메뉴
基于 Perplexity (通过 OpenRouter) 进行网络深度调研和实时搜索。支持快速搜索 (sonar-pro-search) 和深度研究 (sonar-deep-research) 两种模式，灵活切换。
Codex 또는 Claude로 설치 이 Prompt를 복사해 Codex, Claude 또는 다른 어시스턴트에 붙여 넣으면 Skill 페이지를 검토하고 설치를 진행할 수 있습니다.
SOC 직업 분류 기준
火山引擎语音识别 - 将音频/视频转文字，支持长音频分段识别。
Use when publishing an Obsidian plugin to the community plugin store, creating GitHub Releases for Obsidian plugins, or submitting PRs to obsidianmd/obsidian-releases
一键部署静态网站到 Vercel 和 Cloudflare Pages。支持 HTML/React/Vue 等任意静态项目。
将 Expo/React Native 项目通过 EAS Build 构建 iOS 包并提交到 TestFlight。支持从零配置 EAS、构建、提交全流程。
综合画图工具 - AI 生图 (Nanobanana/Gemini) + 图片后处理（拼接/抠图/圆形裁剪/合成）。支持中英文自然语言画图。
统一搜索与抓取能力层 - 整合所有外部信息获取接口（搜索、抓取、下载）
| name | perplexity-research |
| description | 基于 Perplexity (通过 OpenRouter) 进行网络深度调研和实时搜索。支持快速搜索 (sonar-pro-search) 和深度研究 (sonar-deep-research) 两种模式，灵活切换。 |
| allowed-tools | Bash(python:*), Read, Write, Glob |
| model | sonnet |
通过 OpenRouter 调用 Perplexity 模型，进行实时网络搜索和深度调研分析。
| 模型 | ID | 适用场景 | 特点 |
|---|---|---|---|
| 快速搜索 | perplexity/sonar-pro-search | 简单问题、事实查询、快速验证 | 响应快、成本低 |
| 深度研究 | perplexity/sonar-deep-research | 复杂调研、多角度分析、综合报告 | 更全面、带引用 |
cd /Users/liuyishou/.claude/skills/perplexity-research/scripts
# 快速搜索（默认）
python perplexity_research.py --query "2024年AI领域最重要的突破是什么"
# 深度研究
python perplexity_research.py --query "分析 Claude 和 GPT-4o 的技术差异" --deep
# 指定语言
python perplexity_research.py --query "What is MCP in Claude" --lang en
# 保存为 Markdown
python perplexity_research.py --query "..." --output report.md
# 保存完整 JSON 响应
python perplexity_research.py --query "..." --output-json response.json
python perplexity_research.py --query "DeepSeek R1的参数规模是多少"
python perplexity_research.py --query "2024年最流行的向量数据库对比" --deep
python perplexity_research.py --query "AI编程助手市场格局分析" --deep --lang zh
python perplexity_research.py --query "Cursor vs Windsurf vs Claude Code 功能对比" --deep
python perplexity_research.py --query "2024年生成式AI的主要趋势"
| 参数 | 说明 | 默认值 |
|---|---|---|
--query | 调研问题（必填） | - |
--deep | 使用深度研究模式 | False (使用快速搜索) |
--model | 手动指定模型 | 自动选择 |
--lang | 输出语言 (zh/en) | zh |
--output | 保存结果到 Markdown 文件 | - |
--output-json | 保存完整 JSON 响应 | - |
--temperature | 采样温度 | 0.2 |
--max-tokens | 最大输出 token | 4096 |
询问用户：
| 场景 | 推荐模式 | 原因 |
|---|---|---|
| 简单事实查询 | 快速搜索 | 响应快、够用 |
| 数据验证 | 快速搜索 | 效率优先 |
| 技术对比 | 深度研究 | 需要多角度 |
| 市场分析 | 深度研究 | 需要综合 |
| 投资调研 | 深度研究 | 需要引用 |
cd /Users/liuyishou/.claude/skills/perplexity-research/scripts
# 根据场景选择
python perplexity_research.py --query "..." [--deep] [--lang zh]
根据用户需求格式化结果：
直接输出模型回答，包含引用来源（如有）
# 调研报告: [问题]
## 摘要
[核心发现]
## 详细分析
[模型回答]
## 来源
[引用列表]
---
模型: perplexity/sonar-deep-research
时间: 2024-01-26
| Skill | 数据源 | 适用场景 |
|---|---|---|
| perplexity-research | 全网实时搜索 | 事实查询、技术调研、市场分析 |
| research-by-reddit | Reddit 社区 | 用户痛点、舆情、情绪分析 |
| pain-point-research | Reddit 深度 | 产品机会、竞品分析 |
pip install requests python-dotenv
需要 OPENROUTER_API_KEY，已在全局 CLAUDE.md 中配置。
用户：DeepSeek R1 是什么时候发布的？
Claude：
[调用 perplexity/sonar-pro-search]
DeepSeek R1 于 2024 年 11 月发布...
用户：帮我调研一下 AI 编程助手的市场现状
Claude：
[调用 perplexity/sonar-deep-research]
生成《AI 编程助手市场调研报告》
用户：Claude MCP 和 OpenAI Function Calling 有什么区别
Claude：
[调用 perplexity/sonar-deep-research --deep]
生成技术对比分析...