Token导航 LogoToken导航

Agent Skill · 研究检索

deep-research-v21(深度研究 v21)

deep-research-v21 用于查找、检索和筛选相关信息,适合在 OpenClaw 中需要根据关键词、任务场景或来源线索快速定位候选结果时使用。可结合来源仓库、安装命令和原始 README 继续核验具体用法。安装前建议确认权限范围、维护状态,以及是否会触发联网、命令执行或文件读写。

deep-research-v21 是研究检索类 Agent Skill,可用宿主为 OpenClaw,通过ClawHub获取,权限为需要联网;许可证为 MIT-0,第三方扫描有提醒项,按安装量在研究检索类的 73,675 个 Skill 里排第 18,928。

总安装 5,843周安装 251GitHub Stars 公开资料未说明下载 2,048核验 2026-05-01

安装说明

本站只整理中文说明,不托管安装包,也不代用户安装。
GitHub
许可证
MIT-0
版本
2.1.0

安装方式

通过对话安装

复制提示词发给支持本地命令或 Skills 的 AI 助手,先确认命令和权限,再让它执行。

请帮我安装这个 Agent Skill:deep-research-v21(深度研究 v21)
来源仓库:https://github.com/xueylee-dotcom/deep-research-v21
安装命令:
openclaw skills install deep-research-v21
安装前请先检查当前环境是否支持对应 CLI,并向我确认将要执行的命令、安装目录、联网范围和文件读写权限;确认后再执行。

命令行安装

复制命令到本机终端执行。该命令会通过 OpenClaw 从第三方来源获取 Skill;本站只展示命令,不托管安装包,也不自动执行。

ClawHubOpenClaw
openclaw skills install deep-research-v21

这个 Skill 是做什么的

研究检索类 Skill 主要解决「找资料、核对事实、把来源整理清楚」的问题,通常会让助手先检索再总结。

深度研究 v21 通过源卡生成与交叉分析推进调研。适用于数据密集型研究如流行病学或经济指标分析。每份源卡包含引言、数据与质量评分字段。deep-research-v21 属于研究检索类 Skill,可作为该场景下的辅助能力补充。建议配合 PDF 下载功能使用以获得完整上下文。

注意其对特定数据库(如 PubMed)的访问依赖。

上手步骤

4 步
  1. 1

    确认自己的宿主工具

    公开资料标注支持 OpenClaw;先确认自己用的是其中之一,再按对应工具的 Skills 目录放置。

  2. 2

    拿到安装命令

    可以直接复制的命令是 openclaw skills install deep-research-v21;命令里的占位符换成自己的路径或密钥再执行。

  3. 3

    安装后重启宿主

    命令执行完要完全退出宿主工具再打开,让新装的 Skill 被重新扫描到,否则列表里可能看不到。

  4. 4

    按最小权限试用

    它需要需要联网,先在测试目录或测试账号里跑,确认没问题再放到正式项目。

常见问题

6 条

deep-research-v21 怎么安装?

在终端执行 openclaw skills install deep-research-v21。装完完全退出宿主工具再打开,让它重新扫描本地 Skill。

deep-research-v21 支持哪些 AI 工具?

公开资料标注支持 OpenClaw。其他工具只要能读取本地 Skill 目录,一般也能手动放进去,但要自己确认触发方式是否一致。

deep-research-v21 需要什么权限?

权限级别是需要联网。该 Skill 可能需要联网访问来源站点、仓库或外部 API;具体网络访问范围需要结合源码和 README 复核。

deep-research-v21 是免费的吗?

来源标注的许可证是 MIT-0。本站不代收任何费用,也不托管安装包;能否商用、要不要署名,以许可证原文为准。

deep-research-v21 用的人多吗?

公开数据是累计安装 5,843 次,近一周安装 251 次,下载 2,048 次。这些数字来自第三方目录统计,只能当作热度参考,不代表质量或安全性。

deep-research-v21 安全吗?

第三方扫描有提醒项,说明存在需要人工确认的行为。安装前请打开源码看清它读了什么、联网到哪里。

值得选的地方和要先想清楚的地方

值得选的地方

  • 专注 OpenClaw 一种宿主,触发方式和使用习惯不用来回切换。
  • 许可证明确为 MIT-0,商用和分发边界好判断。

先想清楚的地方

  • 第三方扫描存在提醒项或未通过项,需要人工逐条确认。
  • 第三方目录整理,版本更新和行为细节以来源仓库为准。

适不适合你

更适合

  • 已经在用 OpenClaw,想直接扩展它能力的人。
  • 需要处理研究检索类任务、又不想每次都手写提示词的人。

不太适合

  • 需要厂商级技术支持和 SLA 的生产系统。

研究检索类 Skill 对比

6 个同类
Skill总安装GitHub 星权限许可证扫描
find-skills

寻找技能 · Codex、Claude

31,199,81316,486操作浏览器MIT有提醒
self-improving-agent

自我改进 Agent · OpenClaw

16,464,0023,396接触敏感数据MIT-0通过
soultrace

灵魂追踪 · Codex、Claude

7,588,94412需要联网未明确有提醒
self-improving

自我完善 · OpenClaw

6,829,2841,046需要联网MIT-0通过
microsoft-foundry

微软代工厂 · Codex、Claude

6,614,144764调用外部服务未明确有提醒
deep-research-v21

深度研究 v21 · 本页

5,843—需要联网MIT-0有提醒

按安装量取同分类前几名;数字来自第三方目录统计,只作热度参考,不代表质量结论。

SKILL.md 原文

Skill: Deep Research Pro (v2.1 - Enforced Depth)

版本:2.1.0 描述:世界领先的深度研究技能,强制来源卡片化、禁止跳过中间步骤

核心原则

没有来源卡片,就没有报告

触发命令

/research <主题> [--depth deep]


🔴 强制执行流程(不可跳过)

Step 1: 研究规划 (必须输出文件)

  • 生成 research/plan.md
  • 列出至少 5 个具体检索查询式 (Query Strings)
  • 用户确认后才能继续

Step 2: 来源检索与卡片化 (核心深度环节)

  • 禁止直接写报告
  • 每找到 1 个有效来源,必须立即生成 sources/card-{{001..020}}.md
  • 最低数量要求:deep 模式至少 15 个有效卡片
  • 每个卡片必须包含:

- 完整标题、作者、年份、URL/DOI - 核心数据提取:具体数值、样本量、P值、置信区间 - 原文引用:至少 1 段直接引用原文 (Quote) - 质量评分:使用 scripts/quality-score.py 计算

Step 3: 交叉分析 (必须输出文件)

  • 生成 analysis/synthesis.md
  • 强制对比:至少找出 3 组相互矛盾或差异的数据
  • 强制归因:解释差异原因 (样本?方法?地域?)
  • 每个观点必须标注来源卡片编号 (如 [card-003])

Step 4: 报告生成 (最后一步)

  • 生成 reports/final-report.md
  • 引用检查:每个数据点后必须标注 [[card-xxx]]
  • 完整性检查:如果来源卡片 < 15 个,拒绝生成报告并报错

🔴 质量门禁 (Quality Gates)

自检脚本使用方法

# 检查来源卡片数量
COUNT=$(ls sources/card-*.md 2>/dev/null | wc -l)
if [ $COUNT -lt 15 ]; then
 echo "❌ 错误:来源卡片不足 15 个,当前 $COUNT 个。请继续检索。"
 exit 1
fi

# 检查引用链接
if ! grep -q "\[\[card-" reports/final-report.md; then
 echo "❌ 错误:报告未包含来源卡片引用。"
 exit 1
fi

# 运行质量评分
for card in sources/card-*.md; do
 python3 scripts/quality-score.py "$card"
done

📋 分步执行命令

Step 1: 规划

生成研究计划:创建 research/plan.md
列出检索式:至少 5 个具体查询
用户确认:等待用户确认后再继续

Step 2: 检索与卡片化(循环执行)

使用 OpenAlex API 检索学术论文
使用网页浏览工具获取行业报告
每找到一个有效来源,立即生成卡片:
 - sources/card-001.md
 - sources/card-002.md
 ...
直到卡片数量 >= 15

Step 3: 分析与报告

生成 analysis/synthesis.md(交叉分析)
生成 reports/final-report.md(最终报告)
每个数据点必须标注 [[card-xxx]]

📄 来源卡片模板

详细模板见:templates/source-card.md

关键字段:

  • source_id: card-001 格式
  • core_data: 具体数值(样本量、结果、p值)
  • quote: 原文引用(至少50字)
  • quality_score: 0-10分

🔧 工具依赖

工具用途状态
OpenAlex API学术论文检索✅ 可用
网页浏览工具行业报告获取✅ 可用
quality-score.py质量评分✅ 已部署
文件系统读写权限✅ 可用

⚠️ 异常处理

  • 如果无法获取最新数据 (2024-2026),必须在报告首页标注"数据截止于模型训练时间"
  • 如果来源质量评分普遍 < 6 分,必须停止并告知用户"缺乏高质量证据"
  • 如果用户中断流程,已生成的卡片文件保留供下次使用

📊 与v2.0对比

维度v2.0v2.1
卡片化无强制
数据提取无必须具体数值
原文引用无必须50字+
分步执行建议强制
引用标注无必须[[card-xxx]]
质量门禁建议强制检查

*Skill版本:2.1.0 | 最后更新:2026-03-19*

平台分布

OpenClaw

71.43%
按下载量换算1,463

安全审计

VirusTotal

通过

ClawScan

可疑

Static analysis

通过

权限和风险

需要联网

该 Skill 可能需要联网访问来源站点、仓库或外部 API;具体网络访问范围需要结合源码和 README 复核。

安装前确认

本站仅展示第三方公开信息,不托管安装包,不提供自动安装或运行环境。安装前应自行审查源码、依赖和命令行为。来源安全扫描存在提醒或未通过项,安装前请自行复核。目前只有一个公开来源,建议同时核对源仓库。

继续浏览同类 Skills