Deep Research v7

深度研究技能，用于进行领域调研、文献调研、survey研究。当用户说"做一个survey"、"深度研究一下XX"、"文献调研"、"研究一下XX领域的最新进展"、"帮我调研XX"、"学术调研"时自动触发。支持arXiv、PubMed、PMC、Google Scholar等多个数据源，自动下载PDF并解析全文，生成三层报告（执行摘要、验证清单、完整报告）。

Skill: Adaptive Depth Research v6.0 Universal

版本：6.0.0 描述：领域无关 | 配置驱动 | 数据源自适应 | 三层输出

---

🎯 核心设计原则

1. 数据源自适应：arXiv/PMC 自动下 PDF，付费期刊自动切摘要模式
2. 领域无关：提取逻辑不依赖特定术语，靠配置驱动
3. 输出分层：执行摘要 + 验证清单 + 完整报告，各取所需
4. 一次配置，全领域复用

---

📦 架构图

text

【配置层】
config/research-config.yaml  # 定义领域、关键指标、数据源优先级

      ↓

【检索层】(自动分流)
├─ arXiv → 下载 PDF → 全文解析 → 高可信提取
├─ PMC → 下载 PDF → 全文解析 → 高可信提取
├─ PubMed → 仅摘要 → 方向性提取 + 标注"需验证"
└─ Web → 网页抓取 → 关键结论提取

      ↓

【提取层】(通用 Prompt)
prompts/extract-universal.txt  # 不依赖领域术语

      ↓

【输出层】(三层报告)
├─ reports/executive-summary.md  # 决策者用，≤1 页
├─ reports/validation-checklist.md  # 执行者用，可操作
└─ reports/full-report.md  # 审计用，完整溯源

---

🚀 触发命令

bash

# 完整研究流程
bash scripts/run-research.sh "<主题>" --domain "<领域>"

# 示例
bash scripts/run-research.sh "transformer efficiency" --domain "machine learning"
bash scripts/run-research.sh "telemedicine cost savings" --domain "healthcare"

---

📁 文件结构

text

skills/deep-research/
├── SKILL.md
├── config/
│   └── research-config.yaml      # 领域配置
├── prompts/
│   ├── extract-universal.txt     # 通用提取Prompt
│   ├── cluster-cards.txt         # 卡片聚类
│   └── write-brief.txt           # 主题简报
├── templates/
│   ├── executive-summary.md      # 执行摘要模板
│   ├── validation-checklist.md   # 验证清单模板
│   └── full-report.md            # 完整报告模板
└── scripts/
    ├── run-research.sh           # 完整研究流程
    ├── fetch-and-extract.sh      # 自动分流提取
    ├── extract-from-pdf.py       # PDF解析
    └── check-sourcing.sh         # 溯源验证

---

🔧 配置说明

修改研究领域

编辑 config/research-config.yaml:

yaml

research_domain: "your_domain_here"

key_metrics:
  performance:
    - accuracy
    - AUC
    - F1
  # 添加你的指标...

---

📊 三层输出说明

1. 执行摘要 (executive-summary.md)

• 受众：决策者
• 长度：≤1页
• 内容：
  • 核心结论（已验证 vs 待验证）
  • 可直接行动
  • 需验证后行动

2. 验证清单 (validation-checklist.md)

• 受众：执行者
• 格式：操作导向
• 内容：
  • 缺失指标汇总表
  • 具体验证路径
  • 通用验证方法

3. 完整报告 (full-report.md)

• 受众：审计/存档
• 内容：
  • 方法论说明
  • 已验证结论 + 证据
  • 待验证线索
  • 战略建议（短/中/长期）
  • 完整卡片索引

---

🎯 执行流程

Step 1: 检索

bash

# 自动检索 arXiv + PubMed
bash scripts/run-research.sh "<主题>"

Step 2: 提取

bash

# 自动分流提取
bash scripts/fetch-and-extract.sh <source_url>

# 或手动提取
python3 scripts/extract-from-pdf.py card-001 "<pdf_url>"

Step 3: 验证

bash

# 溯源检查
bash scripts/check-sourcing.sh reports/full-report.md sources/

Step 4: 生成报告

三层报告自动生成在 reports/ 目录

---

✅ 质量门禁

1. 数据完整度标注：high/medium/low
2. 缺失指标清单：每个卡片明确列出
3. 验证路径具体：可操作，非模糊建议
4. 溯源验证：所有数据可溯源到卡片

---

📈 v6.0 vs 之前版本

维度	v5.x	v6.0 Universal
领域	医疗特化	领域无关，配置驱动
数据源	固定PubMed	自适应分流
提取	依赖医疗术语	通用Prompt
输出	单一报告	三层输出
配置	硬编码	YAML配置

---

💡 用户只需

1. 修改配置：改 research_domain 和 key_metrics
2. 运行命令：bash scripts/run-research.sh "<主题>"
3. 阅读摘要：5分钟了解核心结论
4. 按清单验证：30分钟补全关键数据
5. 推进决策：基于验证结果

---

🔑 核心哲学

让工具适应人，而不是人适应工具。
你专注领域知识和商业决策，工具负责广度扫描、结构化整理、诚实标注。

---

Skill版本：6.0.0 Universal | 最后更新：2026-03-19

---

v7.0 融合版 (2026-03-21)

新增能力

Research Claw 桥接：

• 搜索：arXiv, Google Scholar, PubMed, Semantic Scholar
• PDF解析：使用pymupdf
• 网页读取：Web Reader Tool

使用方法

python

from scripts.research_claw_bridge import ResearchTools

tools = ResearchTools()

# 搜索论文
papers = tools.search_papers("LLM agent", max_results=5)

# 完整流程（搜索+下载+提取）
results = tools.full_research_flow("商保控费")

文件

• scripts/research_claw_bridge.py - 桥接模块