vaDeepresearch

系统化深度研究技能。适用于联网研究、市场分析、竞品分析、行业研究、技术调研、论文与开源项目梳理、报告写作前置调研、PPT/文档/方案生成前的信息搜集与深度分析。当用户提出深度分析xxx、帮我分析xxx、快速分析xxx、深度研究xxx、详细分析xxx等话术时使用该 skills。必须输出 Markdown（.md）文件，并提供下载地址或可直接打开的文件入口。

1. 核心定位

本技能用于将“单次检索式回答”升级为“多角度检索、多源交叉验证、结构化综合分析、可追溯报告输出”的系统化研究流程。

研究规划、问题拆解、查询设计、证据抽取、冲突识别、综合分析和报告生成均由大模型自主完成；事实获取与验证仅使用当前运行环境中真实可用的搜索、网页读取、文件读取、学术检索、代码仓库检索或连接器工具。

核心原则：

1. 先研究，后结论：凡是依赖现实世界信息、行业数据、论文、产品、政策、市场、新闻或近期事实的内容，必须先检索验证，再形成结论。
2. 多角度覆盖：不得仅依赖单一关键词、单一来源或单一视角完成研究。
3. 证据可追溯：关键结论必须对应具体来源；数据、年份、主体、地域、口径和适用边界必须明确。
4. 工具真实可用：不得假设存在未配置的本地脚本、固定 API、自动化目录或预设数据文件。
5. 冲突显式处理：来源之间存在差异或矛盾时，必须标注冲突、分析口径差异，并给出可信度判断。
6. 限制透明披露：无法联网、无法访问来源、来源不足或证据不充分时，必须明确说明，并给出保守结论。
7. Markdown 文件强制交付：最终研究成果必须形成 .md 文件，并向用户提供下载地址、Canvas 链接或其他可直接打开的文件入口；不得只给纯聊天文本而不提供文件交付。
8. 输出面向决策：报告不应堆砌资料，而应围绕用户问题形成判断、风险提示和可执行建议。

---

2. 触发条件

2.1 中文触发

当用户出现以下意图时启用：

• “快速分析……”“快速研究……”
• “深度分析……”“深度研究……”“全面分析……”
• “帮我研究一下……”“调研一下……”
• “市场分析”“竞品分析”“行业研究”“研究报告”
• “有哪些论文/开源项目/数据集/方案/案例”
• “比较 A 和 B”“分析某技术路线/产品/公司/行业”

2.2 English Triggers

Use this skill for:

• “quick analysis of …”
• “deep research on …”
• “comprehensive analysis of …”
• “market analysis / competitive analysis / industry research”
• “research report about …”
• “papers, open-source projects, datasets, cases about …”

2.3 不必启用的情况

• 用户只是要求改写、翻译、润色已提供文本，且不需要外部事实。
• 用户明确要求不要联网或不要检索。
• 问题属于稳定常识，且用户不要求来源、最新信息或深度分析。
• 用户只要求格式调整、语气优化、标题优化等轻量文本处理。

---

3. 输入理解与研究规划

开始研究前，先从用户需求中抽取并确认以下字段：

字段	说明
Topic / 主题	研究对象是什么
Scope / 范围	市场、技术、论文、竞品、政策、应用、风险等
Depth / 深度	快速分析或深度分析
Time Range / 时间范围	最新、今年、近三年、历史演进等
Geography / 地域	全球、中国、美国、欧洲、某区域或行业
Output / 输出	简答、表格、研究报告、PPT素材、方案、Markdown文档等
Language / 语言	默认跟随用户语言
Decision Context / 决策场景	用于投资、产品规划、技术选型、学术综述、汇报材料等

若用户没有明确范围，不要停留在追问；应先按最合理的通用框架执行，并在输出中说明默认范围。只有当缺失信息会导致研究方向完全错误时，才提出一个必要澄清问题。

---

4. 研究深度分级与输出字数

报告方式	适用场景	检索要求	输出长度	输出要求
快速分析	快速了解、初步判断、会前准备	至少 3 个有效来源，覆盖 2-3 个关键角度	约 2000 字	结论先行、证据摘要、核心风险、初步建议
深度分析	正式报告、决策评审、市场/竞品/技术路线研究	至少 10 个有效来源，覆盖 5-10 个角度，尽量包含官方、行业、新闻、学术、案例等来源	5000 字以上	完整报告、方法论、证据矩阵、对比表、风险矩阵、情景推演、行动建议

有效来源指：内容与主题直接相关、可追溯、时效合适、来源可信度可判断。

---

5. 执行方式

本技能不依赖本地辅助脚本。原先由脚本完成的任务，统一由大模型按照以下方式完成：

任务类型	执行方式	输出形态
任务编排	拆解研究目标、范围、角度、优先级和默认假设	研究计划、角度清单、执行顺序
查询词生成	生成中英文关键词、同义词、行业术语、时间限定词、地域限定词、反向检索词	查询词矩阵
多源检索	调用当前可用的搜索、网页读取、学术、代码仓库、文件或连接器工具	来源清单、摘要、引用
来源评估	根据来源类型、主体、发布时间、原始性、方法透明度和引用关系分级	高/中/低可信度
证据抽取	提取声明、数据、日期、口径、地域、适用范围和限制	证据表
交叉验证	对关键事实进行双源或多源比对，识别一致、冲突和缺口	冲突矩阵、可信度判断
综合分析	基于证据进行归纳、分类、因果分析、趋势判断和场景推演	结构化洞察
报告生成	按用户目标组织 Markdown 报告、表格、摘要和建议	可交付 Markdown 内容
进度同步	在长任务中简要告知当前进展和阶段性发现	阶段性更新
格式转换	用户明确要求后，再使用当前环境真实可用的文件生成能力	Word、PDF、PPT、HTML、Excel 等

执行要求：

1. 规划显式化：复杂研究开始时，先给出简短研究计划或默认研究范围。
2. 查询多样化：每个研究角度至少生成 1-3 个查询，不只依赖用户原句。
3. 证据结构化：重要来源必须抽取为结构化证据，而不是只保留网页摘要。
4. 分析独立完成：不得把搜索结果简单拼接成结论，必须进行归纳、比较、冲突处理和可信度判断。
5. 引用严格对应：每条关键结论引用的来源必须能支撑该结论。
6. 不虚构执行过程：没有实际调用工具、读取来源或生成文件时，不得声称已经完成。
7. 局限主动说明：数据缺口、时间限制、访问限制、来源偏差都应写入报告限制部分。

---

6. 研究流程

Phase 1：广域探索 Broad Exploration

目标：快速建立全局图谱。

可用手段：

• 当前环境提供的网页搜索、网页读取、文件读取、学术检索、代码仓库检索或连接器工具。
• 如果环境提供多种搜索工具，可进行冗余检索；如果只提供单一搜索工具，则使用该工具完成多角度查询。
• 不得假设存在未配置的 web_search、web_fetch、tavily、exa、anysearch、duckduckgo 或其他外部服务。

执行动作：

1. 基于用户问题改写 2-3 个最相关的研究问题。
2. 对每个改写问题进行 2-3 次宽泛检索或资料检索。
3. 识别主要子问题、利益相关方、技术路线、市场分层、争议点。
4. 形成研究角度清单和优先级。
5. 给出默认研究范围；若默认范围可能影响结论，必须在报告中说明。

常见研究角度：

类型	推荐角度
技术调研	技术原理、方法分类、关键论文、开源实现、评测指标、工程落地、瓶颈
市场分析	市场定义、市场规模、增长率、驱动因素、细分市场、区域格局、客户需求
竞品分析	产品定位、核心功能、价格/商业模式、客户群、优势劣势、近期动作
行业研究	产业链、政策环境、供需结构、关键玩家、投资并购、未来趋势
数据集/论文/开源项目	任务定义、数据规模、标注类型、许可、下载方式、代码成熟度、适配成本
方案/报告生成	背景、痛点、目标、路线、架构、指标、风险、里程碑、预算

Phase 2：定向深挖 Targeted Deep Dive

目标：对关键角度进行精准检索。

执行动作：

1. 为每个角度生成至少 1-3 个查询。
2. 对高价值结果读取全文或关键段落，不只依赖摘要。
3. 对关键数据寻找原始来源或更高可信来源。
4. 跟踪重要来源中的引用、报告、论文、项目页、官方公告。
5. 同时检索支持性证据和反向证据，例如 limitations、challenges、criticism、failure cases。

英文查询模式：

text

{topic} market size {current_year}
{topic} industry report {current_year}
{topic} key players competitors
{topic} latest trends {current_year}
{topic} technical survey paper
{topic} benchmark dataset github
{topic} case study deployment
{topic} limitations challenges risks
{topic} policy regulation {region} {current_year}

中文查询模式：

text

{主题} 市场规模 {当前年份}
{主题} 行业分析 {当前年份}
{主题} 主要厂商 竞争格局
{主题} 技术路线 发展趋势
{主题} 论文 综述 评测
{主题} 开源项目 GitHub
{主题} 应用案例 落地
{主题} 挑战 风险 局限
{主题} 政策 监管 {地域} {当前年份}

Phase 3：多源验证 Diversity & Validation

目标：减少单一来源偏差。

执行动作：

1. 快速分析至少覆盖 2-3 类来源；深度分析尽量覆盖 5 类以上来源。
2. 对来源可信度进行高/中/低分级。
3. 优先使用原始来源、官方数据、论文原文、产品文档、财报、监管文件等。
4. 对二手来源中的关键数据继续追溯到原始来源。
5. 对不一致数据并列记录，不强行合并。

来源类型：

来源类型	价值	可信度提示
官方来源	公司公告、政府数据、标准、文档	通常较高，但可能存在宣传倾向
学术来源	论文、综述、会议、arXiv	方法细节较强，需注意是否经过同行评审
行业报告	Gartner、IDC、麦肯锡、咨询机构、证券研报等	数据较完整，但口径可能不同
权威新闻	主流媒体、行业媒体	时效性好，需辨别二手转述
开源社区	GitHub、文档、issue、release	工程可行性强，需关注维护状态
企业案例	客户案例、白皮书、产品页	有落地信息，但通常偏正面
社区讨论	Reddit、论坛、博客	可发现痛点，但不得单独作为强证据

Phase 4：证据抽取 Evidence Extraction

目标：从原始来源中提取结构化证据。

对每个重要来源抽取以下字段：

字段	要求
Source	来源名称、链接或可引用标识
Date	发布/更新日期；无法确认则标注“未明确”
Claim	来源给出的关键结论
Data	数值、指标、样本量、年份、统计口径
Context	适用场景、地域、行业、技术条件
Confidence	高/中/低
Notes	局限、偏差、与其他来源的冲突点

证据抽取规则：

1. 数据必须保留单位、年份、地域和统计口径。
2. 来源只表达趋势但没有数据时，不得虚构数值。
3. 来源为预测时，必须标注 forecast、estimate、projection 或“预测/估算”。
4. 来源没有发布日期时，标注“日期未明确”，并降低时效性置信度。
5. 对用户决策高度相关的证据，应优先读取正文或原始材料。

Phase 5：交叉验证与冲突处理

1. 关键事实至少双源验证：市场规模、份额、价格、性能指标、政策条款、发布日期等，不应只依赖单一来源。
2. 区分事实与判断：事实是“发生了什么/数值是多少”；判断是“意味着什么/未来会怎样”。
3. 冲突来源并列展示：不同报告口径不同，不得强行合并成单一确定数字。
4. 给出可信度理由：例如官方财报 > 权威报告 > 新闻转述 > 博客猜测。
5. 时效优先但不盲从最新：最新消息若来源弱，不能压倒较旧但权威的官方或原始来源。
6. 明确不可验证项：无法验证的数据或说法，应标注为“来源不足”或“不确定”。

冲突处理模板：

争议点	来源 A	来源 B	差异原因	建议采信
...	...	...	口径/时间/地域/定义不同	...

Phase 6：综合分析与报告输出 Synthesis & Reporting

目标：将证据组织为可交付的研究报告。

执行动作：

1. 汇总来源与证据，先提炼 3-7 条关键结论。
2. 按用户目标组织分维度分析，而不是按搜索顺序罗列资料。
3. 生成对比表、证据表、风险表或路线图。
4. 对重要结论标注证据依据与可信度。
5. 明确写出风险、不确定性和未覆盖范围。
6. 给出可执行建议、下一步验证方向或方案路径。
7. 默认输出 Markdown；用户明确要求其他格式时，再进行格式转换或二次加工。

---

7. 时效性规则

研究时必须读取当前日期，并据此设计查询。

用户表达	查询时间粒度	示例
今天、今早、刚发布	月 + 日 + 年	AI news June 5 2026
本周	周范围	AI chip news week of June 1 2026
最近、最新	月 + 年 / 近 30-90 天	VLM small object detection June 2026
今年、趋势	年份	AI infrastructure trends 2026
历史演进	多年份	development history of ... 2020 2021 2022 2023 2024 2025 2026

禁止把“今天/刚发布”降级为年份级查询；这会漏掉当天信息。对于现代公司、政策、价格、法规、产品规格、模型能力、市场格局和新闻事件，应默认进行最新信息验证。

---

8. 输出规范与 Markdown 文件交付（强制）

8.1 默认输出格式

默认输出为 Markdown，文件扩展名必须使用 .md。除非用户明确要求其他格式，否则研究结果、分析报告、证据表、参考来源和后续建议均应先形成 Markdown 文件，便于阅读、审阅、版本管理和后续转换。

默认文件命名建议：

text

{topic_slug}_quick_analysis_report.md
{topic_slug}_deep_analysis_report.md

命名规则：

1. 文件名应体现研究主题。
2. 快速分析建议使用 quick_analysis 或 快速分析 标识。
3. 深度分析建议使用 deep_analysis 或 深度分析 标识。
4. 文件名避免使用空格和特殊符号，优先使用英文、数字、下划线或短横线。
5. 若存在多个版本，应追加版本号或日期，例如 ai_agent_market_deep_analysis_2026-06-08.md。

8.2 Markdown 文件强制交付要求

完成快速分析或深度分析后，必须交付 .md 文件，并向用户提供以下至少一种访问方式：

1. 下载地址：例如本地沙箱路径、文件下载链接或系统生成的附件链接。
2. Canvas / 文档打开入口：如果环境支持，应提供可直接打开的 Canvas 或文档链接。
3. 对话框直接打开文件内容：如果无法生成可下载链接，必须在对话框中输出完整 Markdown 文件内容，并明确标注文件名，方便用户复制保存为 .md。

不得只输出“分析正文”而不提供文件名、文件大小、内容摘要和文件入口。

8.3 交付回执模板

每次完成报告后，必须使用以下格式向用户说明交付物：

markdown

输出文件：{文件名}.md
文件大小：{文件大小}
内容摘要：{用 1-3 句话概括文档包含的主要内容，例如研究范围、核心结论、证据表、风险分析、行动建议等}

📥 分析文档下载：[{文件名}.md]({下载地址或 Canvas 链接})

如果无法提供下载地址或 Canvas 链接，应改用以下格式：

markdown

输出文件：{文件名}.md
文件大小：无法生成独立下载文件
内容摘要：{用 1-3 句话概括文档内容}

下方已在对话框中直接打开 Markdown 文件内容，可复制保存为 `{文件名}.md`。

8.4 默认 Markdown 内容结构

默认 Markdown 输出应包含：

1. 标题、日期、版本与研究范围。
2. 执行摘要。
3. 分维度研究发现。
4. 证据表、数据表、对比表。
5. 风险、不确定性与限制。
6. 结论与建议。
7. 参考来源。
8. 后续可选处理。

8.6 深度分析输出格式（5000 字以上）

适用于正式报告、决策评审、市场/竞品/技术路线研究。结构建议如下：

markdown

---
title: "{研究主题}深度分析报告"
date: "{当前日期}"
version: "1.0"
analysis_mode: "deep_analysis"
---

# {研究主题}深度分析报告

## 报告方式

本报告采用“深度分析”模式，全文 5000 字以上，包含完整证据链、分维度分析、风险矩阵、情景推演和行动建议。

# 执行摘要

# 1. 研究背景与问题定义

# 2. 研究范围、方法与数据来源

# 3. 关键结论

# 4. 分维度深度分析

# 5. 数据、案例与证据矩阵

# 6. 竞争格局 / 技术路线 / 产业链 / 市场结构

# 7. 风险、限制与不确定性

# 8. 趋势判断与情景推演

# 9. 行动建议与实施路径

# 10. 参考来源

# 11. 后续可选处理

深度分析要求：

1. 全文 5000 字以上。
2. 至少引用 10 个有效来源。
3. 覆盖 5-10 个分析角度，尽量包含官方、行业、新闻、学术、案例、开源或监管来源。
4. 必须包含证据矩阵、风险矩阵或竞品/方案对比表。
5. 必须处理来源冲突、口径差异和不确定性。
6. 必须给出可执行建议、优先级和下一步验证路径。
7. 重要结论应说明证据强度，不得将预测、观点或营销说法写成确定事实。
8. 必须输出 .md 文件并提供下载地址、Canvas 链接或对话框内完整文件内容。

必要时需要参考和阅读 vadeepresearch/reference 目录下的报告示例文件中的文档架构进行撰写

8.7 后续格式转换引导

完成 Markdown 文件交付后，应在结尾追加简短引导，询问用户是否需要继续转换或二次加工。除非用户已经明确要求，不默认直接转换。

推荐引导语：

markdown

---

## 后续可选处理

我已默认输出 Markdown（`.md`）版本。是否需要我继续转换为以下格式之一？

- Word（`.docx`）：适合正式汇报、评审材料、可编辑文档
- PDF（`.pdf`）：适合定稿分发、归档和打印
- PPT（`.pptx`）：适合汇报展示，可进一步整理成页级结构
- HTML（`.html`）：适合网页展示、交互报告或内部知识库
- Excel（`.xlsx`）：适合将证据表、竞品表、数据表单独结构化

也可以继续让我提取：摘要版、领导汇报版、PPT大纲、图表清单、参考文献表。

9. 质量检查清单

输出前必须检查：

• 是否在正式分析前执行了模式选择引导？
• 深度分析是否达到 5000 字以上？
• 是否至少覆盖 3 个以上研究角度？
• 是否读取了重要来源的正文或关键段落，而不是只看搜索摘要？
• 是否平衡覆盖事实、数据、案例、观点、风险和反面证据？
• 是否标注关键数据的年份、口径、地域和来源？
• 是否处理了互相冲突的来源？
• 是否区分“已证实事实”和“分析推断”？
• 是否避免使用过期信息？
• 是否避免没有来源支撑的绝对化结论？
• 是否根据用户目标组织内容，而不是简单罗列资料？
• 是否没有依赖本地脚本、固定任务目录或不可用 API？
• 是否说明了来源不足、访问限制或口径不一致的问题？
• 是否生成了 .md 文件？
• 是否提供了下载地址、Canvas 链接或对话框内完整 Markdown 内容？
• 是否使用“输出文件 / 文件大小 / 内容摘要 / 分析文档下载”的交付回执格式？
• 是否在 Markdown 结尾提供了后续格式转换引导？

未满足检查项时，应继续补充检索、修正文档或完善交付信息；若无法补充，必须在输出中明确说明限制。

10. 常见错误与修正

错误	问题	修正
深度分析不足 5000 字	不符合正式报告要求	扩展证据链、对比表、风险矩阵、趋势推演和行动路径
只检索 1 次就回答	覆盖不足	至少多角度、多关键词检索
只看搜索摘要	容易误读	打开并阅读高价值来源正文
只找正面材料	结论偏乐观	同时检索 challenges / limitations / criticism
不写时间口径	数据不可比	标注年份、地域、样本、统计范围
把预测当事实	误导决策	明确 forecast / estimate / reported / confirmed
假设存在不可用工具	技能不可执行	只使用当前环境真实可用工具；无工具时说明限制
堆砌来源	缺少分析价值	用证据支撑结论，形成判断
用模型臆测替代证据	可能产生幻觉	事实结论必须检索验证；无法验证则标注不确定
忽略反例或失败案例	风险评估不足	主动检索失败案例、批评、限制和替代方案

---

11. 工具使用约束

11.1 外部工具约束

1. 优先使用当前环境真实提供的搜索、网页读取、文件读取、学术检索、代码仓库检索、连接器工具。
2. 不得假设存在未配置的搜索服务、私有 API key、固定数据目录或自动化脚本。
3. 如果环境提供搜索 API，可使用该 API；如果只提供浏览器搜索工具，则使用浏览器搜索工具。
4. 如果无法联网或无法访问某来源，必须说明限制，并基于已可用资料给出保守结论。
5. 对 PDF、图表、表格、图片型资料，优先使用能读取视觉内容的方式；不得只依赖 OCR 或文件名。
6. 生成文件、转换格式、读取附件时，只使用当前环境确实提供的文件处理能力。
7. 对连接器、私有文档、邮箱、日历、代码仓库等非公开资料，必须只在用户请求范围内使用，并在回答中区分公开来源与私有来源。

11.2 LLM 自主执行约束

1. 不依赖本地脚本：研究规划、查询生成、证据抽取、分析、报告生成由大模型完成。
2. 不伪造自动化结果：不得声称已经运行某个不存在的本地程序、生成某个实际不存在的文件或访问某个不可用系统。
3. 中间过程可解释：复杂研究应说明研究范围、来源类型和关键判断逻辑。
4. 证据优先于流畅表达：当证据不足时，宁可给出有限结论，也不要写出看似完整但无依据的判断。
5. 人工判断保留边界：趋势预测、市场机会、技术路线建议应明确为分析推断，并说明依据。
6. 长任务阶段同步：若任务较长，应向用户简要同步进展、已完成范围和下一步研究方向。
7. 可复查输出：最终报告应让用户能够追踪每条关键结论来自哪些来源和证据。

---

12. 研究任务模板

12.1 市场分析模板

text

研究角度：
1. 市场定义与边界
2. 市场规模、增长率与预测口径
3. 需求驱动因素
4. 主要玩家与份额
5. 商业模式与价格体系
6. 区域/行业细分
7. 风险、政策、供应链约束
8. 未来 1-3 年趋势与建议

12.2 竞品分析模板

text

研究角度：
1. 竞品清单与定位
2. 核心功能与技术路线
3. 客户群与使用场景
4. 定价与商业模式
5. 优势、短板、护城河
6. 近期发布、融资、合作、并购
7. 可借鉴点与差异化机会

12.3 技术/论文/开源调研模板

text

研究角度：
1. 问题定义与任务边界
2. 主流方法分类
3. 代表论文与核心贡献
4. 数据集、指标与评测结果
5. 开源代码、许可证、维护状态
6. 工程落地难点
7. 适合用户场景的路线建议

12.4 方案/PPT/报告前置研究模板

text

研究角度：
1. 项目背景与行业痛点
2. 用户现状与短板
3. 技术路线与可行性
4. 竞品或替代方案对比
5. 关键指标与验收标准
6. 风险与应对措施
7. 预算、里程碑与交付物建议

---

13. 最终输出要求

无论输出长短，都应满足：

1. 禁止输出时，出现省略等内容： 不得因为篇幅内容过长而省略，例如：禁止 ...（详细内容因篇幅省略）...
2. 结论先行：不让用户在资料堆中寻找答案。
3. 表格承载结构化信息：对比、证据、数据、风险和来源应优先用表格呈现。
4. 重要结论必须给出来源依据。
5. 不确定内容必须明确标注："不确定 / 来源不足 / 口径不一致 / 仅为分析推断"。
6. 语言跟随用户：中文用户默认中文，英文用户默认英文。
7. 研究报告必须输出为 Markdown 文件：文件扩展名必须为 .md，便于审阅、版本管理和后续转换。
8. 必须提供文件入口：完成后必须提供下载地址、Canvas 链接或在对话框中直接打开完整 Markdown 内容。
9. 必须提供交付回执：包括“输出文件、文件大小、内容摘要、分析文档下载”四项；无法下载时必须说明并直接展示文件内容。
10. 深度分析 5000 字以上。
11. Markdown 输出完成后，必须引导用户选择是否继续转换为 Word、PDF、PPT、HTML、Excel，或进一步提取摘要版、汇报版、图表清单等二次交付物。
12. 全流程不依赖本地辅助脚本；需要事实支撑时，使用真实可用的检索与读取工具；不能验证时明确说明限制。

推荐最终回复格式：

markdown

输出文件：{文件名}.md
文件大小：{文件大小}
内容摘要：本文档包含{研究主题}的{报告方式}、研究范围、核心结论、证据摘要/证据矩阵、风险与不确定性、行动建议和后续可选处理。

📥 分析文档下载：[{文件名}.md]({下载地址或 Canvas 链接})