| name | deep-research |
| tips_exempt | internal shared-reference coordinate repair; no user-visible capability change |
| description | 多源深度调研管道（Web Deep Research + Coder 合成 + 云端模型咨询）。 Use when: 技术问题需要多源调查、设计决策需要证据、operator说"调研"/"research"、需要咨询云端模型。 Not for: 简单搜索（直接用 WebSearch）、已有结论的确认。 Output: 调研报告 + 证据合成 或 咨询文档（含回填区）。
|
| triggers | ["调研","research","深度研究","问一下 GPT Pro","咨询云端"] |
| renamed-from | deep-research-pipeline |
Deep Research
两种模式：
- Mode A: 多源调研：Web 猫（网络搜索）+ Coder 猫（代码判断）+ GPT-5.2 Pro（审阅）= 三角验证
- Mode B: 云端模型咨询：本地猫总结背景 → operator发给云端模型 → 回填结果 → 本地猫综合
两种猫，各有分工
| Web 猫（Deep Research 模式） | Coder 猫（CLI/Clowder AI） |
|---|
| 强项 | 搜 100+ 来源，有引用 | 读项目代码，跑测试 |
| 弱点 | 不了解我们的 codebase | 网络搜索深度有限 |
| 用途 | Step 2 并行调研 | Step 4 综合判断 |
不适用场景：
- 快速事实查询（直接用 WebSearch）
- 纯代码问题（用 Explore agent）
- 项目文档里已有答案
文件组织规范（铁律）
一个研究课题 = 一个子目录。只要产出超过 1 个文件，就必须建子目录，禁止在 project-research/ 平铺散落。
project-research/YYYY-MM-DD-{topic}/
├── prompt.md # Step 1 研究提示词（同时保留到 docs/prompts/ 的副本）
├── {provider}-response.md # Step 2 云端 deep research 原文
│ 例：claude-response.md / gemini-response.md / gpt-response.md
├── gpt-pro-review.md # Step 3 GPT Pro 审阅（可选）
├── {cat}-synthesis.md # Step 4 猫猫独立综合分析
│ 例：opus-synthesis.md / codex-synthesis.md / opus47-synthesis.md
├── {cat}-点评.md # 非代码猫的风格点评（如Siamese）
└── synthesis.md # 最终合并综合（如果有）
命名规则：
{topic} 用英文 kebab-case（如 finance-provider-stack、memory-architecture）{provider} = 云端模型标识：claude / gemini / gpt / gpt-pro{cat} = 猫猫名：opus / opus47 / codex / gemini-cat（避免和 provider 名冲突时加 -cat）- 如果只有 1 个文件（如单次 Mode B 咨询），可以不建子目录，直接放
project-research/
Mode B 咨询归属：如果咨询是某个已有研究课题的一部分，文件放进该课题子目录（不另建目录）。
四步流程
Step 1 — 写 Prompt 并落盘
project-research/YYYY-MM-DD-{topic}/prompt.md
（同时复制一份到 docs/prompts/YYYY-MM-DD-{topic}-research-prompt.md，向后兼容）
模板见下方。写完再发，不要边写边发。
Step 2 — 三路并行 Web 调研
同一个 prompt →
Claude.ai Deep Research
Gemini Deep Research
ChatGPT Deep Research ← 可能先问澄清问题，答完后把 Q&A 追加到另外两路的 prompt
结果存：project-research/YYYY-MM-DD-{topic}/{provider}-response.md
Step 3 — GPT-5.2 Pro 审阅
输入三份报告 → 找逻辑漏洞、弱证据、三方分歧
存：project-research/YYYY-MM-DD-{topic}/gpt-pro-review.md（注意：Pro 是审阅者，不是调研者，不要让他搜索）
Step 4 — Coder 猫综合 + 决策
读全部四份文档 → 对照实际 codebase 验证 → 标注"直接可用/需验证/项目特殊约束"
如果多只猫并行综合，每只猫存自己的：{cat}-synthesis.md
最终合并版：synthesis.md → 和operator讨论 → 落到 ADR
Prompt 模板（Step 1）
使用 8 槽位骨架模板：../.cat-cafe-shared-refs/research-prompt-template.md
8 个槽位：
Problem Frame — 任务边界 + 非目标Current Hypotheses — 我们的假设 + 证据缺口Disconfirm First — 先找反例（反确认偏误）Source Mix Quota — 来源配额（论文/工程/开源/竞品）Local Constraints — 我们的约束（多引擎/人在环/知识在 repo）Output Schema — 支持/反对/未定 + 置信度Decision Interface — 映射到 采纳/试点/搁置Risk Register — 如果结论错了炸在哪
发送前自动注入（模板底部有清单）：当前 Feature spec、相关 ADR、最近教训、BACKLOG 上下文。
收到后 Quality Gate（模板底部有标准）：反例覆盖、来源多样性、约束对齐、可行动、风险意识。
实战范例：(internal reference removed)
Quota 意识
| 资源 | 策略 |
|---|
| ChatGPT Deep Research | 30 天滚动上限，发前确认值得用 |
| Claude / Gemini Deep Research | Plan-dependent，同上 |
| GPT-5.2 Pro | 仅用于 Step 3 审阅，不用于普通对话 |
三个视角的必要性： Claude / Gemini / GPT 各家族有不同的训练偏差。分歧处往往是最有价值的信号。
Chrome MCP 自动化（Step 2）
执行猫可用 mcp__claude-in-chrome__* 工具自动发送 prompt + 附件 + 提取回复。
详细 DOM 选择器和代码片段见各平台 ref：
- ChatGPT →
../.cat-cafe-shared-refs/chatgpt-browser-automation.md（2026-03-10 实测验证 ✅）
- Claude.ai →
../.cat-cafe-shared-refs/claude-ai-browser-automation.md（2026-03-10 实测验证 ✅）
- Gemini →
../.cat-cafe-shared-refs/gemini-browser-automation.md（2026-03-10 实测验证 ✅）
ChatGPT 自动化摘要（已验证）
| 步骤 | 方法 | 关键选择器 |
|---|
| 注入文本 | execCommand('insertText') | #prompt-textarea |
| 上传文件 | DataTransfer API 注入 file input | querySelectorAll('input[type="file"]')[0] |
| 切换深度研究 | 点击侧栏或 + 菜单 | [data-testid="deep-research-sidebar-item"] |
| 发送 | 点击发送按钮 / 按 Enter | 输入框右侧圆形按钮 |
| 等待完成 | 轮询停止按钮是否消失 | button[aria-label="停止生成"] |
| 复制回复 | 点击复制按钮 → 读剪贴板 | [data-testid="copy-turn-action-button"] |
文件上传工作流（提示词在输入框，ref 文档用文件上传）
1. 猫本地读取 ref .md 文件内容
2. JS: new File([content], 'filename.md', {type: 'text/markdown'})
3. JS: DataTransfer → fileInput.files = dt.files → dispatch 'change'
4. 文件卡片出现在输入框上方
5. 同时 execCommand 注入提示词文本
6. 发送
Gemini 自动化摘要（已验证）
| 步骤 | 方法 | 关键选择器 |
|---|
| 注入文本 | execCommand('insertText') ✅ | .ql-editor[contenteditable="true"]（Quill） |
| 切换 Deep Research | 工具菜单 | 点击「工具」→「Deep Research」 |
| 发送 | 点击发送按钮 | 输入框右侧蓝色箭头 |
| 确认计划 | 点击「开始研究」 | ← Gemini 独有！ChatGPT/Claude 无此步骤 |
| 等待完成 | 轮询停止按钮消失 | 或检查「分享和导出」按钮出现 |
| 导出 | 分享和导出 → 导出到 Google 文档 | 报告面板顶部按钮 |
| 下载 MD | Google Docs: 文件 → 下载 → Markdown | 标准 Google Docs 操作 |
重要更正：之前记录的"contenteditable 不接受 execCommand"是错误的。Gemini Quill 编辑器完全支持。
报告提取（2026-03-10 实测确认）
- GPT Pro 回复：
copy-turn-action-button + clipboard.readText() ✅ 全自动
- ✅ GPT 深度研究报告：API 提取法（
backend-api/conversation/{id} + Bearer token）
- 报告在 widget state JSON →
report_message.content.parts[0] = 完整 Markdown
- Blob 下载 →
cp 归档（详见 ../.cat-cafe-shared-refs/chatgpt-browser-automation.md）
- ✅ Claude.ai 报告：Artifact 面板原生 "Download as Markdown" 按钮（blob URL，同源 DOM）
- 点击 Copy options → Download as Markdown → 自动下载 .md 文件
- 比 ChatGPT 简单得多——无需 API 提取（详见
../.cat-cafe-shared-refs/claude-ai-browser-automation.md）
- ✅ Gemini 报告：导出到 Google Docs → 文件 → 下载 → Markdown (.md)
- 两跳路径（Gemini → Google Docs → 本地），比 ChatGPT/Claude 多一步
- 下载文件名 = Google Docs 文档标题 +
.md（详见 ../.cat-cafe-shared-refs/gemini-browser-automation.md）
常见错误
| 错误 | 修正 |
|---|
| 没落盘 prompt 就发 | prompt 文件 = 可追溯性，必须先写 |
| 三路发了不同的 prompt | 基础 prompt 相同；只有 GPT Q&A 是追加的 |
| 让 GPT Pro 去搜索 | Pro 是审阅者，不是调研者 |
| 忽略三方分歧 | 分歧 = 最有价值的信号，必须分析 |
| Coder 猫盲信 web 报告 | 必须对照实际 codebase 验证 |
Step 5 — 在交接前持久化调研产出
如果调研结果需要被后续 session、其他猫、或人类继续使用，就在结束该流程前 commit。
- 在 worktree 里：commit 到当前分支
- 在共享 main worktree：commit + push，确保其他 session 能看到
- 多次 Edit 更新：每次重大更新后追加 commit
验证：在总结 / handoff 里记录 commit SHA。git log --oneline -1 显示刚才的 commit。
Next Step
→ collaborative-thinking（讨论调研结论，形成决策）
Mode B: 云端模型咨询
场景：需要咨询无法访问本地文件的云端模型（如 GPT Pro、Claude Pro 等）。
问题：云端模型不知道我们的现状，也访问不到本地文件。直接问容易得到泛泛的回答。
解决：本地猫先总结背景，生成自包含的 prompt + 回填文档。
适用场景
- 需要 GPT Pro 帮忙审阅/补充观点
- 需要外部专家视角
- 本地调研完成后，想要第三方验证
- operator说"问一下云端的 xxx"
三步流程
Step 1 — 本地猫创建咨询文档
project-research/YYYY-MM-DD-{topic}-{model}-consult.md
文档结构（三部分）：
## Part 1: 发给云端模型的提示词
> 直接复制发送
{自包含的背景 + 我们的现状 + 已有结论 + 请求}
## Part 2: 云端模型回答（待回填）
> operator粘贴回答到这里
[待回填]
## Part 3: 综合后的最终版本（待撰写）
> 本地猫综合后撰写
[待撰写]
Step 2 — operator发送 + 回填
- 复制 Part 1 发给云端模型
- 把回答粘贴到 Part 2
- @ 本地猫继续
Step 3 — 本地猫综合
- 读 Part 2 的回答
- 对照本地 codebase 验证
- 综合写 Part 3（最终版本）
Part 1 Prompt 模板
你好，我们是 {团队简介}，正在 {做什么}。
### 背景
{简要说明项目现状，重点是云端模型需要知道的上下文}
### 我们的核心结论
{已有的结论/共识，用表格或列表清晰呈现}
### 请求
**请帮我们 {具体请求}**，例如：
- 补充 3-5 个业界案例
- 指出我们结论的盲区
- 给出更好的表述方式
理想的输出特征：
- {特征1，如：知名公司/产品}
- {特征2，如：有公开数据}
可以考虑的方向（不限于）：
- {方向1}
- {方向2}
**额外请求**：
- 如果你觉得我们的结论有盲区，请指出
- 如果有更好的 {比喻/表述/方案}，欢迎建议
关键原则
| 原则 | 说明 |
|---|
| 自包含 | Part 1 必须让云端模型仅凭这段 prompt 就能理解全部上下文 |
| 结构化 | 用表格/列表呈现已有结论，便于云端模型快速理解 |
| 明确请求 | 说清楚要什么（案例/审阅/建议），不要让模型猜 |
| 留回填区 | Part 2 和 Part 3 结构清晰，方便后续操作 |
| 追溯链 | 文档放在 project-research/，关联到原始 thread |
常见错误
| 错误 | 修正 |
|---|
| Prompt 假设云端模型知道我们的项目 | 必须写明背景，不能省略 |
| 只丢问题不给上下文 | 先总结我们已有的结论，再请求补充 |
| 忘记创建回填区 | Part 2 和 Part 3 必须预留，结构化便于操作 |
| 本地猫直接用云端结论 | 必须 Step 3 对照 codebase 验证后再综合 |
文件命名规范
独立咨询（不属于某个研究课题）：
project-research/YYYY-MM-DD-{topic}-{model}-consult.md
例如：2026-03-08-model-agent-platform-gpt-pro-consult.md
属于已有课题的咨询：放进课题子目录
project-research/YYYY-MM-DD-{topic}/{model}-consult.md
例如：(internal reference removed)
