- name
- deep-research
- description
- 深度研究技能，用于进行领域调研、文献调研、survey研究。当用户说"做一个survey"、"深度研究一下XX"、"文献调研"、"研究一下XX领域的最新进展"、"帮我调研XX"、"学术调研"时自动触发。支持arXiv、PubMed、PMC、Google Scholar等多个数据源，自动下载PDF并解析全文，生成三层报告（执行摘要、验证清单、完整报告）。
Skill: Adaptive Depth Research v6.0 Universal
版本：6.0.0 描述：领域无关 | 配置驱动 | 数据源自适应 | 三层输出
🎯 核心设计原则
- 数据源自适应：arXiv/PMC 自动下 PDF，付费期刊自动切摘要模式
- 领域无关：提取逻辑不依赖特定术语，靠配置驱动
- 输出分层：执行摘要 + 验证清单 + 完整报告，各取所需
- 一次配置，全领域复用
📦 架构图
【配置层】
config/research-config.yaml # 定义领域、关键指标、数据源优先级
↓
【检索层】(自动分流)
├─ arXiv → 下载 PDF → 全文解析 → 高可信提取
├─ PMC → 下载 PDF → 全文解析 → 高可信提取
├─ PubMed → 仅摘要 → 方向性提取 + 标注"需验证"
└─ Web → 网页抓取 → 关键结论提取
↓
【提取层】(通用 Prompt)
prompts/extract-universal.txt # 不依赖领域术语
↓
【输出层】(三层报告)
├─ reports/executive-summary.md # 决策者用，≤1 页
├─ reports/validation-checklist.md # 执行者用，可操作
└─ reports/full-report.md # 审计用，完整溯源🚀 触发命令
# 完整研究流程
bash scripts/run-research.sh "<主题>" --domain "<领域>"
# 示例
bash scripts/run-research.sh "transformer efficiency" --domain "machine learning"
bash scripts/run-research.sh "telemedicine cost savings" --domain "healthcare"📁 文件结构
skills/deep-research/
├── SKILL.md
├── config/
│ └── research-config.yaml # 领域配置
├── prompts/
│ ├── extract-universal.txt # 通用提取Prompt
│ ├── cluster-cards.txt # 卡片聚类
│ └── write-brief.txt # 主题简报
├── templates/
│ ├── executive-summary.md # 执行摘要模板
│ ├── validation-checklist.md # 验证清单模板
│ └── full-report.md # 完整报告模板
└── scripts/
├── run-research.sh # 完整研究流程
├── fetch-and-extract.sh # 自动分流提取
├── extract-from-pdf.py # PDF解析
└── check-sourcing.sh # 溯源验证🔧 配置说明
修改研究领域
编辑 config/research-config.yaml:
research_domain: "your_domain_here"
key_metrics:
performance:
- accuracy
- AUC
- F1
# 添加你的指标...📊 三层输出说明
1. 执行摘要 (executive-summary.md)
- 受众：决策者
- 长度：≤1页
- 内容：
- 核心结论（已验证 vs 待验证） - 可直接行动 - 需验证后行动
2. 验证清单 (validation-checklist.md)
- 受众：执行者
- 格式：操作导向
- 内容：
- 缺失指标汇总表 - 具体验证路径 - 通用验证方法
3. 完整报告 (full-report.md)
- 受众：审计/存档
- 内容：
- 方法论说明 - 已验证结论 + 证据 - 待验证线索 - 战略建议（短/中/长期） - 完整卡片索引
🎯 执行流程
Step 1: 检索
# 自动检索 arXiv + PubMed
bash scripts/run-research.sh "<主题>"Step 2: 提取
# 自动分流提取
bash scripts/fetch-and-extract.sh <source_url>
# 或手动提取
python3 scripts/extract-from-pdf.py card-001 "<pdf_url>"Step 3: 验证
# 溯源检查
bash scripts/check-sourcing.sh reports/full-report.md sources/Step 4: 生成报告
三层报告自动生成在 reports/ 目录
✅ 质量门禁
- 数据完整度标注：high/medium/low
- 缺失指标清单：每个卡片明确列出
- 验证路径具体：可操作，非模糊建议
- 溯源验证：所有数据可溯源到卡片
📈 v6.0 vs 之前版本
| 维度 | v5.x | v6.0 Universal |
|---|---|---|
| 领域 | 医疗特化 | 领域无关，配置驱动 |
| 数据源 | 固定PubMed | 自适应分流 |
| 提取 | 依赖医疗术语 | 通用Prompt |
| 输出 | 单一报告 | 三层输出 |
| 配置 | 硬编码 | YAML配置 |
💡 用户只需
- 修改配置：改
research_domain和key_metrics - 运行命令：
bash scripts/run-research.sh "<主题>" - 阅读摘要：5分钟了解核心结论
- 按清单验证：30分钟补全关键数据
- 推进决策：基于验证结果
🔑 核心哲学
让工具适应人，而不是人适应工具。 你专注领域知识和商业决策，工具负责广度扫描、结构化整理、诚实标注。
*Skill版本：6.0.0 Universal | 最后更新：2026-03-19*
v7.0 融合版 (2026-03-21)
新增能力
Research Claw 桥接：
- 搜索：arXiv, Google Scholar, PubMed, Semantic Scholar
- PDF解析：使用pymupdf
- 网页读取：Web Reader Tool
使用方法
from scripts.research_claw_bridge import ResearchTools
tools = ResearchTools()
# 搜索论文
papers = tools.search_papers("LLM agent", max_results=5)
# 完整流程（搜索+下载+提取）
results = tools.full_research_flow("商保控费")文件
scripts/research_claw_bridge.py- 桥接模块