deep-research-skills
为Claude等AI提供结构化、可控制的深度研究流程技能。
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-skills。 它的用途是：为Claude等AI提供结构化、可控制的深度研究流程技能。 完整的 Skill 内容见：https://321skill.com/skills/deep-research-skills/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
“/research”，它会引导你输入研究主题，例如“2025年AI Agent框架发展趋势”，随后生成详细的研究提纲。你可以审核并调整提纲，然后AI会基于提纲进行深度网络搜索和信息整合，最终输出一份包含技术对比、市场格局和未来展望的结构化研究报告。
介绍
Deep Research Skill 旨在解决AI在进行复杂、开放式研究时容易偏离主题、信息碎片化或深度不足的问题。它提供了一个结构化的工作流，将研究过程分为提纲生成和深度调查两个阶段，并在每个环节引入人工干预点，确保研究方向的精确性和可控性。
使用时，用户只需通过简单的命令（如/research）启动技能，AI会首先引导用户明确研究主题和目标，生成一个可扩展的研究提纲。随后，AI会根据提纲中的条目，利用集成的网络搜索代理等功能进行深度信息搜集、分析和综合，最终形成结构化的研究报告。整个过程用户都可以随时调整方向、添加细节或要求深入某个子项。
该技能特别适合需要进行系统性信息搜集和分析的专业人士，如学术研究者、市场分析师、技术决策者和产品经理。他们可以利用此技能高效地完成文献综述、竞品分析、技术选型或市场趋势研究等任务。
使用建议：为确保最佳效果，建议在启动研究前尽可能明确研究目标和范围。在深度调查阶段，充分利用人工审核环节来纠正AI可能出现的理解偏差或信息遗漏。对于OpenCode用户，务必按照说明正确设置OPENCODE_ENABLE_EXA=1环境变量以启用强大的网络搜索能力。
核心特点
核心区别在于其“结构化两阶段流程”与“人在回路”设计，将开放式研究任务分解为可控的提纲生成和深度调查阶段，并允许用户在关键节点进行干预和引导，相比一次性生成结果的通用研究技能，能产出更系统、更聚焦、更符合用户意图的深度报告。
注意事项
不适合需要即时、简单答案的快速查询场景，也不适用于完全无需人工干预的全自动化研究任务。
常见问题
这个技能支持哪些AI平台？
支持Claude Code、OpenCode（如GPT-5.4）和Codex平台。
使用前需要安装哪些依赖？
主要需要安装Python的pyyaml库，并根据不同平台复制对应的技能和代理文件。
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-skills/raw/index.md 读取 deep-research-skills 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-skills/raw/index.md（查看排版版本）