基于 SOC 职业分类
用 Codex 或 Claude 帮你安装 复制这段 Prompt,粘贴到 Codex、Claude 或其他助手里,让它检查 Skill 页面并帮你完成安装。
直接命令不会经过审查 Prompt;运行前请先检查来源。
npx skills add https://github.com/caoronglin/copaw-skills --skill deep-research命令会保持在同一行。复制前请横向滚动并检查完整内容。
想先保存到本地?可下载 SkillsMP 当前能够提供的文件。
正在显示 SKILL.md
| name | deep-research |
| description | 深度调研入口,智能整合多源搜索和摘要能力。用户说"调研"、"研究"、"深度搜索"、"总结内容"时使用。 |
| triggers | ["调研","研究","深度搜索","查一下","总结","摘要"] |
统一调研入口,整合搜索、提取、摘要、验证能力。
| 功能 | 工具 | 场景 |
|---|---|---|
| 多源搜索 | metaso, tavily, ali-web | 实时信息、学术文献 |
| 内容提取 | tavily_extract, fetch | 网页正文提取 |
| 交叉验证 | 多源对比 | 信息准确性验证 |
| 智能摘要 | 结构化输出 | 长文总结、报告生成 |
网页内容 → tavily_extract / fetch
学术搜索 → metaso(scholar) / arxiv
行业报告 → fxbaogao
技术文档 → context7
文件摘要 → pdf/docx/xlsx/pptx skill
| 模式 | 耗时 | 工具数 |
|---|---|---|
| quick | 1-2分钟 | 单源 |
| standard | 3-5分钟 | 2-3源 |
| deep | 5-10分钟 | 全源+分析 |
用户:调研CRISPR最新研究
→ deep_research(query="CRISPR", mode="deep", focus="academic")
→ 调用:metaso(scholar) + arxiv + 交叉验证
用户:总结这个网页
→ tavily_extract(url) → 结构化摘要
用户:分析新能源市场
→ fxbaogao + ali-web → 整合报告
搜索:metaso, tavily, ali-web, arxiv, fxbaogao 提取:tavily_extract, fetch, ali-web-ext 文档:pdf, docx, xlsx, pptx, image-recognition 知识:context7, deepwiki
深度调研 v2.0 | 搜索·提取·摘要·验证