deep-research

name	deep-research
description	Comprehensive deep research that produces structured, multi-section reports with source citations. Only use when user explicitly requests deep/thorough research via '/deep-research' command or says '徹底調査', 'deep research', '調査レポート作成', '包括的なレポート'. Do NOT trigger for simple lookups like '調べて' or 'リサーチして' — use WebSearch or gemini-collab for those.
version	2.1.0

Deep Research — 自律型深層調査

反復ループ（計画→並列検索→振り返り分析→改善→再検索）で体系的な調査レポートを自律生成する。

前提条件

• WebSearch / WebFetch ツールが利用可能であること
• 外部依存なし（tmux 不要、CLI 不要）

gemini-collab との使い分け

調査の規模	手段
ピンポイント（「〜について調べて」）	WebSearch/WebFetch 直接
対話型調査（「Gemini と相談」）	gemini-collab
体系的な深い調査（/deep-research）	このスキル

出力ファイル

• Obsidian（デフォルト）: ~/Library/Mobile Documents/iCloud~md~obsidian/Documents/Obsidian/note/YYYY-MM-DD-research-{slug}.md
• CWD: ./deep-research-{slug}-YYYYMMDD.md

slug はテーマから英語キーワードを抽出して短くしたもの。

ワークフロー

Phase 0: Configuration（ユーザー対話）
    ↓
Phase 1: Planning（メインエージェントが直接実行）
    ↓
Phase 2: Research Loop（反復）
    ├─ 2a. Search（Researcher サブエージェント × N 並列）
    ├─ 2b. Reflect（メインエージェントが分析）
    └─ 2c. 収束判定 → 不十分なら 2a に戻る
    ↓
Phase 3: Synthesis（Writer サブエージェント × 1）
    ↓
Phase 4: Output（保存・要約表示）

Phase 0: Configuration

1. テーマ確定: 引数があればテーマとして使用。なければ AskUserQuestion で確認
2. 深さ決定: 以下から選択（デフォルト: standard）

深さ	queriesPerSection	maxIterations	想定所要時間
quick	2	1	2-3分
standard	3	3	5-10分
deep	5	5	10-20分

3. スコープ確認（任意）: 調査対象の範囲と除外事項

進捗表示: 「テーマ: 〇〇 / 深さ: standard / スコープ: 〇〇」を表示

Phase 1: Planning（メインエージェント）

メインエージェントが直接実行する。サブエージェントは使わない。

1. 予備調査: WebSearch でテーマの概観を 2-3 クエリで把握
2. 情報プロファイル決定: テーマの性質に応じて、レポートが主に伝えるべき知識の種類を決める

テーマの性質	主軸となる知識	補足にとどめる知識
技術ツール・プラットフォーム	architecture, comparison, fact, warning	procedure, example（必要最小限）
市場動向・ビジネス	data, timeline, framework, fact	procedure は原則不要
新技術トレンド	timeline, comparison, data, architecture	example（代表的なもの1-2個のみ）
戦略・方法論	framework, comparison, warning, fact	checklist（実行時の参考として）
制度・政策	fact, timeline, data, taxonomy	procedure（申請手順等は補足）

重要: deep-research の出力は調査レポートであり、チュートリアルやハウツーガイドではない。読者が状況を理解し判断できることが目的であり、手順を逐一案内することが目的ではない。

3. セクション分割: テーマを 3-7 セクション（調査軸）に分解
4. クエリ生成: 各セクションに queriesPerSection 個の検索クエリを生成
   • 日本語テーマでも英語クエリを 1 つ含める
   • 同義語・別の切り口を含める
   • クエリはセクションの調査軸に沿った分析的な問いを優先する（「〇〇の現状」「〇〇 vs △△」「〇〇の課題」など）

進捗表示: 情報プロファイル + セクション一覧と各クエリをユーザーに表示

例:

情報プロファイル: 技術ツール調査
  → 主軸: architecture, comparison, fact, warning
  → 補足: procedure, example

調査計画:
1. [基本概念と設計思想] クエリ: "〇〇 architecture", "〇〇 design principles"
2. [エコシステムと選択肢] クエリ: "〇〇 vs △△ comparison", "〇〇 alternatives 2026"
3. [課題と制約] クエリ: "〇〇 limitations", "〇〇 security concerns"
...

Phase 2: Research Loop

iteration = 1 から maxIterations まで繰り返す。

2a. Search（Researcher サブエージェント × N 並列）

各セクションに対して deep-research-searcher サブエージェントを 並列起動 する。

Agent tool 呼び出しパターン:

# 各セクションを並列で起動（1つの応答で複数の Agent tool を呼び出す）
Agent(
  subagent_type: "deep-research-searcher",
  description: "Research: セクション名",
  prompt: "## 割り当て\n- セクション: {section_name}\n- クエリ: {queries}\n- イテレーション: {iteration}/{maxIterations}\n\n## 情報プロファイル\n- 主軸: {primary_types}\n- 補足: {supplementary_types}\n- レポートの目的: 調査レポート（チュートリアルではない）"
)

• deep-research-searcher は agents/researcher.md で定義（tools: WebSearch, WebFetch のみ、model: sonnet）
• 依存関係のないセクションは全て並列起動する
• 各 Researcher は Knowledge Blocks を構造化して返す（11 種の typed blocks）
• 情報プロファイルを渡すことで、テーマに適した知識収集を誘導する
  • 主軸の block types を優先的に収集し、補足の types は代表的なものだけに絞る

2b. Reflect（メインエージェント）

全 Researcher の結果を統合し、メインエージェントが直接分析する:

1. カバレッジ評価: 各セクションが sufficient / insufficient かを判定
   • 判定基準: Knowledge Blocks の数と、情報プロファイルの主軸 types が収集できているか
2. 矛盾検出: セクション間で矛盾する情報がないか確認
3. ギャップ分析: Researcher が報告した Gaps を統合
4. プロファイル適合度チェック: 主軸 types が不足していれば追加クエリを提案。補足 types が過剰（セクションの半分以上を占める）なら分析的なクエリに修正
5. 改善クエリ提案: insufficient なセクションに新しいクエリを提案
6. カバレッジスコア算出: 0-100%（全セクションの充足度の加重平均）

進捗表示: 「イテレーション {N}/{max}: カバレッジ {score}%」 を表示

2c. 収束判定（メインエージェント）

以下のいずれかで収束:

• coverage_score >= 80 かつ全セクション sufficient → 収束
• maxIterations 到達 → 強制終了
• カバレッジ増分 < 5% が 2 回連続 → 早期終了

収束しない場合: insufficient なセクションのみ、改善クエリで 2a に戻る。

Phase 3: Synthesis（Writer サブエージェント）

deep-research-writer サブエージェントを起動する。

Agent tool 呼び出しパターン:

report_template = Read("skills/deep-research/references/report_template.md")

Agent(
  subagent_type: "deep-research-writer",
  description: "Write research report",
  prompt: "## レポートテンプレート\n{report_template}\n\n## メタデータ\n- テーマ: {topic}\n- Date: {date}\n- Depth: {depth}\n- Iterations: {iterations}\n- Coverage: {coverage_score}%\n- Scope (In): {scope_in}\n- Scope (Out): {scope_out}\n\n## 全セクションの Knowledge Blocks\n{all_knowledge_blocks}\n\n## 分析結果\n{analysis}"
)

• deep-research-writer は agents/writer.md で定義（tools: なし、model: sonnet）
• Writer は Knowledge Blocks の type に応じて適切な Markdown 形式（表・コードブロック・手順リスト等）でレポートを生成する
• Writer はレポートのマークダウンテキストを返す

Phase 4: Output

1. 保存: Writer が返したレポートを Write ツールで保存
   • Obsidian: {vault}/note/YYYY-MM-DD-research-{slug}.md
   • frontmatter: date, tags: [research, deep-research]
2. 要約表示: TL;DR セクションをユーザーに表示
3. パス案内: 保存先のファイルパスを表示

エラーハンドリング

エラー	対応
WebSearch 失敗	1回リトライ → 失敗なら該当クエリをスキップ
WebFetch 失敗	スキップして次の結果へ
Researcher タイムアウト	部分結果で続行、該当セクションを insufficient としてマーク
全セクション insufficient	ユーザーにスコープ絞り込みを提案（AskUserQuestion）
coverage 収束せず	maxIterations で強制終了、現状スコアを明記してレポート生成
Writer 失敗	メインエージェントが直接レポートを生成（フォールバック）