deep-research

深度研究技能

概述

此技能提供了一套系统的方法，用于开展全面的网络研究。开始任何内容生成任务前，请先加载此技能，确保从多个角度、多个深度和多个来源收集充足的信息。

何时使用此技能

以下情况始终加载此技能：

研究问题

• 用户询问“X 是什么”“解释 X”“研究 X”或“调查 X”
• 用户希望深入了解某个概念、技术或主题
• 问题需要从多个来源获取最新、全面的信息
• 仅进行一次网络搜索不足以妥善作答

内容生成（预先研究）

• 制作演示文稿（PPT/幻灯片）
• 创建前端设计或 UI 模型
• 撰写文章、报告或文档
• 制作视频或多媒体内容
• 任何需要真实信息、示例或最新数据的内容

核心原则

切勿仅凭一般知识生成内容。 输出质量直接取决于事先研究的质量和数量。一次搜索查询绝对不够。

研究方法

阶段 1：广泛探索

从广泛搜索开始，了解整体情况：

1. 初步调查：搜索主题，了解整体背景
2. 确定维度：根据初步结果，找出需要深入探索的关键子主题、主题、角度或方面
3. 绘制全貌：记录不同的观点、利益相关方或视角

示例：

Topic: "AI in healthcare"
Initial searches:
- "AI healthcare applications 2024"
- "artificial intelligence medical diagnosis"
- "healthcare AI market trends"

Identified dimensions:
- Diagnostic AI (radiology, pathology)
- Treatment recommendation systems
- Administrative automation
- Patient monitoring
- Regulatory landscape
- Ethical considerations

阶段 2：深入研究

针对确定的每个重要维度开展定向研究：

1. 具体查询：使用精确关键词搜索每个子主题
2. 多种表述：尝试不同的关键词组合和表述方式
3. 获取完整内容：使用 web_fetch 阅读重要来源的完整内容，而不只是摘要
4. 追踪引用：如果来源提及其他重要资源，也搜索这些资源

示例：

Dimension: "Diagnostic AI in radiology"
Targeted searches:
- "AI radiology FDA approved systems"
- "chest X-ray AI detection accuracy"
- "radiology AI clinical trials results"

Then fetch and read:
- Key research papers or summaries
- Industry reports
- Real-world case studies

阶段 3：多样性与验证

通过寻找不同类型的信息，确保全面覆盖：

信息类型	用途	搜索示例
事实与数据	具体证据	“statistics”“data”“numbers”“market size”
示例与案例	实际应用	“case study”“example”“implementation”
专家观点	权威视角	“expert analysis”“interview”“commentary”
趋势与预测	未来走向	“trends 2024”“forecast”“future of”
比较	背景与替代方案	“vs”“comparison”“alternatives”
挑战与批评	平衡观点	“challenges”“limitations”“criticism”

阶段 4：综合检查

开始生成内容前，请确认：

• 我是否从至少 3-5 个不同角度进行了搜索？
• 我是否获取并完整阅读了最重要来源的内容？
• 我是否掌握了具体数据、示例和专家观点？
• 我是否同时探讨了积极方面以及挑战/局限？
• 我的信息是否最新且来自权威来源？

如果任何一项的答案为“否”，请继续研究，再生成内容。

搜索策略提示

有效的查询模式

# Be specific with context
❌ "AI trends"
✅ "enterprise AI adoption trends 2024"

# Include authoritative source hints
"[topic] research paper"
"[topic] McKinsey report"
"[topic] industry analysis"

# Search for specific content types
"[topic] case study"
"[topic] statistics"
"[topic] expert interview"

# Use temporal qualifiers — always use the ACTUAL current year from <current_date>
"[topic] 2026"   # ← replace with real current year, never hardcode a past year
"[topic] latest"
"[topic] recent developments"

时间意识

在形成任何搜索查询之前，请务必先检查上下文中的 <current_date>。

<current_date> 提供完整日期：年、月、日和星期（例如：2026-02-28, Saturday）。根据用户的提问，采用适当的精度：

用户意图	所需时间精度	查询示例
“今天 / 今天上午 / 刚刚发布”	月 + 日	"tech news February 28 2026"
“本周”	周范围	"technology releases week of Feb 24 2026"
“最近 / 最新 / 新”	月份	"AI breakthroughs February 2026"
“今年 / 趋势”	年份	"software trends 2026"

规则：

• 用户询问“今天”或“刚刚发布”的内容时，在搜索查询中使用月 + 日 + 年，以获取当天的结果
• 需要精确到日期时，绝不能只精确到年份——"tech news 2026" 不会显示今天的新闻
• 尝试多种表达方式：数字格式（2026-02-28）、文字格式（February 28 2026）和相对时间表达（today、this week），并用于不同的查询

❌ 用户问“今天有什么科技新消息” → 搜索 "new technology 2026" → 错过今天的新闻 ✅ 用户问“今天有什么科技新消息” → 搜索 "new technology February 28 2026" + "tech news today Feb 28" → 获取当天的结果

何时使用 web_fetch

在以下情况下，使用 web_fetch 阅读完整内容：

• 搜索结果看起来高度相关且来源权威
• 需要了解摘要之外的详细信息
• 来源包含数据、案例研究或专家分析
• 希望了解某项发现的完整背景

迭代优化

研究是一个迭代过程。完成初步搜索后：

1. 回顾已了解的信息
2. 找出理解上的空白
3. 制定新的、更有针对性的查询
4. 重复上述过程，直到掌握全面信息

质量标准

在能够有把握地回答以下问题时，研究才算充分：

• 有哪些关键事实和数据点？
• 有哪些 2～3 个具体的真实案例？
• 专家对这个主题有何看法？
• 当前趋势和未来方向是什么？
• 有哪些挑战或局限？
• 这个主题为何在当下具有相关性或重要性？

应避免的常见错误

• ❌ 搜索 1～2 次后就停止
• ❌ 不阅读完整来源，只依赖搜索摘要
• ❌ 对涉及多个方面的主题只搜索其中一个方面
• ❌ 忽略相互矛盾的观点或挑战
• ❌ 有最新数据时仍使用过时信息
• ❌ 研究尚未完成就开始生成内容

输出

完成研究后，你应具备：

1. 从多个角度对主题的全面了解
2. 具体事实、数据点和统计数据
3. 真实案例和案例研究
4. 专家观点和权威来源
5. 当前趋势和相关背景

只有完成以上步骤后，才能开始生成内容，并利用收集到的信息创作高质量、内容翔实的内容。