deep-research

深度研究技能

触发条件

当用户希望进行以下操作时，启用此技能：

• “研究某个主题”、“文献综述”、“查找关于某个主题的论文”、“调研某个主题的论文”
• “深入研究 [主题]”、“[主题] 的最新进展是什么”
• 使用 /research <topic> 斜杠命令

概述

此技能分 6 个阶段开展系统性学术文献综述，生成结构化笔记、精选论文数据库和综合性最终报告。为便于理解，输出按阶段组织。

安装位置：~/.claude/skills/deep-research/ — 脚本、参考资料和此技能定义。 输出位置：相对于当前工作目录的 .//Users/lingzhi/Code/deep-research-output/{slug}/。

重要：严格按顺序执行各阶段

必须严格按顺序执行全部 6 个阶段：1 → 2 → 3 → 4 → 5 → 6。绝不可跳过任何阶段。

这是此技能中最重要的一条规则。违规行为包括：

• ❌ 从第 2 阶段直接跳到第 5/6 阶段（跳过深度阅读和代码阶段）
• ❌ 未完成第 3 阶段的深度阅读就撰写综合分析或报告
• ❌ 仅根据搜索结果中的摘要/标题生成最终报告
• ❌ 合并阶段（例如，同时进行“第 3-5 阶段”）

阶段门禁流程

开始第 N+1 阶段前，必须确认第 N 阶段的必需输出文件已存在于磁盘上。若文件不存在，则说明该阶段尚未完成。

阶段	门禁：必需输出文件
1 → 2	phase1_frontier/frontier.md 存在，且包含 ≥10 篇论文
2 → 3	phase2_survey/survey.md 存在，且 paper_db.jsonl 中有 35-80 篇论文
3 → 4	phase3_deep_dive/selection.md 和 phase3_deep_dive/deep_dive.md 均存在，且 deep_dive.md 包含 ≥8 篇论文的详细笔记
4 → 5	phase4_code/code_repos.md 存在，且包含 ≥3 个代码仓库
5 → 6	phase5_synthesis/synthesis.md 和 phase5_synthesis/gaps.md 均存在

完成每个阶段后，打印阶段完成检查点：

✅ Phase N complete. Output: [list files written]. Proceeding to Phase N+1.

各阶段的重要性

• **第 3 阶段（深度阅读）**是实际阅读论文的阶段——缺少此阶段，综合分析就会流于表面，仅基于摘要
• **第 4 阶段（代码与工具）**将研究落到实际实现中——缺少此阶段，你会错过开源生态
• **第 5 阶段（综合分析）**需要第 3 阶段的深入了解——你无法综合分析尚未读过的论文
• **第 6 阶段（报告）**汇总此前所有阶段的内容——应引用第 3 阶段笔记中的具体发现

论文质量政策

同行评审的会议论文优先于 arXiv 预印本。 许多 arXiv 论文未经同行评审，可能包含未经验证的结论。

来源优先级（从高到低）

1. 顶级 AI 会议：NeurIPS、ICLR、ICML、ACL、EMNLP、NAACL、AAAI、IJCAI、CVPR、KDD、CoRL
2. 同行评审期刊：JMLR、TACL、Nature、Science 等
3. 研讨会论文：NeurIPS/ICML 研讨会论文（标准较低，但仍经过评审）
4. 高引用量的 arXiv 预印本：质量可能较高，但未经验证
5. 最新 arXiv 预印本：谨慎使用，并明确注明“预印本”状态

arXiv 论文的使用场景

• 作为补充证据，与同行评审成果并用
• 用于尚未在会议上发表的最新研究成果（不到 3 个月）
• 尚无同行评审版本时——在引文中注明 (preprint)
• 用于综述论文（即使未经同行评审，这类论文仍然有用）

搜索工具（按优先级排序）

1. paper_finder（主要工具——仅限会议论文）

位置：/Users/lingzhi/Code/documents/tool/paper_finder/paper_finder.py

在 ai-paper-finder.info（HuggingFace Space）上搜索已发表的会议论文。支持按会议和年份筛选。输出包含 BibTeX 的 JSONL。

python /Users/lingzhi/Code/documents/tool/paper_finder/paper_finder.py --mode scrape --config <config.yaml>
python /Users/lingzhi/Code/documents/tool/paper_finder/paper_finder.py --mode download --jsonl <results.jsonl>
python /Users/lingzhi/Code/documents/tool/paper_finder/paper_finder.py --list-venues

配置示例：

searches:
  - query: "long horizon reasoning agent"
    num_results: 100
    venues:
      neurips: [2024, 2025]
      iclr: [2024, 2025, 2026]
      icml: [2024, 2025]
output:
  root: /Users/lingzhi/Code/deep-research-output/{slug}/phase1_frontier/search_results
  overwrite: true

2. search_semantic_scholar.py（补充——引文数据和更广泛的覆盖范围）

位置：/Users/lingzhi/.claude/skills/deep-research/scripts/search_semantic_scholar.py 支持 --peer-reviewed-only 和 --top-conferences 筛选。API 密钥：/Users/lingzhi/Code/keys.md（字段 S2_API_Key）

3. search_arxiv.py（补充——最新预印本）

位置：/Users/lingzhi/.claude/skills/deep-research/scripts/search_arxiv.py 用于搜索尚未在会议上发表的近期论文。引用时请标注 (preprint)。

其他脚本

脚本	位置	主要标志
download_papers.py	~/.claude/skills/deep-research/scripts/	--jsonl、--output-dir、--max-downloads、--sort-by-citations
extract_pdf.py	~/.claude/skills/deep-research/scripts/	--pdf、--pdf-dir、--output-dir、--sections-only
paper_db.py	~/.claude/skills/deep-research/scripts/	子命令：merge、search、filter、tag、stats、add、export
bibtex_manager.py	~/.claude/skills/deep-research/scripts/	--jsonl、--output、--keys-only
compile_report.py	~/.claude/skills/deep-research/scripts/	--topic-dir

WebFetch 模式（无 Bash）

1. 论文发现：使用 WebSearch + WebFetch 查询 Semantic Scholar/arXiv API
2. 论文阅读：通过 WebFetch 访问 ar5iv HTML，或使用 Read 工具阅读已下载的 PDF
3. 写作：使用 Write 工具编写 JSONL、笔记和报告文件

6 阶段工作流

阶段 1：前沿

搜索最新的会议论文集和预印本，了解当前趋势。

1. 编写 phase1_frontier/paper_finder_config.yaml，目标为最近 1-2 年
2. 运行 paper_finder 抓取
3. 使用 WebSearch 查找最新的录用论文列表
4. 确定热门方向和关键突破 → 输出：phase1_frontier/frontier.md、phase1_frontier/search_results/

阶段 2：综述

通过扩大时间范围，构建全面的领域概览。筛选后目标为 35-80 篇论文。

1. 编写 phase2_survey/paper_finder_config.yaml，覆盖 2023-2025 年
2. 运行 paper_finder + Semantic Scholar + arXiv
3. 合并所有结果：python /Users/lingzhi/.claude/skills/deep-research/scripts/paper_db.py merge
4. 筛选出最相关的 35-80 篇：python /Users/lingzhi/.claude/skills/deep-research/scripts/paper_db.py filter --min-score 0.80 --max-papers 70
5. 按主题聚类并撰写综述笔记 → 输出：phase2_survey/survey.md、phase2_survey/search_results/、paper_db.jsonl

阶段 3：深入研究 ⚠️ 切勿跳过

此阶段为必做项。 必须实际阅读 8-15 篇论文的全文，而不只是阅读摘要。

1. 从 paper_db.jsonl 中选择 8-15 篇论文并说明理由 → 写入 phase3_deep_dive/selection.md
2. 下载 PDF：python download_papers.py --jsonl paper_db.jsonl --output-dir phase3_deep_dive/papers/ --sort-by-citations --max-downloads 15
3. 对于每篇选定的论文，阅读全文（使用 Read 阅读 PDF，或通过 WebFetch 访问 ar5iv 阅读 HTML）
4. 为每篇论文撰写详细的结构化笔记（参见 note-format.md 模板）：问题、贡献、方法、实验、局限性、关联
5. 将所有笔记写入 phase3_deep_dive/deep_dive.md

阶段 3 门槛：deep_dive.md 必须包含至少 8 篇论文的详细笔记，且每篇都填写了方法和实验部分。仅含摘要的总结不计入。

→ 输出：phase3_deep_dive/selection.md、phase3_deep_dive/deep_dive.md、phase3_deep_dive/papers/

第 4 阶段：代码与工具 ⚠️ 请勿跳过

**此阶段为必做项。**你必须调研开源生态。

1. 从第 3 阶段阅读的论文中提取 GitHub URL
2. 使用 WebSearch 搜索实现：“site:github.com {method name}”、“site:paperswithcode.com {topic}”
3. 对找到的每个仓库，记录 URL、星标数、语言、最后更新时间、文档质量
4. 搜索相关基准和数据集
5. 写入 → phase4_code/code_repos.md（必须包含 ≥3 个仓库）

第 4 阶段门槛：code_repos.md 必须存在，且包含至少 3 个带元数据的仓库。

→ 输出：phase4_code/code_repos.md

第 5 阶段：综合分析（需完成第 3 + 4 阶段）

跨论文分析。同行评审的研究发现权重更高。 此阶段必须基于第 3 阶段的详细笔记和第 4 阶段的代码生态分析。 分类体系、对比表、差距分析。

开始前：确认 phase3_deep_dive/deep_dive.md 和 phase4_code/code_repos.md 已存在。若不存在，请先返回并完成相应阶段。

→ 输出：phase5_synthesis/synthesis.md、phase5_synthesis/gaps.md

第 6 阶段：编纂（需完成第 1–5 阶段）

根据之前所有阶段的输出编写最终报告。引用预印本时，在末尾标注 (preprint)。

开始前：确认所有阶段的输出均已存在：

• phase1_frontier/frontier.md
• phase2_survey/survey.md
• phase3_deep_dive/deep_dive.md
• phase4_code/code_repos.md
• phase5_synthesis/synthesis.md + gaps.md

如果有任何文件缺失，请先返回并完成缺失的阶段。

→ 输出：phase6_report/report.md、phase6_report/references.bib

输出目录

output/{topic-slug}/
├── paper_db.jsonl                    # Master database (accumulated)
├── phase1_frontier/
│   ├── paper_finder_config.yaml
│   ├── search_results/
│   └── frontier.md
├── phase2_survey/
│   ├── paper_finder_config.yaml
│   ├── search_results/
│   └── survey.md
├── phase3_deep_dive/
│   ├── papers/
│   ├── selection.md
│   └── deep_dive.md
├── phase4_code/
│   └── code_repos.md
├── phase5_synthesis/
│   ├── synthesis.md
│   └── gaps.md
└── phase6_report/
    ├── report.md
    └── references.bib

关键约定

• 论文 ID：如果有 arxiv_id，则使用该 ID；否则使用 Semantic Scholar 的 paperId
• 引用：采用 [@key] 格式，key = firstAuthorYearWord（例如 [@vaswani2017attention]）
• JSONL 架构：title、authors、abstract、year、venue、venue_normalized、peer_reviewed、citationCount、paperId、arxiv_id、pdf_url、tags、source
• 预印本标注：引用未经同行评审的研究时，务必标注 (preprint)
• 增量保存：每个阶段完成后立即写入磁盘
• 论文数量：最终 paper_db.jsonl 目标为 35–80 篇论文（使用 paper_db.py filter）

参考资料

• /Users/lingzhi/.claude/skills/deep-research/references/workflow-phases.md — 6 阶段方法详述
• /Users/lingzhi/.claude/skills/deep-research/references/note-format.md — 笔记模板、BibTeX 格式、报告结构
• /Users/lingzhi/.claude/skills/deep-research/references/api-reference.md — arXiv、Semantic Scholar、ar5iv API 指南

相关技能

• 后续步骤：literature-search、literature-review、citation-management
• 另请参阅：novelty-assessment、survey-generation