Deep search Mpro

专业深度研究与报告生成技能。支持企业竞争分析、产品竞争分析、行业分析、市场规模/竞争格局、AI大模型厂商、AI工具学习指南等领域。整合17个搜索引擎，三阶段工作流（主题确认→框架生成→报告输出），运用PESTEL、SWOT、波特五力、商业模式画布等经典咨询研究模型，输出精美的深蓝色政务风格HTML与Markdow...

Security Scan

The skill's instructions and assets broadly match a research/reporting tool, but there are mismatches and a prompt-injection signal that warrant caution before install.

Purpose & Capability

The skill claims to be a multi-source deep-research/report-generation tool and the repository contains templates, methodology docs, and HTML/Markdown assets consistent with that purpose. However, SKILL.md repeatedly states that two sub-skills ('multi-search-engine' and 'ddg-web-search') are already integrated and available under ./multi-search-engine/ and ./ddg-web-search/, but the provided file manifest does not show those directories or subskill code. That discrepancy (claiming integrated subskills that aren't present) is unexpected and should be clarified.

Instruction Scope

SKILL.md directs the agent to run a four-layer search strategy that uses agent capabilities (web_search, web_fetch) and a multi-search-engine fallback to scrape many sources (including Baidu, Weixin, Toutiao, Google, Bing, gov.cn, filetype:pdf). Those instructions require broad web access and potentially scraping Chinese domestic sites (which may need special handling). The skill also instructs the agent to read and load many local reference files (references/*.md) — these are present and consistent. Overall the scope matches a research tool, but the instructions are detailed and give the agent broad discretion to fetch and aggregate large amounts of web data. That increases risk if the included scripts (data_collector.py) perform uncontrolled network requests or contact third-party endpoints; the script contents were not fully visible in the truncated listing, so review of those scripts is recommended.

Install Mechanism

No install spec is provided (instruction-only style with included assets and helper scripts). This is lower risk than an installer that downloads/extracts arbitrary binaries. The repository does include auxiliary Python scripts for data collection; these are not installed automatically but would run if invoked — inspect them before executing.

Credentials

The skill declares no required environment variables, no credentials, and no config paths. That is proportionate to the described purpose. Still, because data_collector scripts may embed hardcoded endpoints or require network I/O, inspect script internals before granting it runtime network access.

Persistence & Privilege

Permissions/flags are defaults (always:false, user-invocable:true, model-invocation allowed). The skill does not request permanent presence or elevated platform privileges.

Scan Findings in Context

[unicode-control-chars] unexpected: A pre-scan matched unicode control characters in SKILL.md. Control chars in prompts are a common technique for prompt-injection or to try to alter evaluation; this is not expected for a straightforward research-skill README and should be inspected. It may be benign (e.g., formatting artifacts) but could indicate an attempt to influence agent behavior.

What to consider before installing

This package largely looks like a plausible deep-research/report template (lots of templates, references, and a described 3-stage workflow). Before installing or running it: 1) Verify the claim that 'multi-search-engine' and 'ddg-web-search' are integrated—check the repository for those subskill folders or ask the author; the SKILL.md claims they exist but the manifest doesn't show them. 2) Inspect the scripts (scripts/data_collector.py and related files) for any hardcoded external endpoints, telemetry/exfiltration logic, or obfuscated code; do not run them with network access until reviewed. 3) Remove or neutralize any unexpected unicode/control characters in SKILL.md and other instruction files and re-run a safety review. 4) If you plan to allow the agent to perform web_fetch/scraping, run the skill in a sandboxed environment and avoid giving it access to sensitive internal networks or credentials. 5) If you need higher assurance, request the full contents of the collector scripts and a clear explanation from the publisher about how the claimed integrated subskills are provided. Proceed only after those clarifications.

专业研究报告技能

概述

该技能用于生成专业、咨询级别的研究报告，覆盖市场分析、AI 大模型厂商、SaaS 厂商、AI 工具学习指南、竞争情报、行业研究等领域。

核心能力

• ✅ 多源搜索引擎：17个搜索引擎（8个国内 + 9个国际），无需 API 密钥
• ✅ 三阶段工作流：主题理解与确认 + 分析框架生成 + 报告生成
• ✅ 交互式确认：支持用户确认、修改、提问等交互式反馈
• ✅ 双格式输出：Markdown + HTML，深蓝色政务风格

何时使用本技能

• 用户请求市场分析、消费者洞察报告、财务分析、行业研究
• 用户输入具体 AI 工具名称，需要生成学习指南（如"Cursor 学习指南"）
• 用户需要专业的咨询风格研究报告
• 用户提供研究主题，并在数据收集前需要结构化分析框架

整合的技能与能力

本技能整合了以下核心搜索能力，提供多源数据搜索与分析支持：

整合来源	路径	能力说明	版权归属
ddg-web-search	ddg-web-search/	DuckDuckGo 网络搜索能力，提供全球范围内的实时搜索支持	原作者所有
multi-search-engine	multi-search-engine/	多搜索引擎聚合能力，整合17个搜索引擎（8个国内 + 9个国际），无需 API 密钥	原作者所有

能力集成说明：

本技能已将上述搜索能力整合为核心功能

---

三阶段工作流

阶段 0：主题理解与确认

目的：确保正确理解用户的研究需求，避免方向偏差。

工作流程：

1. 解析用户输入

   • 识别研究主题、分析领域、搜索范围、特定角度

2. 推断分析领域

根据主题关键词推断分析领域，加载对应的领域文档：

主题类型	关键词示例	领域文档
行业分析	"{行业名}行业分析"、"ERP行业趋势"、"AI Agent行业"	references/domains/industry-analysis.md
企业竞争分析	"{公司名}分析"、"{公司名}竞争分析"、"{公司名}研究"、金蝶、用友、SAP等	references/domains/company-analysis.md
产品竞争分析	"{产品名}分析"、"{产品名}研究"、"{产品名}竞争力"	references/domains/product-analysis.md
市场规模/竞争格局	"市场规模分析"、"竞争格局研究"、"市场机会评估"	references/domains/market-analysis.md
AI 大模型厂商	OpenAI、Anthropic、DeepSeek、智谱AI等	references/domains/ai-vendor-analysis.md
AI 工具学习指南	"AI工具使用指南"、"Gemini教程"	references/domains/ai-tool-learning-guide-framework.md

推断逻辑：

1. 行业关键词（行业分析、行业趋势、行业研究）→ 行业分析

2. 企业名称 + 分析/研究 → 企业竞争分析

3. 产品名称 + 分析/研究 → 产品竞争分析

4. 市场规模/竞争格局关键词（市场规模、竞争格局、市场机会）→ 市场规模/竞争格局分析

5. AI 厂商名（OpenAI、DeepSeek等）→ AI 厂商分析

6. 生成确认提示

向用户展示以下确认项，等待用户确认或修改：

确认项	说明	示例
研究主题	解析后的核心研究对象	"金蝶企业竞争分析"
研究方向	分析领域及分析角度	"企业竞争分析：商业模式 + 竞争格局 + 近期动态"
时间范围	数据收集的时间窗口	"近一周" / "近一月" / "自定义（如2024Q1）"

时间范围说明：

• 近一周：聚焦最新动态、热点事件、近期发布
• 近一月：平衡时效性与深度，适合大多数分析
• 自定义：特定时间段（如财报季、产品发布周期）

时间参数传递：

• 时间范围确认后，记录为全局参数 search_time_range
• 在阶段1数据收集时，自动转换为搜索时间过滤条件
• 示例：search_time_range = "近一周" → 搜索引擎添加 &before=2026-03-18&after=2026-03-11

4. 处理反馈
   • 用户确认 → 记录时间参数，进入阶段 1
   • 用户修改 → 更新确认项后重新确认
   • 用户提问 → 解答后重新确认

详细流程和示例：见 references/workflow/phase0-details.md

---

阶段 1：分析框架生成

目的：生成完整的分析框架，作为后续数据收集与报告生成的蓝图。

工作流程：

1. 理解研究主题

   • 识别核心对象和分析领域
   • 加载对应的领域文档（references/domains/*.md）

2. 选择分析模型

   • 根据领域文档推荐，按需加载模型文件（references/models/*.md）
   • 每次研究只加载 2-4 个模型，避免堆砌
   • 模型索引：references/models/README.md

3. 设计章节骨架

   • 每章包含：分析目标、分析逻辑、核心假设
   • 典型结构：3-5 个主要章节

4. 定义数据需求

   • 每条需求包含：指标、类型、来源、搜索方法、优先级
   • P0 数据必须收集，P1 重要，P2 补充

5. 定义可视化方案

   • 为每章定义图表类型和数据来源

详细流程和示例：见 references/workflow/phase1-details.md

---

阶段 2：报告生成

目的：将分析框架和数据整合为最终的咨询级报告。

工作流程：

1. 接收并校验输入

   • 确认分析框架和数据包齐全
   • 检查 P0 数据完整性

2. 映射报告结构

   • Abstract → Introduction → Body Chapters → Conclusion → References

3. 撰写报告

   • 遵循"视觉锚点 → 数据对比 → 综合分析"流程
   • 每个小节以充分的分析段落结尾（≥200字）

4. 撰写摘要和结论

   • 摘要：3-5 句话，200-300 字
   • 结论：纯客观综合判断，不使用 bullet points

5. 整理参考文献

   • 按 GB/T 7714-2015 格式列出

6. 生成输出文件

   • Markdown 文件：assets/report-template.md
   • HTML 文件：根据分析模型组合模块化模板

HTML 模板系统：

位于 assets/templates/ 目录，提供 10 个模块化模板：

模板文件	分析模型
product-overview-template.html	产品概览
target-users-template.html	目标用户分析
core-features-template.html	核心功能
business-model-canvas-template.html	商业模式画布
porter-five-forces-template.html	波特五力分析
swot-analysis-template.html	SWOT 分析
pestel-analysis-template.html	PESTEL 分析
competitor-matrix-template.html	竞品对比矩阵
timeline-template.html	关键时间线
key-metrics-template.html	关键指标

模板组合建议：

研究类型	推荐模板组合
AI 厂商/产品	产品概览 → PESTEL → 目标用户 → 竞品矩阵 → 商业模式画布 → SWOT → 核心功能
市场竞争	产品概览 → PESTEL → 波特五力 → 竞品矩阵 → 关键指标
商业模式	产品概览 → PESTEL → 商业模式画布 → SWOT
行业研究	产品概览 → PESTEL → 波特五力 → 关键指标 → 时间线

详细流程和示例：见 references/workflow/phase2-details.md

---

数据收集策略

多层搜索方案（优先级顺序）

第一层：Agent 内置 web_search（优先使用）

• 快速获取基础信息
• 参数：query、max_results（建议 3-10）
• 适用场景：初步数据获取、验证数据是否存在

第二层：web_fetch 深度搜索

• 直接访问搜索引擎获取详细结果
• 中文市场：百度、微信、头条
• 国际市场：Google、Bing
• 政府数据：site:gov.cn
• 行业报告：filetype:pdf
• 详细使用方法：见 references/technical/search-engines.md

第三层：multi-search-engine 备用方案（如前两层无法获取数据）

• 整合 17 个搜索引擎（8个国内 + 9个国际）
• 无需 API 密钥
• 支持高级搜索操作符和时间过滤
• 适用场景：当 web_search 和 web_fetch 都无法获取数据时

第四层：ddg-web-search 最终备选

• DuckDuckGo Lite 搜索
• 零依赖，仅需 web_fetch 工具
• 适用场景：当所有搜索引擎都无法访问时的最终备选

搜索策略执行逻辑

对于每个数据需求（P0/P1/P2）：

1. 先使用 web_search 快速获取
   - 成功：进入数据提取
   - 失败：进入第2层

2. 使用 web_fetch 深度搜索
   - 成功：进入数据提取
   - 失败：进入第3层

3. 使用 multi-search-engine 备用方案
   - 根据数据类型选择合适引擎：
     * 中文市场 → 百度、微信、头条
     * 国际市场 → Google、Bing
     * 政府数据 → site:gov.cn
     * 行业报告 → filetype:pdf
   - 成功：进入数据提取
   - 失败：进入第4层

4. 使用 ddg-web-search 最终备选
   - 成功：进入数据提取
   - 失败：标注"数据暂不可得"

数据提取：
- 从搜索结果中提取关键数据
- 多源交叉验证（至少2个来源）
- 标注数据可信度（high/medium/low）

内置搜索能力说明

本技能已内置整合以下搜索能力，用户无需额外安装任何子技能：

搜索层	能力来源	说明
第1层	Agent 内置 web_search	默认优先使用
第2层	Agent 内置 web_fetch	深度搜索
第3层	已整合 multi-search-engine	17个搜索引擎，无需安装
第4层	已整合 ddg-web-search	DuckDuckGo Lite，无需安装

子技能已整合：

• ./multi-search-engine/ 和 ./ddg-web-search/ 的能力已完全整合进本技能
• 所有搜索引擎的 URL 模板和使用方法见 references/technical/search-engines.md
• 四层搜索策略的详细流程见 references/technical/multi-layer-search-strategy.md

---

数据真实性协议

严格遵循规则：报告中呈现的所有数据，必须直接来源于提供的 Data Summary 或 External Search Findings。

• 禁止幻觉：不得编造、估算或模拟数据
• 可追溯来源：每个重要结论和图表都必须能够追溯到输入的数据包
• 数据缺失处理：如数据缺失，明确写出"数据暂不可得"

---

输出格式

Markdown 文件

• 文件名：{主题关键词}-report-{日期}.md
• 模板：assets/report-template.md

HTML 文件

• 文件名：{主题关键词}-report-{日期}.html
• 模板：assets/html-template.html
• 风格：深蓝色政务/企业内报风格
• 布局：左侧树状导航（固定）+ 右侧内容展示

格式与语气标准

• 语气：麦肯锡 / BCG 风格 —— 权威、客观、专业
• 数字格式：千位分隔使用英文逗号（1,000）
• 数据强调：重要观点和关键数字需加粗
• 标题编号：使用标准编号（1.、1.1）
• 参考文献：必须严格遵循 GB/T 7714-2015

---

参考文档体系

领域分析框架

文档	说明
references/domains/industry-analysis.md	行业分析框架（PESTEL + 波特五力 + 价值链）
references/domains/company-analysis.md	企业竞争分析框架（含 SaaS 厂商分析，商业模式画布 + SWOT + 竞品矩阵）
references/domains/product-analysis.md	产品竞争分析框架（目标用户 + 竞品矩阵 + 核心功能）
references/domains/market-analysis.md	市场规模/竞争格局分析框架（TAM-SAM-SOM + 波特五力）
references/domains/ai-vendor-analysis.md	AI 大模型厂商分析框架
references/domains/ai-tool-learning-guide-framework.md	AI 工具学习指南生成框架
references/domains/hotspot-analysis.md	热点分析公共模块（企业/产品/AI/SaaS/全球AI热点）

工作流程详细文档

文档	说明
references/workflow/phase0-details.md	阶段0 详细流程和示例
references/workflow/phase1-details.md	阶段1 详细流程和示例
references/workflow/phase2-details.md	阶段2 详细流程和示例
references/workflow/examples-complete.md	完整示例集（5个场景）

技术指南

文档	说明
references/technical/multi-layer-search-strategy.md	四层搜索策略详细指南
references/technical/search-engines.md	多源搜索引擎使用指南
references/technical/data-quality-guidelines.md	数据质量控制标准
references/technical/format-conversion.md	格式转换指南

HTML 模板

文档	说明
assets/templates/README.md	模板使用说明
assets/templates/*.html	10 个模块化 HTML 模板

领域分析框架（重复）

文档	说明
references/domains/industry-analysis.md	行业分析框架（PESTEL + 波特五力 + 价值链）
references/domains/company-analysis.md	企业竞争分析框架（商业模式画布 + SWOT + 竞品矩阵）
references/domains/product-analysis.md	产品竞争分析框架（目标用户 + 竞品矩阵 + 核心功能）
references/domains/ai-vendor-analysis.md	AI 大模型厂商分析框架
references/domains/ai-tool-learning-guide-framework.md	AI 工具学习指南框架
references/domains/saas-vendor-analysis.md	SaaS 厂商分析框架
references/domains/market-analysis.md	市场与竞争分析框架

分析模型库

文档	说明
references/models/README.md	模型索引和使用说明
references/models/strategic/*.md	战略模型（SWOT、PESTEL、波特五力、VRIO）
references/models/market/*.md	市场模型（STP、BCG、TAM-SAM-SOM）
references/models/competitive/*.md	竞争模型（商业模式画布、竞品矩阵、价值链）
references/models/consumer/*.md	消费者模型（决策旅程、AARRR、RFM）
references/models/financial/*.md	财务模型（杜邦分析、DCF、可比公司）

方法论

文档	说明
references/methodology/deep-research-methodology.md	深度研究方法论
references/methodology/report-writing-guide.md	报告撰写指南

---

质量检查清单

阶段 0（主题理解与确认）

• 研究主题已明确
• 分析领域已识别
• 搜索范围已确定
• 用户已确认

阶段 1（分析框架）

• 框架覆盖了该领域自然应有的全部分析维度
• 每章均有明确的分析目标、分析逻辑与核心假设
• 数据需求具体、可衡量，并指定了推荐搜索方法
• 每章至少有一个可视化方案

阶段 1→2（数据收集）

• 所有 P0 数据任务已完成
• 关键数据至少从 2 个来源验证
• 数据来源已记录
• 数据可信度已标注

阶段 2（报告生成）

• Markdown 报告零幻觉
• 每个小节均遵循"数据对比 → 综合分析"
• 参考文献格式正确（GB/T 7714-2015）

---

配置项

output_locale = zh_CN  # zh/en
default_search_engines = ["baidu", "bing", "google"]
data_validation_required = true  # P0 数据必须验证
interactive_confirmation = true  # 交互式确认，支持用户修改研究参数

---

版本历史

• v1.0.0: 正式版
  • 三阶段工作流（主题确认→框架生成→报告输出）
  • 整合 17 个搜索引擎（8个国内 + 9个国际）
  • 支持市场分析、行业分析、AI/SaaS厂商分析、竞争情报、竞争分析等领域
  • 交互式主题确认，支持用户修改研究参数
  • 双格式输出（Markdown + HTML）
  • 四层搜索策略（web_search → web_fetch → multi-search-engine → ddg-web-search）