deep-research-skill README

The project's README from github.com/SeanEllyJames/deep-research-skill. As one markdown file: README.md.

深度调研 Skill

逼 AI Agent 做「会下判断」的调研，而不是「会摆信息」的调研。

License: MIT   Works with   Stars

一个即插即用的 Markdown 文件　·　无需安装　·　粘进去就能用


市面上绝大多数所谓的「AI 深度调研」，本质是 Wide Research：并行搜一堆来源，按主题分好类，给你一份工整的 checklist。看起来很全，事实也没错，但没用——它只有目录，没有判断。

这个 skill 把 Agent 掰到另一条路上：Deep Research。精读一手源，把它们之间的矛盾挑出来，最后落到一个业内人真的会跟你争论的判断上。


一个区分，决定一切

Wide Research（默认模式） Deep Research（本 skill）
方法 搜多个来源 → 按主题分类 → 出 checklist 精读少数一手源 → 提炼张力 → 论证出判断
结构 主题分类：市场 / 竞争 / 趋势 论证链：观察 → 分析 → 判断 → 局限
产出 「A 做了 X，B 做了 Y」 「A 和 B 从相反前提出发却收敛了，为什么」
深度来自 你覆盖了多少角度 你用哪个框架在看
读起来像 排版整齐的维基词条 真动过脑子的人写的备忘录

Wide Research 是 LLM 的出厂设置，产出的是「正确的废话」。这个 skill 就是一套护栏，把它从默认模式里拽出来。


文件里装了什么

一套四阶段工作流，以及比工作流更重要的东西：不让 Agent 跳过 Phase 0 的纪律。

Phase 0　元思考 — 绝不外包 一次搜索都还没发起，先拷问问题本身：为什么问这个？隐藏假设是什么？有没有一个「显而易见但其实不对」的标准答案，而这篇报告的全部价值就是说清它为什么不对？然后写下「好答案」该长什么样：核心论点摆到一屋子业内人面前得能吵起来，而不是集体点头。

Phase 1　一手源精读 找到那 3 到 5 篇真正的原始文献（财报、创始人自己写的博文、电话会议逐字稿、论文原文），完整读完。二手总结每转一手，洞见就蒸发一层。

Phase 2　对比与反例 选 2 到 3 个案例做深度对比，专门去挖失败案例和批评声音。收敛本身是发现，分歧背后的原因是更大的发现。

Phase 3　交叉验证 多源印证的可信，单源的标注存疑，互相矛盾的——这才是最有意思的地方，去分析这个矛盾意味着什么。

Phase 4　把论证写出来 段落优先于表格，每一章只推进一个论点，诚实标注不知道的部分。最后一道自检：如果核心结论放到业内不会引发任何争论，重写。


六种翻车方式，以及怎么当场抓住自己

这个文件最值钱的部分是「翻车目录」：把 Agent 最容易走的捷径一条条写下来，每条都配一个检测信号，让你（或 Agent）当场判断是不是正在犯。

1　·　跳过 Phase 0 直接搜 没有假设引导，subagent 返回的是信息碎片，不是论证素材。

检测信号：subagent 的 prompt 里没有「假设」或「待验证的论点」。

2　·　拿 subagent 的返回结构当报告骨架 你会得到一个伪装成分析的主题目录。

检测信号：章节标题拿去当搜索关键词刚好合适（「定价对比」「适合谁」）——那是文件柜，不是论证。

3　·　用表格和 bullet 替代思考 一个洞见如果能塞进表格，它大概率不是洞见。

检测信号：删掉所有表格和 bullet 后，剩下的段落撑不起一篇文章。

4　·　结论太安全 「A 适合新手，B 适合老手」这种话不用调研就能说。

检测信号：核心结论发到专业群里，没人会出来反驳或讨论。

5　·　把「全面」当「深度」 10 个维度各 3 句，输给 3 个维度各 3 段。

检测信号：报告过万字，但核心论点三句话就能说完。

6　·　子 agent 递归 fan-out 一次真实事故就是这条规则的由来：主 agent 派 3 个 → 变 13 个 → 变 50+ → 最终 149 个 agent，一笔意外的 API 账单。

检测信号：你在给子 agent 的 prompt 里写了「你可以用 Agent 工具进一步搜索」。停，马上要炸。


快速开始

1.  把 SKILL.md 放进 Agent 的 skills 目录，或直接粘进系统提示词 / 项目指令
2.  要做正经报告时，让 Agent「按深度调研 skill 来」处理你的题目
3.  看着它在搜索之前先停下来做 Phase 0 —— 那个停顿，就是全部意义所在

任何能读 skill 文件、能派 subagent 的 Agent 都能用（Claude Code、Cursor、Cline 等）。搜索那一步默认你手上有一个搜索 / 抓取工具（比如 Tavily 这类搜索 MCP，或 Agent 自带的联网搜索），有什么用什么，skill 会自动降级适配。


为什么信这一份

因为它是对着一堆真实的翻车记录写出来的，不是在书房里空想的。文件里每一条反模式，都是真实调研过程中犯过、并且烧钱或丢脸到值得为它立一条规矩的错误。那个 149 个 agent 的失控故事是真的，「你的章节标题就是搜索关键词」那个信号也是真的。这是踩过的坑结成的疤，写成了提示词。


部分脱胎自 grapeot/context-infrastructure（MIT），核心框架与内容为本人原创扩展。
以 MIT License 发布

deep-research-skill (SeanEllyJames/deep-research-skill)

Searching Database…

196 ·GitHub
Deep-research-skill
这是什么？一个即插即用的 Markdown 技能文件，迫使 AI 智能体做真正的“深度研究（Deep Research）”而不是肤浅的“广泛研究”——它不是把大量来源草草掠过整理成漂亮的清单，而是让智能体精读一手资料、揭示矛盾，最终得出专家们真的会争论的判断。
这是完整应用还是只是一个提示词文件？它只是一个 Markdown 技能文件，不是应用也不是服务器——无需安装任何东西，直接粘贴到 AI 智能体的技能配置里即可。
具体怎么使用它？把中文版（SKILL.md）或英文版（SKILL.en.md）复制到智能体的技能目录，或直接把文件内容作为智能体的指令粘贴进去。
它需要哪些 AI 智能体和工具？任何能读取技能文件并派生子智能体的智能体都可以——文中点名 Claude Code、Cursor 和 Cline。它还需要某种搜索/抓取能力，比如 Tavily 式的搜索 MCP 或智能体自带的网页搜索，并会根据可用情况优雅降级。
智能体运行这个技能时最大的风险是什么？子智能体失控递归：一次真实事故中，子智能体从 3 个膨胀到 13 个、再到 50 多个、最后到 149 个，产生了一笔意外的 API 账单——因此该技能明确把“给子智能体配备自己的搜索工具”标记为危险信号。
研究工作流的四个阶段是什么？阶段 0 强制智能体在搜索任何东西之前先质疑隐藏假设；阶段 1 精读 3-5 个一手资料；阶段 2 对比案例，刻意寻找失败和批评；阶段 3 对相互印证与相互冲突的来源进行交叉验证；阶段 4 用连贯的散文（而不是表格）写出论证，最后自检结论是否真的会引发争论。
这个技能防范哪些常见的失败模式？它列出了六种智能体偷懒的具体方式——跳过阶段 0、让子智能体的输出变成报告的结构、用表格和要点取代分析、得出没人会反驳的“安全”结论、把广度当成深度、让子智能体递归派生更多子智能体——每一种都配有具体的识别信号。
为什么要相信这个技能的规则？作者表示，文件中的每一条反模式都来自真实的研究失败，其代价或尴尬程度足以让它变成一条规则，包括真实的 149 个智能体失控成本事故，而不是凭空理论化。
What are similar projects?ai-aug-edu, serenity-skill, zhangxuefeng-skill, awesome-chatgpt-zh, skills, shuohao-skills, seo-skills, hand-drawn-styles
Which topics is it in?research-tools, deep-research, skill-md, mit-license, prompt, chinese-language, claude-code-skill, claude-skills, prompt-engineering, skill, cursor, agentic-ai
Creator
SeanEllyJames
Size
<0.1 MB
Stars
196
Updated
CommitAug 18
Age
2mo
Commits · 90 Days