菜单
深度研究工具。仅在用户明确说'深度研究'、'深入调查'、'全面报告'时使用。比普通搜索慢 10-100 倍。对于普通研究/查找请求，使用 parallel-web-search。支持多轮：传递 --previous-interaction-id 以继续之前的上下文。
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。
基于 SOC 职业分类
LLM 微调专家。使用场景：微调 LLMs、训练自定义模型、适配基础模型进行特定任务。用于配置 LoRA/QLoRA 适配器、准备 JSONL 训练数据集、设置超参数、适配器训练、迁移学习、Hugging Face PEFT 微调、指令微调、RLHF、DPO 或量化部署微调模型。触发词：LoRA、QLoRA、PEFT、微调、适配器调优、LLM 训练、模型训练、自定义模型。
AI 模型提示工程指南：LLM、图像生成器、视频模型。技术：思维链、少样本、系统提示、负提示。模型：Claude、GPT-4、Gemini、FLUX、Veo、Stable Diffusion 提示。用于：更好的 AI 输出、一致的结果、复杂任务、优化。触发词：提示工程、如何提示、更好的提示、提示技巧、提示指南、LLM 提示、图像提示、AI 提示、提示优化、提示模板、提示结构、有效提示、提示技术。
RAG（检索增强生成）模式专家。用于构建 RAG 管道、嵌入文档、实现混合搜索、上下文检索、HyDE、Agentic RAG、多模态 RAG、查询分解、重排或 pgvector 搜索。触发词：RAG、检索、LLM、上下文、嵌入、HyDE、重排、pgvector、多模态。
Apache Spark 作业优化：分区策略、缓存、shuffle 优化和内存调优。用于提升 Spark 性能、调试慢作业或扩展数据处理管道。触发词：Spark、性能优化、分区、缓存、shuffle、数据倾斜。
Web 研究工具：搜索多个来源、综合发现并生成带引用的研究报告。用于用户要求在线研究主题、搜索网页、查找信息、获取最新信息、对比选项或生成研究报告。触发词：研究、网上搜索、查找信息、最新信息、对比选项、研究报告。
帮助用户发现和安装 agent skills。当用户询问"如何做 X"、"找一个做 X 的 skill"、"有没有能...的 skill"，或表达想扩展能力时触发此 skill。
| name | parallel-deep-research |
| description | 深度研究工具。仅在用户明确说'深度研究'、'深入调查'、'全面报告'时使用。比普通搜索慢 10-100 倍。对于普通研究/查找请求，使用 parallel-web-search。支持多轮：传递 --previous-interaction-id 以继续之前的上下文。 |
深度研究工具，用于深入调查主题。
仅在用户明确请求深度/彻底研究时使用此 skill。 深度研究比 parallel-web-search 慢 10-100 倍。对于普通"研究 X"请求、快速查找或事实核查，使用 parallel-web-search。
parallel-cli research run "$ARGUMENTS" --processor pro-fast --no-wait --json
如果是跟进之前的研究或 enrichment 任务，知道 interaction_id，添加上下文链接：
parallel-cli research run "$ARGUMENTS" --processor lite --no-wait --json --previous-interaction-id "$INTERACTION_ID"
通过在请求间链接 interaction_id，每个后续问题自动具有之前轮次的完整上下文。后续使用 --processor lite 因为重型研究已在初始轮次完成。
此命令立即返回。必须使用 --no-wait — 否则命令会阻塞数分钟并超时。
处理器选项（根据用户请求选择）：
| 处理器 | 预期延迟 | 使用场景 |
|---|---|---|
pro-fast | 30秒 – 5分钟 | 默认 — 深度和速度的良好平衡 |
ultra-fast | 1 – 10分钟 | 更深入分析，更多来源（~2倍成本） |
ultra | 5 – 25分钟 | 最大深度，仅在明确请求时使用（~3倍成本） |
解析 JSON 输出，提取 run_id、interaction_id 和监控 URL。立即告知用户：
选择基于主题的描述性文件名（例如 ai-chip-market-2026、react-vs-vue-comparison）。使用小写和连字符，无空格。
parallel-cli research poll "$RUN_ID" -o "$FILENAME" --timeout 540
重要：
--timeout 540（9 分钟）以保持在工具执行限制内--json — 完整输出很大，会淹没上下文。-o 标志将结果写入文件-o 标志生成两个输出文件：
$FILENAME.json — 元数据和依据$FILENAME.md — 格式化的 markdown 报告更高的处理器层可能需要超过 9 分钟。如果轮询退出但未完成：
parallel-cli research poll 命令继续等待Step 1 后： 分享监控 URL（仅用于跟踪进度 — 不是最终报告）。
Step 2 后：
$FILENAME.md — 格式化的 markdown 报告$FILENAME.json — 元数据和依据interaction_id 并告知用户可以提出后续问题（"深入 X" 或 "与 Y 对比"）完成后不要再分享监控 URL — 结果在文件中。
询问用户是否想阅读文件获取更多详情。除非用户要求，否则不要将文件内容读入上下文。
记住 interaction_id — 如果用户提出与此研究相关的后续问题，将其用作下一个研究或 enrichment 命令的 --previous-interaction-id。
如果找不到 parallel-cli，安装并认证：
curl -fsSL https://parallel.ai/install.sh | bash
如果无法以这种方式安装，通过 pipx 安装：
pipx install "parallel-web-tools[cli]"
pipx ensurepath
然后认证：
parallel-cli login
或设置 API 密钥：export PARALLEL_API_KEY="your-key"