Menu
在任何需要联网检索的信息型问题上，用此技能指导多轮、多角度使用本项目的 `web_search` 工具。触发于「X 是什么」「解释 X」「比较 X 和 Y」「调研/研究 X」等，以及在开始任何内容生成任务（如 PPT、文章、UI、视频等）之前。提供系统化、多角度、多轮次的研究方法，而不是单次浅尝辄止的搜索。只要用户的问题需要线上信息，就应主动使用。
Install with Codex or Claude Copy this prompt, paste it into Codex, Claude, or another assistant, and let it review the skill page and install it for you.
Based on SOC occupation classification
| name | deep-research |
| description | 在任何需要联网检索的信息型问题上，用此技能指导多轮、多角度使用本项目的 `web_search` 工具。触发于「X 是什么」「解释 X」「比较 X 和 Y」「调研/研究 X」等，以及在开始任何内容生成任务（如 PPT、文章、UI、视频等）之前。提供系统化、多角度、多轮次的研究方法，而不是单次浅尝辄止的搜索。只要用户的问题需要线上信息，就应主动使用。 |
本技能提供一套系统化的方法论，用于进行深入的网页研究。在开始任何内容生成任务之前先加载本技能，以确保从多个角度、不同深度与多类来源获取足够信息。
在 Mini Agent 运行时，联网检索只通过 LangChain 工具 web_search 完成（见 backend/tools/web_search.py，由 config.yaml 的 tools.web_search 配置加载）。
| 要点 | 说明 |
|---|---|
| 工具名称 | 调用时使用 web_search（函数名即工具名），不要使用其他环境中的 WebSearch、web_fetch 等名称。 |
| 配置 | config.yaml → tools.web_search：provider 为 tavily（需有效 API key）或 duckduckgo（免费）；还可调 max_results、timeout_seconds。 |
| 返回内容 | 每条结果包含 标题、链接、摘要；摘要为截断后的片段（约 500 字以内），不是整页全文。 |
| 无 URL 抓取工具 | 当前仓库没有单独的「按 URL 拉取整页」工具。深度靠 多轮 web_search、换关键词、site: 限定、针对具体标题/机构再搜来弥补，而不是假设能 fetch 全文。 |
库表/成绩台账类结构化数据问题不是网页研究任务，不要用本技能代替专门的数据或业务工具；本技能仅约束 web_search 的使用方式。
在以下场景务必加载本技能：
不要只凭一般常识就生成内容。 输出质量直接取决于研究的质量与数量。单条搜索查询永远不够。
先用较宽的检索建立「地图」，理解全貌：
web_search 搜主题，获得整体背景示例：
主题："AI in healthcare"
初步搜索（每次调用 web_search，一次一个 query）：
- "AI healthcare applications 2026"
- "artificial intelligence medical diagnosis"
- "healthcare AI market trends"
识别出的维度：
- 诊断型 AI（放射、病理）
- 治疗推荐系统
- 行政自动化
- 患者监测
- 监管与合规
- 伦理与偏见
对每个重要维度进行定向研究：
web_searchsite:example.com + 关键词 再发起新的 web_search，而不是假定能打开 URL 读全文web_search示例：
维度："Diagnostic AI in radiology"
定向搜索：
- "AI radiology FDA approved systems"
- "chest X-ray AI detection accuracy"
- "radiology AI clinical trials results"
随后基于结果：
- 对最相关的 1～2 个来源换角度再搜（作者、机构、报告名）
为了覆盖全面且保持平衡，主动寻找多种信息类型：
| 信息类型 | 目的 | 示例检索词 |
|---|---|---|
| 事实与数据 | 提供可验证证据 | "statistics", "data", "numbers", "market size" |
| 案例与示例 | 真实世界应用 | "case study", "example", "implementation" |
| 专家观点 | 权威分析 | "expert analysis", "interview", "commentary" |
| 趋势与预测 | 未来方向 | "trends 2026", "forecast", "future of" |
| 对比分析 | 方案/竞品语境 | "vs", "comparison", "alternatives" |
| 挑战与批评 | 平衡视角 | "challenges", "limitations", "criticism" |
在开始内容生成前，确认：
web_search（多轮、多 query）？site:、报告名/论文名）以弥补摘要长度限制？如有任一项为否，继续用 web_search 迭代，不要进入生成阶段。
# 加上语境，让查询更具体
❌ "AI trends"
✅ "enterprise AI adoption trends 2026"
# 暗示权威来源类型
"[topic] research paper"
"[topic] McKinsey report"
"[topic] industry analysis"
# 指定内容形态
"[topic] case study"
"[topic] statistics"
"[topic] expert interview"
# 加入时间限定——必须使用 <current_date> 中的真实年份
"[topic] 2026" # ← 替换为真实当前年份，绝不要写死成过去年份
"[topic] latest"
"[topic] recent developments"
在形成任何搜索词之前先检查上下文中的 <current_date>。
<current_date> 会提供完整日期（年/月/日/星期）。根据用户意图决定时间精度：
| 用户意图 | 需要的时间精度 | 示例查询 |
|---|---|---|
| 「今天/刚发布/刚刚」 | 月 + 日 | "tech news February 28 2026" |
| 「这周」 | 周范围 | "technology releases week of Feb 24 2026" |
| 「最近/最新」 | 月份 | "AI breakthroughs February 2026" |
| 「今年/趋势」 | 年份 | "software trends 2026" |
规则：
"tech news 2026" 往往抓不到当天的新闻）2026-02-28）、英文月份格式（February 28 2026）与相对词（today, this week）示例对比：
"new technology 2026" → 可能漏掉当天新闻"new technology February 28 2026" + "tech news today Feb 28" → 更可能覆盖当天当满足以下任意条件时，应追加或改写 web_search，而不是假设能读取完整 HTML：
"statistics"、"pdf"、"full report" 等研究是迭代的。初步搜索之后：
web_search当你能有把握回答以下问题时，研究就「够用」了：
web_search 就停止web_fetch、环境专属的 WebSearch），应统一使用 web_search完成研究后，你应该具备：
只有达到上述程度，才进入内容生成阶段，用研究结果支撑高质量输出。