deep-research

name	deep-research
description	深度调研方法论（8步法）：将模糊主题转化为高质量调研报告。 触发词：/deep-research、深度调研、帮我调研、调研一下、对比分析 注意：如果用户需要的是可视化图谱而非报告，请使用 research-to-diagram skill。

Deep Research（深度调研 8 步法）

将用户提出的模糊主题，通过系统化方法转化为高质量、可交付的调研报告。

核心理念

• 结论来自机制对比，不是「我感觉像」
• 先钉牢事实，再做推导
• 资料权威优先：L1 > L2 > L3 > L4
• 中间结果必须保存，便于回溯和复用

参考文档

文档	内容
templates/intermediate-outputs.md	中间产物格式模板
templates/comparison-framework.md	对比框架模板
templates/fact-card.md	事实卡片模板
templates/report-structure.md	报告结构模板

---

工作目录结构

~/Downloads/research/<topic>/
├── 00_问题拆解.md          # Step 0-1 产出
├── 01_资料来源.md          # Step 2 产出
├── 02_事实卡片.md          # Step 3 产出
├── 03_对比框架.md          # Step 4 产出
├── 04_推导过程.md          # Step 6 产出
├── 05.5_校验记录.md        # Step 6.5 产出（独立 Agent 校验）
├── 05_验证记录.md          # Step 7 产出
├── FINAL_调研报告.md       # Step 8 产出
└── raw/                    # 原始资料存档

中间产物格式详见 templates/intermediate-outputs.md

---

资料分层

层级	资料类型	可信度
L1	官方文档、论文、规范、RFC	✅ 高
L2	官方博客、技术演讲、白皮书	✅ 高
L3	权威媒体、专家解读、教程	⚠️ 中
L4	社区讨论、个人博客、论坛	❓ 低

L4 社区来源（产品对比调研必查）：GitHub Issues/Discussions、Reddit、Hacker News

---

执行流程（8 步法）

每步完成后，立即写入对应文件。

Step 0: 问题类型判断

问题类型	核心任务	侧重维度
概念对比型	建立对比框架	机制差异、适用边界
决策支持型	权衡取舍	成本、风险、收益
趋势分析型	梳理演进脉络	历史、驱动因素、预测
问题诊断型	根因分析	症状、原因、证据链
知识梳理型	系统整理	定义、分类、关系

Step 0.5: 时效敏感性判断（BLOCKING）

敏感级别	典型领域	资料时间窗口
🔴 极高	AI/大模型、区块链	3-6 个月
🟠 高	云服务、前端框架	6-12 个月
🟡 中	编程语言、数据库	1-2 年
🟢 低	算法原理、设计模式	无限制

🔴 极高敏感领域强制规则：

1. 搜索时带时间约束（time_range: "month"）
2. 官方源优先（文档、博客、Changelog）
3. 版本号强制标注（禁止「最新版本支持」）
4. 超过 6 个月的博客仅作历史参考
5. 关键信息至少 2 个独立来源确认
6. 直接访问官方下载页面验证（不依赖搜索缓存）
7. 搜索产品支持的协议名称（MCP、ACP 等）

Step 1: 问题拆解与边界界定

把模糊主题拆成 2-4 个可调研的子问题，并明确研究对象边界（人群/地域/时间/层级）。

→ 保存：00_问题拆解.md

Step 2: 资料分层与权威锁定

搜索策略（高敏感领域）：

1. 官方源定向搜索（限定官方域名）
2. 官方下载页面直接验证（BLOCKING）
3. 协议/功能名称搜索（BLOCKING）
4. 限时广泛搜索
5. 版本核实
6. 社区声音挖掘（GitHub Issues、Reddit）

适用对象核查（BLOCKING）：收录资料前必须验证适用对象与研究边界匹配。

→ 保存：01_资料来源.md（持续更新）

Step 3: 事实抽取与证据卡片

把资料转化为可核验事实卡片，区分「官方说的」和「我推测的」。

→ 保存：02_事实卡片.md（持续更新）

Step 4: 建立对比/分析框架

根据问题类型选择固定维度：

• 通用：目标、机制、输入输出、优劣势、适用场景、成本收益
• 概念对比：定义、触发方式、执行主体、确定性、资源管理、安全边界
• 决策支持：实现成本、维护成本、风险、收益、团队能力要求

→ 保存：03_对比框架.md

Step 5: 参照物基准对齐

确保对比各方定义稳定、公认、无歧义。

Step 6: 从事实到结论的推导链

显式写出「事实 → 对照 → 结论」的推导过程，每个结论都能追溯到具体事实。

⚠️ 推导防护：结论不得悄悄升级事实卡片中的确定性层级。

• 事实卡片写「可能」→ 结论不得写「会」
• 事实卡片写「理论上」→ 结论不得写「实际上」
• 事实卡片 A 说「只有 X 被禁」+ 事实卡片 B 说「Y 可能受影响」→ 结论不得写「X 和 Y 都被禁了」
• 自检：写完每条结论后，回溯引用的事实卡片，确认确定性层级是否一致

→ 保存：04_推导过程.md

Step 6.5: 独立 Agent 校验（BLOCKING）

时机：事实卡片 + 推导过程完成后，写最终报告前。

原则：遵循 CLAUDE.md「计划校验」规范 — 产出者 ≠ 审查者。

执行方式：启动独立 Agent（Task 工具），将 02_事实卡片.md 和 04_推导过程.md 交给 Agent，校验以下维度：

1. 数据准确性：关键数字（价格、版本号、参数规模等）做二次搜索验证，至少抽查 3-5 个核心数据点
2. 推导逻辑：结论是否有跳跃、是否悄悄升级了确定性层级
3. 遗漏检查：是否遗漏了用户关心的关键对比维度

→ 保存：05.5_校验记录.md

铁律：

• ❌ 不得跳过此步直接写最终报告
• ❌ 不得自己校验自己（必须启动独立 Agent）
• ✅ 校验通过 → 继续 Step 7-8；校验发现错误 → 回溯修正事实卡片/推导过程

Step 7: 用例验证（Sanity Check）

用一个典型场景验证结论是否成立，检查有无反例。

→ 保存：05_验证记录.md

Step 8: 可交付化处理

交付三件套：

1. 一句话总结：可在会上直接复述
2. 结构化章节：用小标题切开推导链
3. 证据可追溯：关键事实附出处链接

→ 保存：FINAL_调研报告.md

→ 打包：tar -czvf ~/outcome.tar.gz -C ~/Downloads/research <topic>

---

报告输出结构

# [调研主题] 调研报告

## 摘要
[一句话核心结论]

## 1. 概念对齐
## 2. 工作机制
## 3. 联系
## 4. 区别
## 5. 用例演示
## 6. 总结与建议
## 参考资料

详见 templates/report-structure.md

---

质量检查清单

🎯 边界守恒检查（BLOCKING - 防止调研蔓延）

核心问题：调研最容易出的问题不是「查得不够多」，而是「查得太散」。

检查流程：

1. 回顾核心问题：Step 1 拆解的子问题是什么？用一句话写下来。

2. 资料相关性审计：对 01_资料来源.md 中的每条资料，用以下结构化标准判断：

   • 「这条资料能回答哪个子问题？」→ 写出对应的子问题编号
   • 如果无法对应任何子问题 → 删除，不要心疼
   • 如果「有点关系但不直接」→ 降级为补充材料，不进入主报告
   • ★ 高风险调研（涉及政策、医疗、法律等）：建议使用 Task 工具启动独立 Agent 复核相关性判断（产出者 ≠ 审查者）

3. 事实卡片瘦身：对 02_事实卡片.md 中的每张卡片问：

   • 「删掉这张卡片，核心结论还能成立吗？」
   • 如果能 → 这张卡片是认知负担，移到附录或删除

4. 报告聚焦检验：最终报告中的每个章节都要能追溯到 Step 1 的子问题

典型症状：

症状	表现	问题
边界蔓延	调研 A，顺便查了 B、C、D	报告臃肿，重点模糊
资料囤积	收集 50 条资料，只用了 10 条	浪费时间，增加噪音
概念发散	解释一个概念时引入 3 个新概念	读者认知过载
炫技式延伸	「其实还有更深层的机制……」	偏离用户实际需求

铁律：调研的目标是回答问题，不是展示知识面。

核心检查

• 所有核心结论都有 L1/L2 级别的事实支撑
• 对比维度完整，没有遗漏关键差异
• 有至少一个实际用例验证结论
• 参考资料完整，链接可访问
• 每个引用都可被用户直接验证
• 一句话总结清晰可复述

时效性检查（🔴🟠 敏感领域 BLOCKING）

• 资料时效性已标注
• 版本号已明确标注
• 官方源已优先使用
• 下载页面已直接验证
• 协议/功能名称已搜索
• GitHub Issues 已挖掘

适用对象一致性检查（BLOCKING）

• 研究边界已明确定义
• 每条资料都标注了适用对象
• 事实卡片中无对象混淆
• 报告中无对象混淆

执行范围与理论风险区分检查（BLOCKING）

核心问题：调研涉及封禁、限制、政策执行等「行动」时，最容易犯的错误是把理论风险等同于实际后果。

错误模式：

• 事实卡片 A 正确记录了「只有 Gemini 被禁用」（确认的实际后果）
• 事实卡片 B 正确记录了「OAuth token 理论上可访问 Gmail/Drive」（安全理由/理论风险）
• 推导过程把 B 的理论范围 → 等同于 A 的执行范围
• 最终报告写成「整个账户生态受影响」← 这是偷换

三层区分（事实卡片和报告中必须明确标注）：

层级	含义	标注格式	示例
已确认	一手用户报告证实发生了	[已确认]	"Gemini 服务被禁用"
官方理由	执行方的解释/动机	[官方理由]	"OAuth token 可能被滥用于访问更广的 Google 服务"
理论风险	技术上可能但未被用户报告证实	[理论风险]	"Gmail、Drive 等服务可能受牵连"

检查清单：

• 涉及封禁/限制/执行动作时，事实卡片是否区分了三层？
• 推导过程中，是否有从「理论风险」直接跳到「已确认后果」的逻辑跳跃？
• 最终报告中，执行动作的描述是否严格基于「已确认」层级？
• 「官方理由」和「理论风险」是否作为分析/解释出现，而非作为已发生的事实？

铁律：「X 在技术上可能发生」≠「X 已经发生」。报告中描述执行后果时，只能使用「已确认」层级的事实。「理论风险」可以作为分析维度呈现，但必须明确标注，不得混入事实性陈述。

典型事故：调研报告说「整个 Google 账户生态可能受影响」（基于 OAuth 理论范围），文章据此写「Gmail、Drive、Cloud 都受牵连——你的数字生活被掐断」。实际上用户报告只有 Gemini/Antigravity 被禁用，Gmail/Drive 完全不受影响。读者亲历者指出错误，作者声誉受损。

---

来源周全性要求

1. URL 可访问性：所有链接公开可访问
2. 引用精确定位：标明具体章节/页码
3. 内容对应性：引用能在原文找到对应
4. 时效性标注：标注发布/更新日期
5. 不可验证信息：标注 [来源受限]，不作为唯一支撑

---

最终回复规范

✅ 应该包含：

• 一句话核心结论
• 关键发现摘要（3-5 点）
• 打包文件位置（~/outcome.tar.gz）

❌ 禁止包含：

• 过程文件列表
• 详细调研步骤
• 工作目录结构

---

版本历史

版本	变更
v2.1.0	新增 Step 6.5：独立 Agent 校验（BLOCKING），写报告前必须校验事实和推导
v2.0.0	重构：模板外移到 templates/，SKILL.md 精简
v1.6	社区声音挖掘机制
v1.5	官方下载页面验证、协议名称搜索
v1.4	时效敏感性判断机制
v1.3	来源周全性要求
v1.2	适用对象核查机制
v1.1	中间产物管理
v1.0	初始版本