| name | deep-research |
| description | Deep research skill for investigating technologies, protocols, products, or concepts. Multi-source web research with cross-validation, structured analysis, and multi-AI verification using Codex CLI and agy CLI. Use when: research, 研究, deep dive, investigate, 調查, analyze technology, protocol analysis, competitive analysis, market research, or any request to thoroughly understand a topic. |
Deep Research
Overview
結構化深度研究流程，結合 Claude + Codex + agy 三方 AI 交叉驗證，產出高品質、事實查核的研究文件。
各 AI 分工：
- Claude：主研究者，負責規劃、搜尋、整合、產出
- Codex (OpenAI)：事實查核員，強在精確性與邏輯審閱
- agy：時效與盲點補充，負責最新資訊與遺漏面向
When to Use
- 用戶要求「研究」「調查」「深入了解」某個技術/產品/協議/概念
- 需要多來源交叉驗證的資訊蒐集
- 技術評估、競品分析、協議比較
- 產出留存用的知識管理文件
Research Phases
Phase 1：定義研究範圍（Scoping）
在開始搜尋前，先釐清並確認：
- 研究主題：精確定義要研究什麼
- 研究深度：概覽（overview）/ 標準（standard）/ 深度（deep）
- 關注面向：技術架構、商業模式、競品比較、實作細節、安全性、生態系
- 輸出格式：研究筆記 / 比較表 / 技術評估報告
- 既有知識：用戶或專案中已有的相關資訊
如果用戶的指令已足夠明確，不需要逐項確認，直接進入 Phase 2。
Phase 2：多來源平行搜尋（Parallel Search）
同時發起 至少 5 個不同角度 的搜尋查詢：
| 搜尋角度 | 查詢策略 | 目的 |
|---|
| 官方來源 | 產品名 + official documentation / specification | 取得權威第一手資料 |
| 技術深度 | 產品名 + technical architecture / deep dive / under the hood | 理解內部運作機制 |
| 安全與限制 | 產品名 + security model / limitations / challenges | 發現潛在風險與邊界 |
| 競品比較 | 產品名 + vs / comparison / alternative | 理解市場定位與差異 |
| 實作經驗 | 產品名 + implementation / tutorial / lessons learned | 取得實務觀點 |
| 產業觀點 | 產品名 + adoption / ecosystem / industry analysis | 理解生態與趨勢 |
關鍵原則：
- 每個事實至少需要 2 個獨立來源 交叉驗證
- 優先信任：官方文件 > 工程部落格 > 權威媒體 > 第三方分析 > 個人部落格
- 時間敏感資訊務必加上日期標註
- 搜尋時使用當前年份，確保取得最新資訊
Phase 3：多 AI 協作驗證（Multi-AI Verification）
同時使用 Codex CLI 與 agy CLI，由兩個獨立模型從不同視角驗證與補充：
codex -m gpt-5.5 -p "<prompt>" --output-format text
agy -p "<prompt>"
分工原則：
- Codex（gpt-5.5）：處理 3a 事實查核、3d 邏輯審閱
- agy：處理 3b 盲點補充、3c 最新動態驗證
- Claude：整合雙方結果，處理衝突、做最終判斷
若 Codex 與 agy 結論衝突 → 標註「⚠️ 模型分歧」，Claude 回到原始來源再次查證。
3a. 事實查核（Codex / Fact Check）
將 Claude 蒐集的關鍵事實交給 Codex 驗證：
codex -m gpt-5.5 -p "你是一位嚴謹的事實查核員。請驗證以下關於 [主題] 的陳述是否正確，標註每項為 ✅ 已確認 / ⚠️ 部分正確 / ❌ 錯誤 / ❓ 無法驗證，並說明理由：
1. [事實陳述 1]
2. [事實陳述 2]
...
請用繁體中文回答。" --output-format text
3b. 盲點補充（agy / Blind Spot Discovery）
讓 agy 獨立研究同一主題，找出 Claude 與 Codex 可能遺漏的面向：
agy -p "請針對 [主題] 進行深度分析，特別關注以下面向：
1. 最新發展（截至今日，請使用即時搜尋）
2. 常被忽略的技術細節或限制
3. 潛在風險與未解決的問題
4. 與競品的關鍵差異點
5. 中文／日文／其他非英語市場的觀點（如適用）
請用繁體中文回答，每項結論附上可追溯的資料來源 URL。"
3c. 時效性驗證（agy / Recency Check）
針對「版本號、發布日期、市佔率、價格」等易過時資訊，請 agy 做即時查證：
agy -p "請用即時搜尋驗證以下關於 [主題] 的時效性資訊，並以表格呈現「陳述 / 最新實際值 / 差異 / 資料來源 URL / 資料日期」：
1. [資訊 1，含日期／版本／數字]
2. [資訊 2]
...
請用繁體中文回答。"
3d. 結構審閱（Codex / Structure Review）
研究文件初稿完成後，請 Codex 審閱邏輯與結構：
codex -m gpt-5.5 -p "請審閱以下研究文件，檢查：
1. 資訊完整性：是否有重要面向遺漏？
2. 事實準確性：是否有可疑或過時的陳述？
3. 邏輯一致性：各段落之間是否有矛盾？
4. 深度平衡：哪些段落需要更多細節？
文件內容：
$(cat [file_path])
請用繁體中文回答。" --output-format text
Phase 4：結構化輸出（Structured Output）
研究文件遵循以下模板結構：
# [主題] 研究筆記
> 研究日期：YYYY-MM-DD
> 資料來源：[來源類型摘要]
> 驗證方式：Claude + Codex + agy 多 AI 交叉驗證
---
## 1. 概述
[一段式摘要：是什麼、誰做的、何時發布、為何重要]
## 2. 核心架構 / 技術細節
[根據主題性質調整，使用表格和圖表輔助]
## 3. 運作流程 / 資料流
[端到端流程，使用步驟式說明]
## 4. 安全模型 / 信任機制
[如適用]
## 5. 競品分析 / 市場定位
[比較表格，客觀呈現優劣]
## 6. 實作要點 / 整合指南
[開發者視角的重點]
## 7. 已知限制與風險
[技術限制、功能限制、商業風險]
## 8. 產業生態 / 採用狀況
[合作夥伴、市場滲透度、未來路線圖]
## 9. 版本時間線
[關鍵里程碑表格]
## 10. 開發資源
[官方文件、SDK、參考實作連結表格]
## 參考來源
[所有引用來源，格式：[標題 - 來源](URL)]
模板使用原則：
- 這是最大集合，根據主題刪減不適用的章節
- 每個章節使用最適合的呈現方式（表格、清單、流程圖、程式碼區塊）
- 所有數據標註來源與日期
- 中文為主，技術名詞保留英文原文
Phase 5：品質檢查清單（Quality Checklist）
輸出前逐項確認：
AI CLI 使用規範
指令規範
| 工具 | Model | 指令範例 |
|---|
| Codex CLI | gpt-5.5（固定指定） | codex -m gpt-5.5 -p "..." --output-format text |
| agy CLI | 不指定（CLI 自動選擇） | agy -p "..." |
⚠️ Codex 模型版本為固定指定，若 gpt-5.5 不存在請先詢問使用者再降級，切勿自行替換。
agy 不需指定 model，直接使用 -p 傳入 prompt。
Prompt 設計原則（Codex 與 agy 通用）
- 明確角色：告訴模型它扮演什麼角色（事實查核員、技術分析師、審閱者）
- 結構化輸出：要求表格、編號清單等結構化格式
- 語言指定：提示詞結尾加上「請用繁體中文回答」
- 範圍限定：明確告知要驗證/分析的具體內容，避免開放式問題
- 來源要求：要求模型附上可追溯的資料來源 URL（尤其是 agy）
使用時機
| 時機 | 工具 | 用途 | 必要性 |
|---|
| Phase 3a | Codex | 事實查核 | 必要 — 所有研究都需要 |
| Phase 3b | agy | 盲點補充 | 建議 — 標準／深度研究使用 |
| Phase 3c | agy | 時效性驗證 | 建議 — 含版本／日期／數字的研究必備 |
| Phase 3d | Codex | 結構審閱 | 選用 — 重要文件使用 |
平行呼叫建議
Phase 3 中的 Codex 與 agy 呼叫彼此獨立，應平行執行以節省時間：
- 同時送出 3a（Codex）與 3b/3c（agy）
- 等兩邊結果都回來後再由 Claude 整合
錯誤處理
如果任一 CLI 呼叫失敗：
- 檢查網路連線與認證狀態（
codex --version / agy --version）
- 重試一次
- 如仍失敗，標註該段落為「未經 [Codex/agy] 驗證」，繼續完成研究
- 不要因為單一工具不可用而阻塞整個研究流程
- 若 Codex 與 agy 同時不可用，降級為「僅 Claude 單方研究」並在文件頂部加註警告
Research Depth Levels
| 等級 | 搜尋數 | 多 AI 驗證 | 預期章節數 | 適用場景 |
|---|
| 概覽 (overview) | 3-5 | 3a (Codex 事實查核) | 3-5 | 快速了解、會議準備 |
| 標準 (standard) | 5-8 | 3a + 3b (agy 盲點補充) | 6-8 | 一般技術研究、決策參考 |
| 深度 (deep) | 8-15 | 3a + 3b + 3c + 3d (四階段全開) | 8-12 | 技術評估、架構決策、策略規劃 |
未指定時預設為「標準」等級。
Anti-Patterns（避免事項）
- ❌ 僅依賴單一來源就下結論
- ❌ 將推測當作事實陳述
- ❌ 忽略負面資訊或限制
- ❌ 複製貼上搜尋結果而不消化整理
- ❌ 跳過 Codex 或 agy 驗證步驟（單方 AI 驗證不足）
- ❌ Codex 與 agy 結論衝突時未回查原始來源就強行選邊
- ❌ 將 Codex 或 agy 輸出直接貼進文件而未經 Claude 整合消化
- ❌ 使用過時資訊而未標註時效
- ❌ 為了篇幅而加入不相關的內容
- ❌ 為 agy 加上
-m 或其他 model flag（agy 由 CLI 自動選擇模型）
