Menu
执行深度检索调研工作流。当用户需要系统性研究复杂主题、多源信息验证、或生成分维度研究报告时使用。采用检查点模式增强参与感，支持多轮迭代补充检索，并发数限制为4个subagent以保证质量和稳定性。
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
LiteLLM Gateway Management - Official API Implementation
芯片PSD3测试执行器，由Agent主导PSD3测试的执行，提供库函数索引
从 MD 函数定义和 Python 代码自动生成 AVES 寄存器配置脚本
通过配置文件驱动生成芯片级 XML 寄存器定义文件
重新生成 ic_psd3/library，从 XML 和 AVES 脚本生成 auto_class 和 aves_class
| name | deepsearch |
| description | 执行深度检索调研工作流。当用户需要系统性研究复杂主题、多源信息验证、或生成分维度研究报告时使用。采用检查点模式增强参与感，支持多轮迭代补充检索，并发数限制为4个subagent以保证质量和稳定性。 |
| metadata | {"openclaw":{"emoji":"🔍","requires":{"bins":[],"env":[]},"config":{"maxConcurrentSubagents":4}}} |
目标: 明确检索范围，获得用户确认
执行:
📋 检索规划
主题: [用户查询]
计划检索维度:
1. [维度1] - [预期获取的信息]
2. [维度2] - [预期获取的信息]
3. [维度3] - [预期获取的信息]
预计并发: 3-4 个subagent
预计时间: 2-5 分钟
确认执行请回复 "开始"，或调整维度。
用户确认后进入 Phase 2
目标: 并行执行多个维度的深度检索
并发控制:
maxConcurrentSubagents: 4 # 严格限制，保证稳定性
spawnMode: "run" # one-shot模式，完成后自动清理
执行:
Spawn Subagents（最多4个并行）:
sessions_spawn({
task: "深度检索[维度1]...",
label: "dim-1-official", // 命名规范: 轮次-维度-来源类型
mode: "run",
cleanup: "delete"
})
// ... 最多4个
立即通知用户:
🚀 启动检索
已启动 N 个并行检索任务:
• [dim-1] 官方文档与白皮书
• [dim-2] 技术社区讨论
• [dim-3] 竞品对比分析
• [dim-4] 最新动态新闻
⏱️ 预计 1-3 分钟完成，完成后将自动汇报...
等待回调（自动触发）:
✅ 进度更新 (2/4 完成)
[dim-1] 官方文档检索完成
关键发现: [1-2句话总结]
进行中: [dim-2], [dim-3], [dim-4]
所有Subagents完成:
✅ 第一轮检索完成 (4/4)
各维度结果摘要:
• [dim-1]: [关键发现]
• [dim-2]: [关键发现]
• [dim-3]: [关键发现]
• [dim-4]: [关键发现]
目标: 评估信息完整性，决定是否需要补充检索
执行:
交叉验证第一轮结果
识别信息缺口:
检查点: 向用户汇报并征求意见
📊 第一轮检索分析
已获取信息:
✅ [维度1] - 充分
⚠️ [维度2] - 部分，发现矛盾观点需验证
✅ [维度3] - 充分
❓ [维度4] - 发现新线索[XXX]值得深入
建议补充检索:
1. 验证[维度2]的矛盾观点
2. 深入调查新线索[XXX]
选择:
[A] 执行建议的补充检索
[B] 直接生成当前报告
[C] 告诉我你想补充什么
用户选择 A/C 进入 Phase 4，选择 B 进入 Phase 5
目标: 针对信息缺口进行精准补充
执行:
迭代深度建议: 最多 2-3 轮迭代，防止过度搜索
目标: 生成结构化、可追溯的深度检索报告
执行:
输出格式:
# 深度检索报告: [主题]
## 执行摘要
3-5 条核心发现
## 详细发现
### 维度 1: [名称]
**来源**: [具体来源列表]
**关键信息**:
- 要点1（可信度: ⭐⭐⭐⭐⭐）
- 要点2（可信度: ⭐⭐⭐⭐）
**证据**: [引用/截图/链接]
### 维度 2: [名称]
...
## 信息源评估
| 来源类型 | 可信度 | 时效性 | 备注 |
|---------|--------|--------|------|
| 官方文档 | ⭐⭐⭐⭐⭐ | 2024-01 | 权威 |
| 技术社区 | ⭐⭐⭐ | 2024-03 | 多观点 |
## 不确定性标注
- [某信息]: 仅单一来源，需进一步验证
- [某观点]: 存在行业争议
## 后续建议
- 如需验证[XXX]，可以检索[YYY]
- 建议关注[ZZZ]的最新动态
你是一位专业的[领域]研究员。请深度检索以下主题:
**任务**: [具体的检索目标]
**维度**: [这是哪个维度的检索]
**要求**:
1. 至少访问 3-5 个高质量来源
2. 对矛盾信息进行交叉验证
3. 记录所有来源 URL
4. 评估信息可信度
5. 返回结构化发现（要点形式）
**输出格式**:
## 检索发现: [维度名称]
### 核心发现（3-5条）
1. [发现1] - 来源: [URL/文档]
2. [发现2] - 来源: [URL/文档]
...
### 信息来源评估
| 来源 | 类型 | 可信度 | 时效性 |
|-----|------|--------|--------|
| ... | ... | ... | ... |
### 待验证/不确定的信息
- [某项信息]: 原因
并发建议: 同一subagent内按顺序浏览，不同subagent之间并行
// Subagent 内部: 顺序访问多个来源
for (const url of sources) {
await browser({action: "open", url})
const snapshot = await browser({action: "snapshot"})
// 分析内容
}
// 不同subagent: 自动并行（共享同一Chrome的多tabs）
// subagent-A: browser({url: "source-A.com"})
// subagent-B: browser({url: "source-B.com"}) // 同时执行
| 时机 | 通知内容 | 目的 |
|---|---|---|
| 规划完成 | 检索维度和计划 | 获得确认，调整方向 |
| 任务启动 | 已开始 N 个任务 | 让用户知道正在执行 |
| 每完成 1 个 | 该维度关键发现 | 保持参与感 |
| 每完成 25/50/75% | 整体进度 | 管理预期 |
| 一轮结束 | 汇总 + 迭代建议 | 征求意见 |
| 发现重要线索 | 可能改变方向 | 让用户决策 |
| 完成 | 最终报告 | 交付成果 |
策略: 礼貌说明当前状态，询问优先级
👋 收到新消息
当前正在进行深度检索（Phase 2, 2/4 完成）。
选择:
[A] 继续当前检索，新消息稍后处理
[B] 暂停当前，先处理新消息（进度保留）
[C] 终止当前，专注新消息
默认: [A]（5秒后自动继续）
策略: 透明沟通 + 替代方案
⚠️ 检索进度更新
[dim-2] 遇到访问限制，正在尝试替代来源...
调整:
- 跳过 [dim-2] 的 [受限来源]
- 已找到 2 个替代高质量来源
- 预计延迟 30 秒
继续执行，如有变化将及时通知。
策略: 主动建议聚焦
📊 初步检索发现信息量很大
当前维度已有 20+ 高质量来源。
建议:
[A] 继续全面检索（预计需 5-8 分钟）
[B] 聚焦最相关的 3-5 个来源（推荐，2-3 分钟）
[C] 告诉我你最关心哪个方面
请选择...
用户: "帮我深度调研一下向量数据库的现状"
Agent: [Phase 1] 展示规划
📋 检索规划
主题: 向量数据库现状调研
计划维度:
1. 主流产品对比 (Pinecone/Milvus/Weaviate/pgvector)
2. 技术架构解析 (索引算法/存储引擎)
3. 应用场景与案例
4. 2024年最新动态与趋势
预计并发: 4 subagents
预计时间: 3-5 分钟
确认执行请回复 "开始"
用户: "开始"
Agent: [Phase 2] 启动 + 进度更新
🚀 启动检索
已启动 4 个并行任务:
• 产品对比分析
• 技术架构解析
• 应用场景调研
• 最新动态追踪
⏱️ 进行中...
[30秒后]
✅ 进度更新 (1/4 完成)
产品对比检索完成
关键发现: Pinecone在托管服务领先，Milvus开源生态最强，pgvector在Postgres用户中增长最快
进行中: 技术架构、应用场景、最新动态
[60秒后]
✅ 第一轮检索完成 (4/4)
各维度已获取充分信息。正在分析...
Agent: [Phase 3] 分析与建议
📊 第一轮分析
已获取:
✅ 产品对比 - 充分，发现3个主流方向
✅ 技术架构 - 充分，HNSW/IVF-FLAT为主流
✅ 应用场景 - 充分，RAG/推荐/搜索三大场景
✅ 最新动态 - 发现重要线索: 2024年多模态向量检索成为热点
建议补充:
1. 深入调研"多模态向量检索"的技术实现
2. 验证 Milvus vs Weaviate 的性能对比数据
选择:
[A] 执行补充检索 (预计+2分钟)
[B] 直接生成当前报告
[C] 其他...
用户: "A"
Agent: [Phase 4] 补充检索...
[最后]
Agent: [Phase 5] 最终报告
# 深度检索报告: 向量数据库现状
## 执行摘要
1. 市场分化明显: 托管服务(Pinecone) vs 开源方案(Milvus/Weaviate)
2. 技术收敛: HNSW成为事实标准索引算法
3. 应用场景成熟: RAG成为最大增长驱动力
4. 新兴趋势: 多模态向量检索快速崛起...
[完整报告...]