deep-dive

深入探究

采用与 Google Deep Research 相同的基于 DAG 的规划模式进行自主深度研究，但完全在 Claude Code 上运行，无需外部依赖。

工作原理

1. 规划 — 将问题拆解为相互依赖的 DAG 子问题
2. 并行展开 — 通过 Agent 子 Agent 并行运行互不依赖的子问题
3. 差距分析 — 每个子 Agent 返回研究发现和已识别的差距
4. 迭代 — 将差距转化为新的子问题，反馈到 DAG 中
5. 综合 — 所有节点完成后，生成最终报告

步骤

1. 拆解为 DAG

根据研究问题，生成由子问题组成的 DAG。每个节点包含：

• id：简短标识符（例如 q1、q2a）
• question：需要研究的具体子问题
• depends_on：需要先获得答案的节点 ID 列表（空列表 = 无依赖）

拆解规则：

• 从没有依赖的基础性／背景性问题开始
• 逐步深入到依赖基础答案的分析性／比较性问题
• 以 4-8 个节点为宜。如果主题需要更多节点，则最多设为 12 个。
• 每个节点应可通过 1-3 次网络搜索回答
• 问题应足够具体，确保没有其他背景信息的研究人员也能回答

将 DAG 打印为表格，供第一个大脑查看计划，然后立即开始执行 — 不要等待确认。

使用 TaskCreate 为每个 DAG 节点创建任务（description：子问题，status：pending）。同时为“差距分析”和“综合报告”创建任务。每一波启动时，将对应任务更新为 in_progress；子 Agent 返回后，将任务更新为 completed。这样第一个大脑就能实时了解进度。

| ID | Question | Depends on |
|----|----------|------------|
| q1 | ...      | —          |
| q2 | ...      | —          |
| q3 | ...      | q1         |
| q4 | ...      | q1, q2     |

2. 按依赖顺序执行

按拓扑顺序处理 DAG：

第 1 波： 将所有第 1 波节点的任务标记为 in_progress。将所有没有依赖的节点作为并行 Agent 子 Agent启动。每个子 Agent 返回后，将其任务标记为 completed。向每个子 Agent 提供以下提示词：

You are a focused researcher. Answer this ONE question using web search:

Question: [the sub-question]

Instructions:
- Use WebSearch to find current, authoritative information
- Use 1-3 searches maximum
- Be specific and cite what you find

Return your answer in this exact format:

## Findings
[Your answer with specific facts, dates, numbers. Cite sources inline.]

## Gaps
[List anything you couldn't fully answer, contradictions you found, or
follow-up questions that would strengthen the answer. If none, say "None."]

## Sources
[List each source as: Title — URL]

引用持久化： 每一波完成后，将该波的所有来源追加到 /tmp/deep-dive-sources-[topic-slug].json 文件中，格式为 {"node_id", "title", "url"} 对象数组。这样即使上下文被压缩，来源文件仍会作为事实来源。综合时读取此文件，构建最终的“来源”部分。

第 2 波及后续波次： 第 1 波完成后，将第 2 波及后续波次的所有节点任务标记为 in_progress，并启动依赖条件现已满足的节点。每个子 Agent 返回后，将对应任务标记为 completed。在子 Agent 提示词中包含依赖节点的研究发现：

You are a focused researcher. Answer this ONE question using web search:

Question: [the sub-question]

Context from prior research:
[Paste findings from dependency nodes]

[same instructions as above]

持续执行，直到所有节点完成。

3. 差距迭代（最多 1 轮）

将“差距分析”任务标记为 in_progress。所有节点完成后，检查各子 Agent 汇总的差距：

• 如果差距较小或不会影响最终答案：跳过，进入综合阶段
• 如果任何差距足以影响结论：创建 1-3 个有针对性的新子问题，并将其作为最后一波并行执行

只进行一轮差距迭代。这不是无限循环。

完成后将“差距分析”任务标记为 completed（无论是否发现差距）。

4. 综合

将“综合报告”任务标记为 in_progress。汇总所有研究发现，生成最终报告。报告文件写入后，将任务标记为 completed。结构如下：

## Deep Dive: [Topic]

### Executive Summary
[3-5 sentences: the key takeaway]

### Findings

#### [Theme/Section 1]
[Synthesized findings from relevant nodes, not just copy-paste]

#### [Theme/Section 2]
[...]

### Open Questions
[Anything that couldn't be resolved — be honest about what's still unclear]

### Sources
[Deduplicated list of all sources from all subagents]

规则

• 始终先展示 DAG 计划。 打印计划后，立即开始研究，无需确认。
• 尽可能并行。 独立的问题应始终由并发子 Agent 处理。
• 最多进行一轮补缺。 不要陷入无限循环的研究。
• 综合整理，不要简单拼接。 最终报告应是一篇连贯的文档，而不是把子 Agent 的输出直接拼在一起。
• 如实说明置信度。 如果研究未能得出明确答案，请如实说明，不要用猜测填补空白。
• 始终保存最终报告。 综合整理后，将报告保存为 Markdown 文件，放入相应项目的 docs/deep-dive/ 目录（如有需要则创建该目录）。根据当前工作目录或研究请求的上下文确定项目根目录。文件名使用主题名称的 slug 形式并附上日期（例如，2026-04-02-jira-docs-from-microservices.md）。切勿只将最终报告写入 /tmp——必须将其保存在相关项目中的持久位置。