deep-research について
deep-researchは、テーマを調査し、出典付きレポートを作成するリサーチスキルです。範囲の設定、複数ソースの調査と検証、分析、構成に沿った執筆を支援します。
主な機能
- 01質問、深度、観点、読者の明確化
- 02複数種の情報源を検索
- 03主張と日付の相互確認
- 04傾向とデータの不足を分析
- 05出典付きレポートの構成
活用シーン
- 01未知の業界やテーマの調査
- 02リサーチレポートやブログ記事の準備
- 03投資家やパートナー向け資料の根拠収集
インストール
コマンドをコピーしてターミナルで実行します。
$
npx skills add https:/ / github.com/ c0x12c/ ai-toolkit --skill deep-researchインストール後、Claude Code で/deep-researchを入力して読み込まれたか確認します。
詳細
詳細な調査
1 つのテーマを深く掘り下げます。余計な飾りではなく、事実を持ち帰ります。
使用する場面
- ユーザーがテーマに関する確かなデータを必要としている
- 調査レポートやブログ記事を執筆する
- 新しい分野を理解する必要がある
- 投資家やパートナー向けの資料を準備する
プロセス
1. 範囲を決める
次の点を質問するか、確認します。
- 問いは何ですか?
- どの程度深く調査しますか?(簡易調査か、完全なレポートか)
- 観点はありますか?(技術、ビジネス、ユーザー行動など)
- 想定読者は誰ですか?(自分、チーム、投資家、一般の人々)
2. 調査する
ウェブ検索を複数回実行します。次の情報を探します。
- 業界レポートやデータ
- 学術論文や研究
- ニュース記事(過去 12 か月)
- 専門家の意見やブログ記事
- Reddit/HN/Twitter の議論
- 企業のブログや事例研究
3. 検証する
- 複数の情報源で数値を照合する
- データが食い違う場合は明記する
- 情報源の質を記録する(プレスリリースか研究論文か)
- 日付を確認する。2 年以上前の情報には注記する
4. 統合する
見つけた情報をただ列挙するのではなく、点と点をつなげます。
- 事実を総合すると何がわかりますか?
- どんなパターンがありますか?
- データに欠けているものは何ですか?
- 意外だったことは何ですか?
5. レポートを書く
構成:
- 要約 - 最大 3 文
- 背景 - 理解に必要な背景情報
- 主な調査結果 - 本題。番号付きで、出典を明記
- 分析 - それが意味すること。あなたの見解
- 未解決の問い - まだわかっていないこと
- 情報源 - 日付と情報源名を添えたすべてのリンク
ルール
- すべての主張に出典を付ける
- 作り上げるのではなく、「X に関するデータは見つかりませんでした」と伝える
- 互いに異なる見解も含める
- 意見は「分析」セクションに記載し、「主な調査結果」には含めない
- ユーザーが簡易調査を求めた場合は、手順 3~4 を省略する
注意点
- 古いデータは信頼性を損ないます。 2021 年の市場規模レポートは 2026 年には役に立ちません。必ず公開日を確認してください。18 か月以上前の情報には注記してください。
- プレスリリースは調査資料ではありません。 企業の発表はマーケティングです。第三者の情報源、財務報告書、またはユーザーデータと照合してください。
- 情報源の食い違いは欠点ではなく、分析の手がかりです。 2 つのレポートで見解が異なる場合、そこに興味深い分析の余地があります。どちらか一方を選ぶだけにしないでください。
- 「データが見つかりませんでした」も有効な調査結果です。 推測で空白を埋めないでください。データが存在しない場合は、その旨を伝えましょう。ユーザーにとって有益な情報です。
- 要約より統合を重視します。 調査結果を 10 件列挙するだけでは調査とは言えません。点と点をつなげ、どんなパターンが見えるか、そこから何が言えるかを考えます。
出力
プロジェクトの 02-research/ フォルダーに保存します。
コメント
Markdown 対応