deep-research-skill
为AI智能体提供可审计、自适应的深度研究能力，从广泛探索到引用合成。
安装使用
复制下面这段提示词发给你的 AI（Claude / Cursor / TRAE / Codex / WorkBuddy 等），它会自动帮你完成安装：
帮我安装这个 AI Skill：deep-research-skill。 它的用途是：为AI智能体提供可审计、自适应的深度研究能力，从广泛探索到引用合成。 完整的 Skill 内容见：https://321skill.com/skills/deep-research-skill/raw/index.md 请读取该页面内容，如果是 SKILL.md 格式直接安装，如果是 README 提炼核心 prompt 后安装。
提示词包含完整的 Skill 内容链接，AI 读取后即可完成安装。你也可以 查看完整内容 确认无误。
使用示例
“请使用Deep Research技能，帮我调研当前主流的开源向量数据库，并给出一个适合我们高并发场景的选型建议。” 它会首先引导你明确研究问题、范围和交付物，然后按照研究协议逐步搜索官方文档、技术博客、基准测试报告，提取各数据库的性能主张、限制和社区活跃度证据，并交叉验证这些信息，最终生成一份带有具体证据引用和置信度评估的详细对比报告。
介绍
Deep Research Skill 旨在解决AI智能体在进行复杂、需要证据支持的研究任务时，信息源混乱、推理过程不透明、结论缺乏依据的问题。它通过一个结构化的“证据账本”系统，引导智能体按步骤（框架、映射、种子、提取、验证、合成）进行研究，确保每一步的来源、主张、反证和不确定性都可追溯。
使用时，智能体通过命令行工具初始化一个研究任务，并记录每一次有意义的“研究跃迁”。例如，它可以先进行广泛的种子搜索，然后深入提取特定来源中的主张和证据，最后将所有证据关联起来，生成带有引用和置信度标签的合成报告。整个过程都记录在可审计的文件中。
这个技能非常适合需要严谨、可验证研究过程的专业人士，如学术研究者、技术调研员、产品经理和数据分析师。他们可以利用此技能进行文献综述、技术选型尽职调查、市场趋势分析或任何需要超越简单查询的深度决策支持。
建议在开始研究前明确界定研究问题和交付成果。使用过程中，应充分利用其提供的“状态检查”和“代码检查”功能，确保研究过程的完整性和证据链的连贯性，避免在证据不足时过早下结论。
核心特点
与普通搜索或信息收集技能不同，它强制实施一个可审计的研究协议，将研究过程（如搜索、验证、矛盾分析）和产出（主张、证据、来源质量）结构化记录在“证据账本”中，确保最终结论的每个部分都能追溯到原始信息源和推理步骤。
注意事项
不适合需要即时、一次性答案的快速查询场景，其价值体现在对研究过程和证据追溯有要求的深度分析任务中。
常见问题
Deep Research Skill 和直接让AI搜索有什么区别？
它不只是搜索，而是管理整个研究生命周期，包括规划、证据提取、交叉验证和生成可追溯的引用报告，确保过程严谨、结论有据。
这个技能输出的最终报告是什么格式？
最终输出是基于证据账本生成的、带有明确证据ID引用的合成报告（如Markdown或文本），明确指出支持结论的来源和存在的不确定性。
给 AI 助手的安装指引
如果你的 AI 编程助手（Claude Code、Cursor、TRAE 等）能看到这个页面，把下面这段发给它即可自动完成安装：
请访问 https://321skill.com/skills/deep-research-skill/raw/index.md 读取 deep-research-skill 的原始 Skill 定义（Markdown 格式），按其中说明在我的环境里完成安装和配置。
AI 可直接读取的原始 Markdown 地址：/skills/deep-research-skill/raw/index.md（查看排版版本）