来源信息
- 仓库
- Yaron9/MetaMe
- 最近来源活动
- 2026年7月27日 10:42
- 检测到的 SKILL.md 语言
- 中文
- 星标
- 18
- 分支
- 5
安装方式
默认使用会先检查来源的 Prompt；你也可以切换为直接命令，或下载本地副本。
检查来源文件
决定是否安装前，请先阅读 SKILL.md，以及 SkillsMP 当前展示的配套文件。
正在显示 SKILL.md
SKILL.md
来源说明 · 只读预览- name
- deep-research
- description
- AI深度研究助手。对任何主题进行迭代式深度研究，结合搜索引擎、网页抓取和大语言模型生成详细研究报告。触发词：深度研究、调研、research。
# Deep Research 深度研究
基于 [dzhng/deep-research](https://github.com/dzhng/deep-research) 思路，用 Claude Code 原生能力实现。
## 研究流程
收到研究请求后，按以下步骤执行：
### 1. 分解查询（广度）
根据主题生成 3-5 个不同角度的搜索查询：
- 基础概念/定义
- 最新进展/动态
- 技术实现/原理
- 应用场景/案例
- 对比/竞品
### 2. 迭代搜索（深度）
对每个查询：
1. `WebSearch` 获取搜索结果
2. `WebFetch` 抓取 2-3 个高质量页面详情
3. 提取关键信息，发现新问题
4. 对新问题继续搜索（迭代 1-2 轮）
### 2.5 NotebookLM 补充查询（可选）
如果用户的 NotebookLM 中有与主题相关的笔记本，可作为**私有知识源**补充公开搜索的盲区：
```bash
# 搜索是否有相关笔记本
python ~/.claude/skills/notebooklm-skill/scripts/run.py notebook_manager.py search --query "关键词"
# 查询笔记本获取有引用的回答
python ~/.claude/skills/notebooklm-skill/scripts/run.py ask_question.py --question "具体问题" --notebook-id ID
```
**使用时机**：
- 话题涉及用户个人积累的领域知识（已上传到 NotebookLM）
- 公开搜索结果不够深入，需要私有资料补充
- 用户主动要求"查一下我的 NotebookLM"
**不要**每次调研都自动查 NotebookLM，只在相关时使用。
### 3. 综合报告
整合所有信息，输出结构化报告：
```markdown
# [主题] 深度研究报告
## 摘要
[3-5 句核心发现]
## 背景与定义
## 技术原理/核心机制
## 最新进展
## 应用场景
## 竞品对比（如适用）
## 未来展望
## 参考来源
```
## 使用示例
用户说：
- "深度研究一下 AI Agent"
- "调研 MCP 协议的最新进展"
- "research Claude Code 的竞品"
## 输出位置
报告写入：`/tmp/research_report.md`
在 GitHub 查看