deep-research

深度研究

比普通网页搜索更好。比完整研究流程更快。

优势：

1. 全景扫描 — 先发现已有内容，再搜索具体信息（避免盲点）
2. 近期动态脉冲 — 捕捉过去 7-30 天的发布内容，直接搜索上游提供方
3. 并行搜索 — 一次执行 2-3 个查询，同时从多个角度搜索

如需严谨研究（假设、COMPASS 审计、红队测试、完整报告）→ /deep-research-pro

---

步骤 1：分类

类型	适用情况	操作
A	单一事实	搜索 → 直接回答
B	多项事实 / 比较	扫描 → 近期动态 → 搜索 → 综合
C	判断 / 建议	执行 B + 标注不确定性 + 说明局限

级别： 快速（5-10 个来源）· 标准（10-20 个来源）

---

步骤 2：全景扫描 （类型 A 可跳过）

先梳理已有内容，再搜索具体信息。扫描查询中绝不要使用已知名称——你会错过那些确实存在、但你尚不知道的内容。

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

并行查询：

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

提取实体名称 → 分为已发现（新的）和已确认（已更新）。

---

步骤 3：近期动态脉冲 （科技 / AI 主题必做）

年度搜索会漏掉上周发布的内容。下游产品新闻往往比上游晚数周。

先梳理供应链： 谁在开发底层技术？→ 直接搜索他们。

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

示例 — 研究“Microsoft Copilot”： 上游厂商 = OpenAI + Anthropic → 直接搜索两者，不要只依赖 Microsoft 的公告。

将过去 7-30 天内的内容标记为 RECENT 或 BREAKING。

---

步骤 4：搜索

并行运行查询（单条消息，调用多个工具）：

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

停止条件： 连续 3 次搜索新增信息少于 10%（达到饱和），或来源对同一答案达成一致。

URL 备用方案（403 / 被屏蔽）：

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

主张可信度：

• C1（关键主张）——需要 2 个以上来源 + 可信度说明：HIGH / MEDIUM / LOW
• C2（支持性主张）——必须引用来源
• C3（常识）——仅在有争议时引用

C1 主张绝不可不附引用 [N]。若找不到来源，请明确说明。

---

步骤 5：综合 + 保存

针对每项关键发现，回答：

• 所以呢（So what）？——这为什么重要？
• 接下来呢（Now what）？——应采取什么行动？

如果来源相互冲突： 明确指出——“来源 A 表示 X，来源 B 表示 Y——可能是因为［原因］。”

始终保存输出：

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

---

何时询问，何时直接执行

询问	直接执行
主题太宽泛 → “您想重点关注哪个方面？”	选择搜索查询
发现有趣的子主题	设置输出格式
来源对关键要点存在冲突	类型 A 问题

---

相关技能

• /deep-research-pro — 完整流程：假设、QUEST 查询、COMPASS 审计、红队测试、正式报告
• /boost-intel — 在据此决策前，对研究发现进行压力测试
• /generate-creative-ideas — 跨行业创意研究（无需网页搜索）