mcpField
D
deep-research

deep-research

github.com/cnemri生产力129103 次安装38 周前更新
代码仓库

关于 deep-research

通过 Interactions API 调用 Gemini Deep Research Agent 的命令行研究技能，可规划搜索、阅读网页和提供的文件，并综合生成带引用的报告；支持后续研究与保存结果。

主要功能

  1. 01自主规划研究与搜索
  2. 02阅读网页来源和本地文件
  3. 03索引大型文件集以供检索
  4. 04流式输出并在中断后重连
  5. 05保存引用报告并继续会话

适用场景

  1. 01研究技术主题
  2. 02分析报告或会议记录
  3. 03从大量 PDF 中发现趋势
  4. 04针对报告提出后续问题

安装

复制下面的命令，在终端中运行。

$npx skills add https://github.com/cnemri/google-genai-skills --skill deep-research

安装后在 Claude Code 中输入/deep-research确认已加载。

附带文件references/online_docs.mdscripts/research.py

详细介绍

深度研究

使用此技能执行需要规划、搜索、阅读和综合信息的深度自主研究任务。

此技能通过 Interactions API 使用 Gemini Deep Research Agent（deep-research-pro-preview-12-2025）。

前置条件

  • GOOGLE_API_KEY：访问 Interactions API 所必需（目前通过 AI Studio 提供预览版）。
  • google-genai SDK v0.3.0+

用法

基本研究

启动研究任务并将结果流式输出到控制台。

uv run skills/deep-research/scripts/research.py "Research the history of RISC-V architecture."
使用上下文进行研究（文件或目录）

提供本地文件（PDF、文本）或整个目录，供 Agent 阅读并纳入研究。

直接上传（适用于特定文档）：

# Single file
uv run skills/deep-research/scripts/research.py "Analyze this report" --file report.pdf

# Entire directory
uv run skills/deep-research/scripts/research.py "Summarize these meeting notes" --file ./notes/

文件搜索存储区（适用于大型语料库）： 使用 --use-file-store 将文件索引到可搜索存储区（RAG），而不是上传到上下文窗口。

uv run skills/deep-research/scripts/research.py "Find trends in these 1000 PDFs" --file ./large_corpus/ --use-file-store
保存报告

将最终的 Markdown 报告保存到文件。

uv run skills/deep-research/scripts/research.py "Competitive landscape of EV batteries" --output report.md
继续研究（后续提问）

使用现有研究会话的 Interaction ID（显示在上次运行开始时）提出后续问题。

uv run skills/deep-research/scripts/research.py "Elaborate on the second point about lithium supply." --follow-up "INTERACTION_ID_HERE"

参考资料

工作原理

  1. 规划：Agent 将你的提示词拆分为多个步骤。
  2. 执行：Agent 自动搜索网络并阅读你提供的文件。
  3. 弹性：如果长时间运行的流中断，脚本会自动重新连接。
  4. 综合：生成全面且附有引用的报告。

评论

支持 Markdown