القائمة
AI深度研究助手。对任何主题进行迭代式深度研究，结合搜索引擎、网页抓取和大语言模型生成详细研究报告。触发词：深度研究、调研、research。
التثبيت باستخدام Codex أو Claude انسخ هذا Prompt والصقه في Codex أو Claude أو مساعد آخر ليراجع صفحة Skill ويثبّتها لك.
استنادا إلى تصنيف SOC المهني
MetaMe Agent lifecycle management — create, bind, list, edit, unbind agents. TRIGGER when: user explicitly requests creating a new agent, binding/unbinding an agent to a chat, listing agents, editing agent roles, resetting agents, or managing agent soul/identity. Keywords: "新建agent", "创建智能体", "绑定agent", "解绑", "agent列表", "/agent", "创建工作区". DO NOT TRIGGER when: user is DISCUSSING agents conceptually, talking ABOUT the agent system, reporting bugs about agents, or mentioning "agent" in passing without an actionable request. If the message is about agent architecture, design, code, or features — that is NOT a trigger.
把本地文件直接发到用户手机（飞书 / Telegram / iMessage），而不是只在群里报路径。 触发：用户说「把 X 文件发我 / 给我下载 / 发到手机 / 发文件」、要 PDF/CSV/PNG/log 下载、要查看文件内容(超过聊天可读长度)。
AI Agent 专属无头浏览器 CLI（省 token 80%）。触发：网页自动化、打开网页、点击填表、截图抓快照、agent-browser。
免费多平台信息采集CLI（Twitter/YouTube/B站/小红书/抖音/Reddit/LinkedIn/GitHub/RSS/网页）。触发：agent reach、爬取、读网页、搜推特、搜B站。**WebFetch 失败时优先用此 skill**：凡遇到 JS 渲染页面（Twitter/X、Instagram、LinkedIn 等）或 WebFetch 返回空内容/JavaScript错误，无需重试 WebFetch，直接调用此 skill。
Create, iterate, evolve, and package skills that extend Claude's capabilities. Use when: (1) Creating a new skill from scratch, (2) Updating or improving an existing skill's instructions or bundled resources, (3) Evolving a skill based on session experience (bugs, preferences, workarounds) — triggers: "进化技能", "更新 skill", "/evolve", "记录这个经验", "skill evolution", (4) Packaging a skill for distribution to other Claude Code (Codex) users. Do NOT trigger for general programming tasks unrelated to skill authoring.
MetaMe npm 发布流程（版本 bump、pre-publish 审计、OTP publish）。触发：发布/打包/出包/bump/release + MetaMe 代码上下文。勿触发：自媒体/内容发布。
| name | deep-research |
| description | AI深度研究助手。对任何主题进行迭代式深度研究，结合搜索引擎、网页抓取和大语言模型生成详细研究报告。触发词：深度研究、调研、research。 |
| version | 2.0.0 |
| created_at | "2026-01-29T00:00:00.000Z" |
基于 dzhng/deep-research 思路，用 Claude Code 原生能力实现。
收到研究请求后，按以下步骤执行：
根据主题生成 3-5 个不同角度的搜索查询：
对每个查询：
WebSearch 获取搜索结果WebFetch 抓取 2-3 个高质量页面详情如果用户的 NotebookLM 中有与主题相关的笔记本，可作为私有知识源补充公开搜索的盲区：
# 搜索是否有相关笔记本
python ~/.claude/skills/notebooklm-skill/scripts/run.py notebook_manager.py search --query "关键词"
# 查询笔记本获取有引用的回答
python ~/.claude/skills/notebooklm-skill/scripts/run.py ask_question.py --question "具体问题" --notebook-id ID
使用时机：
不要每次调研都自动查 NotebookLM，只在相关时使用。
整合所有信息，输出结构化报告：
# [主题] 深度研究报告
## 摘要
[3-5 句核心发现]
## 背景与定义
## 技术原理/核心机制
## 最新进展
## 应用场景
## 竞品对比（如适用）
## 未来展望
## 参考来源
用户说：
报告写入：/tmp/research_report.md