deep-research

name	deep-research
description	在任何需要联网检索的信息型问题上，用此技能指导多轮、多角度使用本项目的 `web_search` 工具。触发于「X 是什么」「解释 X」「比较 X 和 Y」「调研/研究 X」等，以及在开始任何内容生成任务（如 PPT、文章、UI、视频等）之前。提供系统化、多角度、多轮次的研究方法，而不是单次浅尝辄止的搜索。只要用户的问题需要线上信息，就应主动使用。

深度研究（Deep Research）技能

概览

本技能提供一套系统化的方法论，用于进行深入的网页研究。在开始任何内容生成任务之前先加载本技能，以确保从多个角度、不同深度与多类来源获取足够信息。

与本项目（Mini Agent）工具的对应关系

在 Mini Agent 运行时，联网检索只通过 LangChain 工具 web_search 完成（见 backend/tools/web_search.py，由 config.yaml 的 tools.web_search 配置加载）。

要点	说明
工具名称	调用时使用 web_search（函数名即工具名），不要使用其他环境中的 WebSearch、web_fetch 等名称。
配置	config.yaml → tools.web_search：provider 为 tavily（需有效 API key）或 duckduckgo（免费）；还可调 max_results、timeout_seconds。
返回内容	每条结果包含 标题、链接、摘要；摘要为截断后的片段（约 500 字以内），不是整页全文。
无 URL 抓取工具	当前仓库没有单独的「按 URL 拉取整页」工具。深度靠 多轮 web_search、换关键词、site: 限定、针对具体标题/机构再搜来弥补，而不是假设能 fetch 全文。

库表/成绩台账类结构化数据问题不是网页研究任务，不要用本技能代替专门的数据或业务工具；本技能仅约束 web_search 的使用方式。

何时使用本技能

在以下场景务必加载本技能：

研究类问题

• 用户询问「X 是什么」「解释 X」「研究/调研 X」「调查 X」
• 用户希望深入理解某个概念、技术或主题
• 问题需要获取最新、全面且多来源的信息
• 仅做一次网页搜索不足以给出高质量答案

内容生成（先研究再创作）

• 制作演示文稿（PPT/Slides）
• 进行前端设计或 UI Mockup
• 撰写文章、报告、文档
• 产出视频或多媒体内容
• 任何需要真实世界信息、案例或最新数据的内容

核心原则

不要只凭一般常识就生成内容。 输出质量直接取决于研究的质量与数量。单条搜索查询永远不够。

研究方法论

阶段 1：广泛探索

先用较宽的检索建立「地图」，理解全貌：

1. 初步摸底：用 web_search 搜主题，获得整体背景
2. 识别维度：从初步结果中识别需要深入的关键子主题/角度/议题
3. 绘制版图：记录不同立场、利益相关者与观点分歧

示例：

主题："AI in healthcare"
初步搜索（每次调用 web_search，一次一个 query）：
- "AI healthcare applications 2026"
- "artificial intelligence medical diagnosis"
- "healthcare AI market trends"

识别出的维度：
- 诊断型 AI（放射、病理）
- 治疗推荐系统
- 行政自动化
- 患者监测
- 监管与合规
- 伦理与偏见

阶段 2：深度下钻

对每个重要维度进行定向研究：

1. 更具体的查询：为每个子主题使用更精确的关键词
2. 多种表达：尝试不同同义词/短语组合，必要时多轮 web_search
3. 吃透摘要 + 追链再搜：充分利用返回的「摘要」；若某条链接明显关键但摘要不够，用 页面标题、站点名或 site:example.com + 关键词 再发起新的 web_search，而不是假定能打开 URL 读全文
4. 追溯引用：当摘要中提到关键报告/论文/法规名时，用这些专有名词作为新 query 继续 web_search

示例：

维度："Diagnostic AI in radiology"
定向搜索：
- "AI radiology FDA approved systems"
- "chest X-ray AI detection accuracy"
- "radiology AI clinical trials results"

随后基于结果：
- 对最相关的 1～2 个来源换角度再搜（作者、机构、报告名）

阶段 3：多样性与验证

为了覆盖全面且保持平衡，主动寻找多种信息类型：

信息类型	目的	示例检索词
事实与数据	提供可验证证据	"statistics", "data", "numbers", "market size"
案例与示例	真实世界应用	"case study", "example", "implementation"
专家观点	权威分析	"expert analysis", "interview", "commentary"
趋势与预测	未来方向	"trends 2026", "forecast", "future of"
对比分析	方案/竞品语境	"vs", "comparison", "alternatives"
挑战与批评	平衡视角	"challenges", "limitations", "criticism"

阶段 4：综合前自检

在开始内容生成前，确认：

• 是否至少从 3–5 个不同角度调用过 web_search（多轮、多 query）？
• 是否对最关键的若干条结果做了跟进搜索（换词、site:、报告名/论文名）以弥补摘要长度限制？
• 是否有具体数据、案例与专家观点（均来自工具返回或合理推断，不捏造）？
• 是否同时覆盖正面与局限/反对意见？
• 信息是否足够新且来源可信？

如有任一项为否，继续用 web_search 迭代，不要进入生成阶段。

检索策略技巧

高效查询模式

# 加上语境，让查询更具体
❌ "AI trends"
✅ "enterprise AI adoption trends 2026"

# 暗示权威来源类型
"[topic] research paper"
"[topic] McKinsey report"
"[topic] industry analysis"

# 指定内容形态
"[topic] case study"
"[topic] statistics"
"[topic] expert interview"

# 加入时间限定——必须使用 <current_date> 中的真实年份
"[topic] 2026"   # ← 替换为真实当前年份，绝不要写死成过去年份
"[topic] latest"
"[topic] recent developments"

时间敏感性

在形成任何搜索词之前先检查上下文中的 <current_date>。

<current_date> 会提供完整日期（年/月/日/星期）。根据用户意图决定时间精度：

用户意图	需要的时间精度	示例查询
「今天/刚发布/刚刚」	月 + 日	"tech news February 28 2026"
「这周」	周范围	"technology releases week of Feb 24 2026"
「最近/最新」	月份	"AI breakthroughs February 2026"
「今年/趋势」	年份	"software trends 2026"

规则：

• 用户问「今天/刚发布」时，查询里要用 月 + 日 + 年，尽量命中当日内容
• 不要把需要日级精度的问题降成只用年份（"tech news 2026" 往往抓不到当天的新闻）
• 多种表述并用：数字格式（2026-02-28）、英文月份格式（February 28 2026）与相对词（today, this week）

示例对比：

• ❌ 用户问「今天科技有什么新鲜事」→ 搜 "new technology 2026" → 可能漏掉当天新闻
• ✅ 搜 "new technology February 28 2026" + "tech news today Feb 28" → 更可能覆盖当天

如何弥补「只有摘要、没有整页抓取」

当满足以下任意条件时，应追加或改写 web_search，而不是假设能读取完整 HTML：

• 摘要已显示来源权威且高度相关，但需要更多细节 → 用 报告名、章节关键词、机构名 再搜
• 需要数据或案例 → 查询中加 "statistics"、"pdf"、"full report" 等
• 需要完整语境以免断章取义 → 对同一来源用 2～3 个不同 query 从侧边切入

迭代式细化

研究是迭代的。初步搜索之后：

1. 回顾已学到的内容
2. 找出理解上的缺口
3. 形成更定向的新 query，再次调用 web_search
4. 循环直到覆盖充分

质量门槛

当你能有把握回答以下问题时，研究就「够用」了：

• 关键事实与数据点是什么？
• 2～3 个可复述的真实案例是什么？
• 专家如何看待该主题？
• 当前趋势与未来走向是什么？
• 主要挑战/局限是什么？
• 这个主题为什么「现在」重要？

常见错误

• ❌ 1～2 次 web_search 就停止
• ❌ 只看第一条结果的摘要，不跟进链接相关的二次搜索
• ❌ 只研究单一方面，忽略多维度
• ❌ 忽略矛盾观点或局限
• ❌ 有最新数据却使用过时信息
• ❌ 研究没做完就开始生成内容
• ❌ 调用不存在的工具名（如 web_fetch、环境专属的 WebSearch），应统一使用 web_search

产出

完成研究后，你应该具备：

1. 从多个角度对主题的完整理解
2. 具体事实、数据点与统计数据
3. 真实案例与落地实践
4. 专家观点与权威来源（附链接时仅使用工具返回过的 URL）
5. 当前趋势与语境

只有达到上述程度，才进入内容生成阶段，用研究结果支撑高质量输出。