deep-research-agent

name	deep-research-agent
description	深度研究技能，用于系统性调研与分析。适用于研究、调研、竞品分析、市场分析或结构化信息收集等需求。

深度研究 Agent

以增量方式开展系统化研究并输出。

工作流

1. 大纲 → 2. 初始化 → 3. 研究 → 4. 更新 → 5. JSON → 6. HTML

1. 创建大纲（必须）

研究前先向用户展示大纲：

• 研究目标
• 需要回答的关键问题
• 需要探索的信息来源
• 预期交付物

获得用户确认后再继续。

2. 初始化研究环境

运行初始化脚本，使用绝对路径创建工作目录：

python skills/deep-research-agent/scripts/init_research.py <absolute_template_path> <absolute_project_path>

用法： python init_research.py <absolute_template_path> <absolute_project_path>

模板（研究方向模板）：

不同研究类型使用对应的 Markdown 模板：

模板统一放在 deep-research-agent/templates 目录下，初始化时只需选择对应模板文件路径。

创建内容：

• report.md - 复制选定模板（位于项目目录）
• materials/ - 原始资料与笔记目录（包含 raw/ 与 notes/）

重要： 不要用 mkdir 或 Write tool 手动创建目录，必须通过初始化脚本生成结构。

3. 执行研究（增量）

搜索并立即保存：

每条有价值的信息都要 先保存到 materials 目录：

file_write(
    file_path="{project_path}/materials/raw/source_001.md",
    content="""## 来源: [标题]
- URL: [链接]
- 时间: [日期]

### 关键信息
- [要点1]
- [要点2]

### 数据
- [数据点]

### 引用原文
> [原文摘录]
"""
)

研究策略：

• 按章节/小节搜索
• 立即保存来源到 materials/
• 标注与报告章节的关联

4. 按章节更新报告

当某一节内容充足时，立即更新报告：

file_update(
    file_path="{project_path}/report.md",
    operations=[{
        "update_mode": "search_replace",
        "search_pattern": "## 1. 研究背景与目标\n\n{研究背景说明}",
        "replacement": """## 1. 研究背景与目标

### 1.1 研究背景

[基于materials/中的资料，撰写详细背景]

[包含数据支撑、引用来源]

### 1.2 研究目标

[具体目标]

### 1.3 研究范围

[范围界定]"""
    }]
)

更新规则：

• 某一节有 3+ 可靠来源即可撰写
• 必须完全替换：更新时务必彻底替换模板中的占位符内容，不要保留任何示例文字（如 [在此填写...]、{占位符} 等）
• 逐段检查：替换后通读该节内容，确保没有残留的模板示例文字

5. 质量检查与内容验证

在生成最终输出前，必须执行以下检查：

5.1 清理模板内容

• 检查 report.md 中是否还有未填充的模板占位符（如 {研究背景说明}、{在此填写...}、[请填写...] 等）
• 全部删除或替换为实际内容，禁止保留任何占位符

5.2 章节完整性检查

• 确保所有章节都已用实际研究内容替换，没有空章节
• 检查是否有仅包含标题而无实质内容的章节
• 如某些章节确实无相关内容，直接删除该章节标题，不要留空

5.3 内容合理性验证

• 通读全文：从头到尾阅读报告，确保逻辑连贯
• 检查一致性：确保数据、结论在各章节中保持一致
• 验证引用：确保引用的来源与实际收集的 materials 对应
• 删除示例文字：确保没有残留的模板示例文字（如 "[基于materials/中的资料...]" 等指导语）

5.4 最终确认清单

• 无模板占位符残留
• 无空章节
• 无示例/指导文字残留
• 数据来源已标注
• 逻辑连贯，结论合理

检查通过后，生成包含结构化数据的 research_data.json：

{
  "topic": "...",
  "created_at": "...",
  "outline": {...},
  "materials_count": 15,
  "sections_completed": ["1.1", "1.2", "3.1"],
  "key_findings": [...],
  "sources": [...]
}

输出结构

{user_specified_project_path}/
├── report.md               # 主报告（增量更新）
├── report.html             # 阅读友好的 HTML 版本
├── research_data.json      # 结构化数据
└── materials/
    ├── raw/                # 原始来源
    ├── notes/              # 按章节整理的笔记
    └── ...

关键原则

1. 先保存：所有来源立即写入 materials/
2. 尽早更新：内容成熟就写入报告
3. 按章节推进：不要等全部研究完成
4. 引用来源：报告内引用 materials/ 文件
5. 结构一致：research_data.json 与报告保持一致
6. HTML 输出：最终必须将 report.md 转为 HTML，使用 scripts/md_to_html.py 生成。
   • 命令：python skills/deep-research-agent/scripts/md_to_html.py /absolute/path/report.md
   • 默认输出为 report.html，可用 --out 指定输出路径。

模板选择指南

模板位置：deep-research-agent/templates。无需在此列出具体模板名称。