深度研究引擎(免费版)

提供多源调研支持，包括范围界定、多向量搜索、五维来源评估及迭代深化，助力系统化深度研究（免费版）。

系统化深度研究方法论，通过七步协议实现多源调研，覆盖范围界定、多向量搜索、来源评估与迭代深化.

输入格式

参数名	类型	必填	说明
input	string	是	深度研究引擎(免费版)处理的输入数据或指令
options	object	否	附加配置选项,如模式选择、格式偏好等
callback_url	string	否	异步处理完成后的回调通知URL

依赖说明

运行环境

• Agent平台: 支持SKILL.md的任意AI Agent（Claude Code / Cursor / Codex / Gemini CLI等）
• 操作系统: Windows / macOS / Linux

依赖项

依赖项	类型	是否必需	获取方式
LLM API	API	必需	由Agent内置LLM提供

API Key 配置

需要配置对应API Key，详见上文环境配置章节

可用性分类

• 分类: MD+EXEC（）

API Key配置方式:

bash

export API_KEY=${API_KEY:?请设置环境变量}

配置后需重启会话或开启新终端生效。API Key应妥善保管,避免泄露到版本控制系统.

核心能力

1. 研究范围界定

搜索前明确以下要素：

• 需要回答的确切问题是什么？
• 需要的深度级别？（概览 / 彻底 / 穷尽）
• 这将支持什么决策？
• 时间/精力预算？

将模糊问题重构为具体、可回答的查询.

2. 多向量搜索

多维度搜索方法：

• 从宽到窄逐步聚焦
• 多搜索引擎/多信息源并行
• 追踪引用链（从二手到一手来源）
• 主动寻找对立观点
• 跟踪每个来源，不遗漏未标注信息

3. 来源可信度五维评估

对每个来源评估：

• 权威性：谁写的？什么资质？
• 时效性：何时发布？仍然有效？
• 证据性：主张有数据支撑？
• 偏见性：有任何议程或利益冲突？
• 佐证性：其他来源是否确认？

标记低可信度来源，据此加权发现.

4. 迭代深化

研究是迭代的：

• 初始发现揭示新问题
• 跟踪有前景的线索
• 填补已识别的空白
• 停止条件：答案清晰、收益递减、预算耗尽

记录停止决策及原因.

快速开始

1. 确认运行环境满足依赖说明中的要求
2. 在AI Agent对话中调用本技能,提供必要的输入参数
3. 检查输出结果,根据需要进行后续处理

详细的输入输出格式请参考下方章节说明。

深度级别

级别	时间投入	来源数量	适用场景
Quick	5-10分钟	3-5	简单事实问题
Standard	30-60分钟	8-15	大多数研究请求
Thorough	2-4小时	20-30	重要决策
Exhaustive	数天	50+	关键高风险决策

开始前确认深度级别，发现需要调整时及时沟通.

适用场景

场景	输入	输出
技术选型调研	候选技术+评估维度	对比分析+推荐+置信度
竞品分析	竞品列表+分析维度	五维评估+差距矩阵
市场趋势研究	行业/领域	趋势发现+来源链+空白标注
事实核查	待验证主张	真伪判定+证据链+置信度

不适用于：快速查询（直接搜索即可）、合并已有文档、持续监控.

使用流程

1. Scope：界定问题、深度级别、决策目标
2. Search：多向量搜索，跟踪引用链
3. Evaluate：五维评估每个来源
4. Deepen：迭代深化，填补空白
5. Synthesize：调和矛盾，标注置信度
6. Document：记录来源链和搜索过程
7. Deliver：按需求格式交付

结果验证: 任务完成后,查看输出确认状态。成功时返回摘要和数据;失败时根据错误信息排查,参考恢复章节获取修复步骤.

示例

示例1：技术选型研究

text

输入: "对比PostgreSQL和MongoDB用于电商订单系统，深度: Standard"
Scope: 问题=关系型vs文档型在电商场景的优劣 | 深度=Standard(30-60min, 8-15源)
Search: 官方文档+性能基准+电商案例+社区讨论
Evaluate: 官方文档权威性高，社区讨论需佐证
Synthesize:
  ANSWER: PostgreSQL更适合电商订单系统，事务一致性需求优先于灵活schema
  CONFIDENCE: High — 多个生产案例佐证
  KEY FINDINGS:
  - 订单需ACID事务（PostgreSQL原生支持）— pg官方文档
  - MongoDB 4.0+支持事务但性能开销更大 — 基准测试论文
  - 电商场景join查询频繁（PostgreSQL优化更好）— 3个生产案例
  GAPS: 超大规模(10亿+订单)的分片对比数据不足

错误处理

错误场景	原因	处理方式
搜索结果全部来自同一来源	信息茧房或搜索策略单一	强制使用不同搜索引擎，追踪引用链到一手来源，主动搜索对立观点
来源间严重矛盾无法调和	信息不对称或利益方故意误导	按五维评估加权，标注矛盾点和各方立场，明确哪个来源更可信及原因
深度级别与时间预算冲突	Thorough/Exhaustive需要大量时间	与用户确认优先级，可先交付Standard级别初步发现，标注"需进一步深化的领域"
关键信息完全找不到	研究领域新颖或信息被刻意隐藏	在GAPS章节明确标注"无法确定"，不编造信息，建议替代信息源或专家咨询

常见问题

Q1: 深度研究的Quick和Standard级别有什么实际区别？

Quick（5-10分钟，3-5来源）适合简单事实确认，如"某API的速率限制是多少"。Standard（30-60分钟，8-15来源）适合需要多角度验证的常规研究，如"某技术的优缺点"。Quick通常1-2轮搜索即可，Standard需要3-5轮迭代深化，包括追踪引用链和交叉验证.

Q2: 五维评估中哪个维度最重要？

取决于研究主题。技术类研究时效性最重要（过时信息有害），学术类研究权威性和证据性最重要，争议性话题偏见性最重要。通用建议：先看偏见性（排除利益相关方），再看权威性和证据性（筛选可信信息），最后看时效性和佐证性（验证当前有效性）.

Q3: 来源间矛盾时如何决定相信谁？

不简单"选边站"，而是：1)检查各方利益冲突（谁可能从特定结论中获益）；2)比较证据质量（有数据vs仅观点）；3)看独立佐证数量（多个独立来源支持的结论更可信）；4)在输出中明确标注矛盾和各方立场，让用户了解不确定性.

已知限制

• 研究质量受信息源可访问性限制
• 付费墙后的学术/行业报告可能无法获取
• 实时变化的信息（如市场价格）有时效性风险

升级提示

本免费版提供基础功能。升级到完整版 in-depth-research 获取全部能力和高级特性.

输出格式

json

{
  "success": true,
  "data": {
    "result": "深度研究引擎(免费版)处理结果",
    "execution_time": "0.5s",
    "metadata": {
      "version": "1.0",
      "processor": "in-depth-research"
    }
  },
  "execution_log": [
    "解析输入参数",
    "执行核心处理",
    "格式化输出结果"
  ],
  "error": null
}