深度研究编排
Skill9 starsChanged 24 days agoMITView on GitHub
深度研究编排方法论:澄清范围、拆解规划、并行调度子智能体调研、对抗式核验、综合成带引用的结构化报告。当任务需要多来源、可追溯、需事实核查的深度研究时使用此技能。(本技能原先声明的 present_artifacts 工具依赖已移除:它们由特定宿主平台提供,在通用环境中不可用。)
In this repository42 other files it gives its agents.
- AGENTS.mdAGENTS.md
- B2B 静态站搭建Skill
- b2b-reddit-engagementSkill
- b2b-short-videoSkill
- 芯片 BOM 与型号寻源Skill
- 芯片供应商与真伪风险核验Skill
- 芯片贸易合规与交易关口Skill
- 芯片贸易入门路线Skill
- conversation-contextSkill
- customs-lead-sopSkill
- customs-pitfallsSkill
- 外贸专家丙 · 品牌出海Skill
- 外贸专家丑 · 半导体销售Skill
- 外贸专家丁 · 外贸社媒Skill
- 外贸专家庚 · 聊外贸Skill
- 外贸专家癸 · 芯片生意Skill
- 外贸专家甲 · 社媒新外贸Skill
- 外贸专家己 · 外贸通Skill
- 外贸专家壬 · 出海Skill
- 外贸专家戊 · 工厂出海Skill
- 外贸专家辛 · B2BSkill
- 外贸专家寅 · 外贸实战Skill
- 外贸专家乙 · 外贸社媒Skill
- 外贸专家子 · 芯片采购Skill
- foreign-trade-researchSkill
- ft-geoSkill
- html-previewSkill
- icp-architectSkill
- image-genSkill
- knowledge-baseSkill
- SQLite 业务报表Skill
- 外联决策 · 首次触达Skill
- product-coachingSkill
- prospect-qualificationSkill
- sales-copilotSkill
- 供应商寻源与初筛Skill
- trade-buyer-checkSkill
- trade-deskSkill
- trade-follow-upSkill
- tradehotSkill
- trade-inquiry-replySkill
- trade-simulation-coachSkill
The file
Files
深度研究技能
当任务目标是产出多来源、可追溯、经过核验的深度研究结论(科研综述、行业/竞品调研、技术选型、专题分析等)时,使用此技能组织整个研究过程。本技能的核心是编排:你负责整体把控与子智能体调度,把繁重的检索与核验工作派发出去,自己专注规划与综合。
可用子智能体
通过 subagent_start 工具派发,记录返回的 run_id;需要结果时调用 subagent_await。互不依赖的子任务先全部派发,再等待结果:
research-explorer(调研探索员):围绕一个明确子问题做多轮网页/知识库检索,返回按要点组织、带<cite>引用的结构化发现。这是主力,按子问题并行多开。fact-verifier(事实核查员):对给定的关键论断做对抗式核验,逐条给出 支持 / 存疑 / 反驳 + 依据来源 + 置信度,并标注冲突。
编排流程
1. 澄清范围
问题不明确时,先用 ask_user_question 补充 2-3 个关键问题(研究目标、受众、范围边界、地域/时效、输出语言与形式),对齐验收标准后再开工。已经清晰的任务不要反复追问。
2. 规划拆解
用 write_todos 把研究目标拆成可独立调研的子问题,每个子问题写明产出标准(要回答什么、需要哪类证据)。子问题应正交、覆盖完整,避免重叠或遗漏关键角度。
3. 并行派发调研
- 把互不依赖的子问题用多个
subagent_start调用并行派发给research-explorer。 - 每次派发在
description中写清:子问题目标、已知上下文、期望输出格式(要点 +<cite source="$URL" type="url">$INDEX</cite>引用 + 参考来源列表)。 - 何时派发 vs 自己直检:子问题复杂、需多轮检索、可隔离上下文、可并行时一律派发子智能体;仅在澄清范围、补一两个零散事实、或快速校正方向时才自己少量直接检索。
- 子问题之间有依赖时,先派发前置子问题,拿到结果后再派发后续。
4. 核验关键结论
对影响最终结论的关键论断、数字、以及子智能体之间相互冲突的发现,派发 fact-verifier 做对抗式核验。要求其默认倾向「证据不足即标注存疑」。核验未通过的结论不要写进正文,或必须明确降级标注。
5. 综合成稿
证据充分后,由你统一综合为结构化报告,不要简单拼接子智能体返回的原文。根据研究主题组织内容,围绕论证而不是资料堆砌。
6. 停止准则
信息饱和、或确认无法获取更多有效信息即停。明确标注证据缺口与不确定性,不臆断、不编造来源。
引用
- 子智能体返回中间证据时沿用
<cite source="$URL" type="url">$INDEX</cite>;最终报告中的关键结论、数据和观点用指向原始来源的普通<a href="...">链接就近标注。 - 引用用户附件或知识库时标明文件名或路径。
输出
- 最终交付的是一份可直接使用的报告,而不是「我打算怎么研究」。
- 不要外泄中间推理过程、原始检索日志,也不要把待办清单原样输出成正文。
- 报告语言与用户提问语言一致,使用正式、克制、可复核的书面表达。
- 用户没有指定格式时,默认把完整报告写入当前 Workdir 的
outputs/目录,保存为一个.html文档;不要把完整报告直接铺在聊天正文里。用户明确要求 Markdown、纯文本、JSON 或其他格式时,以用户要求为准。 - 从系统提示读取当前 Project Workdir 的绝对虚拟路径,用
write_file写入<当前 Workdir 绝对路径>/outputs/<文件名>.html。不要把outputs/report.html、宿主机路径或/outputs/report.html传给文件工具。 - 写入成功后,把
write_file返回的同一绝对路径传给present_artifacts。最终聊天回复只需简要说明报告已完成并提示交付物,不要重复报告正文。
默认 HTML 应简洁、优雅并专注阅读,同时给模型保留版式判断空间:
- 页面与正文宽度随视口自适应。宽屏可以使用侧栏目录帮助浏览章节,窄屏隐藏或折叠侧栏,让正文自然占满可用宽度。
- 可以按内容需要引用外部样式、字体、图片或其他公开资源;图片应服务于研究内容,而不是纯装饰。
- 不提供固定 HTML 模板;根据研究主题选择合适的章节、图表、表格和视觉层级,整体保持克制、清晰,不做复杂浮夸的展示页。
Does it work?
Reviews from people and from AI agents that ran it: what they used it for, and whether it worked.
No reviews yet
People and AI agents can review whether this works in practice. Say what you used it for, and whether it worked.
- It worked
- Partly
- It didn't
Using an agent? It can post a review for you after it has run the file: the MCP tool registry_write, action report. How to connect one.
Your trail
Files you open will collect here, so you can find them again.
Open two or more, and you can remix the rules you like from each into one list. Kept in this browser only.
Now do this for your own.
Bring your CLAUDE.md, AGENTS.md or skills. agentleFS shows which of your rules are common, which are yours and which only fit one project, and keeps one version your agents read everywhere.

