列
- 子问题用标记状态：
[待处理]/[处理中]/[已完成]
输出目录
每次研究创建一个独立文件夹 output/{研究主题slug}/：
output/
└── {topic-slug}/
├── state.json # 执行状态（轮数、子问题进度）
├── memo.json # 结构化研究笔记（JSON，方便 agent 读取判断）
├── sources.json # 所有来源 URL 和摘要
└── report.md # 最终报告文件夹命名规则：用主题关键词 + 短时间戳，如 react-server-components_20240331
state.json
{
"iteration": 1,
"max_iterations": 5,
"original_query": "用户问题",
"subproblems": [
{"id": 1, "title": "子问题1", "status": "completed", "sources": 2},
{"id": 2, "title": "子问题2", "status": "processing", "sources": 1},
{"id": 3, "title": "子问题3", "status": "pending", "sources": 0}
],
"has_new_concepts": false,
"enough_evidence": false
}memo.json
{
"subproblems": [
{
"id": 1,
"title": "子问题标题",
"findings": [
{"source": "URL", "priority": "P1", "key_points": ["点1", "点2"], "conflict": null},
{"source": "URL", "priority": "P4", "key_points": ["点1"], "conflict": "与来源A冲突"}
]
}
],
"new_concepts": ["概念A", "概念B"],
"uncertain_points": ["争议点1"]
}sources.json
{
"sources": [
{"url": "URL", "title": "标题", "priority": "P1", "added_at": "2024-01-01"}
]
}工具
推荐使用脚本（见 scripts/ 目录）：
search.sh <query> [max_results] [output_file]read_page.sh <url> [output_file]
环境配置
在系统环境变量或 .env 文件中配置：
# 搜索 API（选一个）
export TAVILY_API_KEY="your-key-here" # https://tavily.com 获取
# DuckDuckGo 免费，无需配置
# 页面读取 API
export JINA_API_KEY="your-key-here" # https://jina.ai/reader 获取search(query)
联网搜索，返回带 URL 和高信息密度摘要的列表。
脚本调用：
./scripts/search.sh "React Server Components" 5手动调用：
# Tavily（需要 API key）
curl "https://api.tavily.com/search" \
-H "Authorization: Bearer $TAVILY_API_KEY" \
-d '{"query": "query", "max_results": 5}'
# DuckDuckGo（免费，搜索网页内容）
curl "https://api.duckduckgo.com/?q=query&format=json"
# 如果curl失效，则用 Python duckduckgo-search 库或 SearXNG并行 search + 串行提炼：
- 可以并行发起 search 获取多个 URL
- 读取网页并提炼时必须串行，避免上下文错乱
read_page(url)
深度阅读目标页面，把 HTML 转成干净的 Markdown，剔除广告和导航栏。
方式1: WebFetch（推荐，无需 API）： 直接调用 Claude Code 的 WebFetch 工具读取页面
方式2: 浏览器： 用浏览器工具打开页面，复制内容
方式3: Jina Reader（备用）：
curl "https://r.jina.ai/readability/page?url=$URL"两条铁律
- 一个结论 ≥ 2 个来源：不能只信一个来源
- 必须标注不确定点：不知道就是不知道
Memo 格式
每次调用 read_page 后，必须强制提炼关键信息，写入 memo.json。
同时保留 memo.md 方便人类阅读（与 memo.json 内容同步）：
## 子问题 1: [标题]
### 来源 A [P1-官方] ([URL])
- 关键点 1
- 关键点 2
### 来源 B [P4-GitHub] ([URL])
- 关键点 1
- ⚠️ 与来源 A 冲突：XXX ???
---
## 子问题 2: [标题]
...标记规则
[P1-官方]→ 优先级 1，官方文档[P4-GitHub]→ 优先级 4，GitHub???→ 冲突待验证
详见 references/source-trust.md
禁止：
- 把长篇大论的网页全文直接塞进 memo
- 把 raw HTML 塞进 memo
路径：当前目录 output/memo.json（同时保留 memo.md 方便人工查看）
循环逻辑
Eval（评估）
判断标准：
- 弹药够不够：所有子问题都有 ≥2 个独立来源确认？
- 有没有新概念：结果中出现了之前没覆盖的关键概念？
没有新概念 → 退出 即使有冲突也退出（不阻塞），冲突标记为"不确定点"
详见 references/conflict-detection.md
Plan（决策）
- 够了 → 退出循环，去写最终报告
- 不够 → 生成新 query，或者从搜索结果挑一个 URL 继续钻
Act（执行）
- 调用 search 找新方向
- 或调用 read_page 钻进去看细节
Update（更新 + 防爆）
- 合并去重：新信息写入 memo 时，必须与原有信息合并去重，不是无限往下拼接
- 临时追加子问题：当新概念对解答【用户初始核心问题】具有决定性影响，且当前 memo 无法解释它时，才允许追加
- 提炼信息要精简：只保留关键点，禁止长篇大论
回到 Eval
最大轮数
max_iterations = 5（每次并行 search 一批子问题 = 1 轮，强制中断，防止烧钱）
计数规则：
- 1 轮 = 并行 search 所有 [待处理] 子问题
- 1 轮内不限 search 次数
- read_page 不计轮数
输出报告格式
路径：output/{topic-slug}/report.md
必须是 .md 文件：
# 研究报告：[用户问题]
## 问题拆解
- 子问题 1: xxx
- 子问题 2: xxx
- 子问题 3: xxx
## 关键结论
### 结论 1
证据：
- [P1-官方] 来源 1: ...
- [P4-GitHub] 来源 2: ...
### 结论 2
...
## 不确定点
- 争议点 1：xxx（来源 A vs 来源 B）
- 未验证点：xxx
## 总结
[用 2-3 句话概括核心发现，一句话回答用户问题]
## 参考来源
1. [P1-官方] [标题] - [URL]
2. [P4-GitHub] [标题] - [URL]触发方式
用户输入 /auto-deep-research 时触发。
完整执行流程
- 初始化：
- 创建文件夹 output/{topic-slug}/ - 初始化 state.json（轮数=0，子问题队列=3个待处理） - 创建空 memo.json 和 sources.json
- 主循环（最多 5 次 search）：
- 每轮更新 state.json 中的 iteration++ - 对每个子问题：search → read_page → 提炼写入 memo.json + sources.json - Eval：读取 state.json 判断是否继续
- 退出：
- 生成 output/{topic-slug}/report.md - 保留 JSON 文件供后续 agent 读取
使用示例
用户输入：
/auto-deep-research 解释什么是 React Server Components执行流程：
- 拆成 3 个子问题（标记 [待处理]）
- 第 1 轮：并行 search 所有待处理子问题
- 串行 read_page + 提炼，写入 memo
- Eval：没有决定性新概念？→ 退出
- 达到 5 轮或所有子问题完成，输出报告