mcpField
D
deep-research

deep-research

github.com/thepexcel生産性94 回インストール
リポジトリ

deep-research について

質問の種類に応じて検索、情報統合、報告を進めるウェブ調査スキルです。全体像の把握、新着情報の確認、並列検索を用いて複数事実や比較を調べ、結果を Markdown で保存します。

主な機能

  1. 01質問の種類に応じた調査手順
  2. 02詳細検索前の全体像スキャン
  3. 03技術・AI の最近のリリース確認
  4. 04複数の検索クエリを並列実行
  5. 05重要な主張の確信度表示
  6. 06調査結果を Markdown で保存

活用シーン

  1. 01あるテーマの選択肢を比較
  2. 02最近の技術・AI リリースを調査
  3. 03推奨案の出典と不確実性を記録
  4. 04調査結果をファイルに保存

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/thepexcel/agent-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。

同梱ファイル

SKILL.md と一緒にインストールされる参考資料やスクリプト。

SOURCES.md
.claude-plugin/
plugin.json
assets/
report_template.md
references/
agent-templates.md
creative-mode.md
perspective-checklist.md
progress-recovery.md
query-framework.md
researcher-thinking.md
standard-mode.md

詳細

ディープリサーチ

一般的なウェブ検索より優れ、包括的なリサーチパイプラインより高速です。

優れている点：

  1. 全体像のスキャン — 詳細を検索する前に、存在するものを見つけます（見落としを防ぎます）
  2. 最新情報の確認 — 過去7～30日間のリリースを見逃さず、上流のプロバイダーを検索します
  3. 並列検索 — 2～3件のクエリを同時に、複数の視点から実行します

厳密なリサーチ（仮説、COMPASS監査、レッドチーム、完全なレポート）には → /deep-research-pro

ステップ1：分類

種類条件実行内容
A単一の事実検索 → 直接回答
B複数の事実／比較スキャン → 最新情報の確認 → 検索 → 統合
C判断／推奨Bに加えて、不確実性を明示し、制限事項を記載

レベル： クイック（5～10件の情報源）・標準（10～20件の情報源）

ステップ2：全体像のスキャン (種類Aでは省略)

詳細を検索する前に、存在するものを把握します。スキャンのクエリに既知の名称を絶対に使わないでください — まだ知らないものを見落とすことになります。

❌ "DeepSeek Qwen performance 2026"   ← only finds what you already know
✅ "China open source LLM list 2026"  ← discovers the full landscape

クエリ（並列）：

WebSearch: "[topic] landscape overview [current year]"
WebSearch: "top [topic] list [current year]"
WebSearch: "[topic] all options [current year]"

エンティティ名を抽出し、新たに発見と**確認済み（更新）**に分けます。

ステップ3：最新情報の確認 (技術／AI関連のトピックでは必須)

年単位の検索では、先週のリリースを見落とします。下流の製品ニュースは、上流のニュースから数週間遅れます。

まずサプライチェーンを把握します： 基盤技術を開発しているのは誰か？ → その提供元を直接検索します。

WebSearch: "[topic] latest news [current month] [current year]"
WebSearch: "[upstream provider] latest release [current month] [current year]"

例 — 「Microsoft Copilot」の調査： 上流はOpenAIとAnthropicです → Microsoftの発表だけに頼らず、両社を直接検索します。

過去7～30日間の情報には RECENT または BREAKING のフラグを付けます。

ステップ4：検索

クエリを並列で実行します（1つのメッセージで複数のツールを呼び出します）。

WebSearch: "[topic] [current year]"
WebSearch: "[topic] limitations problems"
WebSearch: "[topic] vs alternatives comparison"

検索を終了する条件： 3回連続で新しい情報が10％未満しか増えない（飽和状態）、または情報源が同じ結論に収束する。

URLの代替手段（403／ブロック）：

curl -s --max-time 60 "https://r.jina.ai/https://example.com"

主張の信頼度：

  • C1（重要な主張）— 2件以上の情報源と、信頼度の注記が必要です：HIGH / MEDIUM / LOW
  • C2（補足的な主張）— 出典の引用が必要です
  • C3（一般知識）— 異論がある場合にのみ引用します

C1の主張には、必ず[N]を付けて出典を引用してください。出典が見つからない場合は、その旨を伝えます。

ステップ5：統合して保存

重要な調査結果ごとに、次の質問に答えます：

  • つまり、どういうことか（So what）？ — なぜ重要なのか？
  • では、何をすべきか（Now what）？ — 取るべき行動は何か？

情報源が食い違う場合： 「情報源AはXと述べ、情報源BはYと述べています。おそらく[理由]が原因です」と明示します。

出力は必ず保存します：

research/[topic-slug]-[YYYY-MM-DD].md

質問する場合と、そのまま進める場合

質問するそのまま進める
トピックが広すぎる →「どの観点を重視しますか？」検索クエリを選ぶ
興味深いサブトピックが見つかった出力を整形する
重要な点について情報源が食い違う種類Aの質問

関連スキル

  • /deep-research-pro — 完全なパイプライン：仮説、QUESTクエリ、COMPASS監査、レッドチーム、正式なレポート
  • /boost-intel — 意思決定の前に、リサーチ結果をストレステストする
  • /generate-creative-ideas — 業界横断的なクリエイティブリサーチ（ウェブ検索は不要）

コメント

Markdown 対応