mcpField
D
deep-research

deep-research

github.com/pedronauck開発64437 回インストール1 週間前に更新
リポジトリ

deep-research について

deep-research は、複雑な実装作業の前にコードベースと外部依存を体系的に調査するスキルです。ローカル・外部の検索や Pal による分析を進め、結果を構造化されたレポートにまとめます。

主な機能

  1. 01ローカルコード検索の必須化
  2. 02Sourcebot による外部コード検索
  3. 03Context7 と Perplexity を使った調査
  4. 04Pal MCP ツールによるアーキテクチャ分析
  5. 05定型構成の調査レポート出力

活用シーン

  1. 01複雑な変更前のコード構造把握
  2. 02外部ライブラリの利用法や文書の調査
  3. 03アーキテクチャ、品質、セキュリティ、技術的負債の評価
  4. 04調査結果の統合と実装提案の作成

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/pedronauck/skills --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

このスキルでは、コードベースと外部依存関係を調査・分析するための体系的なアプローチを提供します。複雑な実装タスクに着手する前に使用するよう設計されています。

<critical_tools> プロジェクトのコマンドガイドで定められたルールに必ず厳密に従ってください。

  1. ローカルコードの調査

    • 必須サブスキル： ローカルコードの調査には codebase_search を使用してください。
    • 必須： ローカルコードの調査には codebase_search を使用してください。

  2. Sourcebot（外部検索）

    • 参照先：.claude/commands/sourcebot.md
    • 必須： 外部ライブラリ／フレームワークに限り、Sourcebot を 5～7 回使用してください。
    • 禁止： ローカルコードには使用しないでください。
    • ワークフロー： list_repos → ID を特定 → filterByRepoIds を指定して search_code を実行します。

  3. Pal MCP Toolkit（アーキテクチャ分析）

    • 参照先：.claude/commands/pal.md（統合版 Pal スキル）
    • 必須： 複雑なタスクの前に、pal スキルと適切な Pal MCP ツールを使用してください。
    • 使用可能なツール： mcp__zen__analyze、mcp__zen__debug、mcp__zen__planner、mcp__zen__refactor、mcp__zen__codereview、mcp__zen__tracer
    • 対象範囲： アーキテクチャ、品質、パフォーマンス、セキュリティ、技術的負債。
    • 厳守事項：
      • Pal MCP ツールを使用する場合、必ずすべての手順を完了してください。
      • 手順の途中で絶対に停止しないでください。
      • next_step_required: false になるまで手順を完了しない場合、タスクは無効になります。
      • 例外はありません。
    • モデル要件：
      • 必須： すべての Pal MCP ツール呼び出しで、必ず model: "anthropic/claude-opus-4.6" を使用してください。
      • Pal MCP ツールの呼び出しで、ほかのモデルを絶対に使用しないでください。

  4. Context7 と Perplexity（外部知識）

    • 参照先：.claude/commands/perplexity.md
    • Context7： Sourcebot にないサードパーティライブラリに使用します。ID を解決してからドキュメントを取得してください。
    • Perplexity： あらゆる広範な調査、最新ドキュメント、デバッグに使用します。 </critical_tools>

<research_strategy> 必須： あらゆる調査タスクで、例外なくツールを使用してください。

  1. 依頼を理解する： 具体的なタスク、目標、質問を特定します。
  2. 内部調査：
    • 必須サブスキル： ローカルコードの調査には codebase_search を使用してください。
    • 自然言語を使って、関連するローカルコードの概念、パターン、ファイルを検索します。
    • 既存のアーキテクチャパターンを特定します。
    • 特定の領域を検索するには codebase_search を使用します。
  3. 外部調査（Sourcebot）：
    • タスクに外部ライブラリが関係する場合は、Sourcebot を使ってその使用パターンやドキュメントを検索します。
  4. 外部知識（Context7 と Perplexity）：
    • Sourcebot にないライブラリには Context7 を使用します。
    • 広範な調査やデバッグには Perplexity を使用します。
  5. 詳細な分析（Pal Analyze）：
    • zen_analyze ツールを実行し、アーキテクチャ、リスク、品質を包括的に把握します。
    • 分析の一連の手順を完了します。
  6. 統合： すべての情報源から得た知見をまとめ、最終レポートを作成します。 </research_strategy>

<quality_standards>

  • 必須： 回答する前に、ツールを十分に使用してください。
  • 簡潔さ： 要約は重要な情報に絞り、不要な情報を抑えてください。
  • 信頼性： コードベースと公式ドキュメント（Sourcebot／Context7 経由）の情報を優先してください。
  • 幻覚の禁止： ツールで確認できていない情報を絶対に含めないでください。
  • 直接出力： ファイルを作成しないでください。レポートをチャットに直接返してください。 </quality_standards>

<output_format> 以下の構成で、包括的なメッセージを 1 つだけ返してください。

詳細分析レポート：[トピック]

1. コンテキストの概要

[主要なファイルやアーキテクチャパターンを含む、ローカルコードベースで見つかった内容の簡潔な要約]

2. 外部から得られた知見

[外部ライブラリに関して見つかった、関連するパターン、ベストプラクティス、ドキュメント]

3. 詳細分析の結果

[Pal Analyze から導き出された、アーキテクチャ、セキュリティ、パフォーマンス、技術的負債に関する知見]

4. 実装計画／推奨事項

［調査結果に基づく具体的な次のステップ、ソリューション設計、またはユーザーのリクエストへの回答］

5. 関連ファイル

［調査中に見つかった、最も重要なファイルの絶対パスの一覧］ </output_format>

コメント

Markdown 対応