res-deep

深度研究

围绕 Web、Reddit、X/Twitter、GitHub、Hacker News、Substack、财经媒体、LinkedIn 等开展多轮迭代研究，并使用结构化输出框架（比较、全景分析、深入研究、决策）。

架构

来源	工具	成本
Web	Claude Code WebSearch + xAI web_search	免费 + $0.005/次调用
Reddit	Claude Code WebSearch (site:reddit.com) + xAI web_search	免费 + $0.005/次调用
X/Twitter	仅使用 xAI x_search	$0.005/次调用
GitHub	Claude Code WebSearch (site:github.com) + xAI web_search	免费 + $0.005/次调用
Hacker News	Claude Code WebSearch (site:news.ycombinator.com) + xAI web_search	免费 + $0.005/次调用
Substack	Claude Code WebSearch (site:substack.com) + xAI web_search	免费 + $0.005/次调用
财经媒体	Claude Code WebSearch (site-specific) + xAI web_search	免费 + $0.005/次调用
Wall Street Oasis	Claude Code WebSearch (site:wallstreetoasis.com)	免费
LinkedIn	Claude Code WebSearch (site:linkedin.com) + xAI web_search	免费 + $0.005/次调用
Crunchbase	Claude Code WebSearch (site:crunchbase.com)	免费
YouTube	Claude Code WebSearch (site:youtube.com)	免费
科技博客	Claude Code WebSearch (site-specific)	免费

来自多个来源的结果会合并并去重，以实现全面覆盖。

先决条件

必需工具

工具	用途	安装
uv	Python 包管理器（处理依赖项）	curl -LsSf https://astral.sh/uv/install.sh | sh

可选工具

工具	用途	安装
scrapling	无头浏览器备用方案，用于访问屏蔽 WebFetch 的网站（403、验证码、空响应）	uv tool install 'scrapling[all]'

API 密钥

服务	用途	必需	获取密钥
xAI	X/Twitter 搜索 + 补充 Web/GitHub/HN 搜索	建议使用	https://console.x.ai

注意： 不配置 xAI 密钥也可以使用此技能（通过 Claude Code 进入仅 Web 模式），但 X/Twitter 数据和更广泛的覆盖范围需要 xAI。

钥匙串设置（一次性，用于 xAI）

# 1. Create a dedicated keychain
security create-keychain -p 'YourPassword' ~/Library/Keychains/claude-keys.keychain-db

# 2. Add keychain to search list
security list-keychains -s ~/Library/Keychains/claude-keys.keychain-db ~/Library/Keychains/login.keychain-db /Library/Keychains/System.keychain

# 3. Store your xAI API key
echo -n "Enter xAI API key: " && read -s key && security add-generic-password -s "xai-api" -a "$USER" -w "$key" ~/Library/Keychains/claude-keys.keychain-db && unset key && echo

使用前运行：security unlock-keychain ~/Library/Keychains/claude-keys.keychain-db

工作流概览

步骤	操作	目的
0	检测 xAI 密钥	确定完整模式还是仅 Web 模式
1	解析查询	提取 TOPIC、FRAMEWORK、DEPTH
2	第 1 轮：广泛搜索	发现实体、主题和初步结果
3	差距分析	找出缺失的观点和未经核实的主张
4	第 2 轮：针对性跟进	弥补差距、核实主张、深入覆盖
5	第 3 轮：核实	（深度模式）核实一手来源
6	综合整理	将研究结果整理到框架模板中
7	专家模式	根据缓存结果回答后续问题

步骤 0：检测 xAI 密钥

必须在每次研究开始前运行。

security find-generic-password -s "xai-api" -w ~/Library/Keychains/claude-keys.keychain-db 2>/dev/null && echo "XAI_AVAILABLE=true" || echo "XAI_AVAILABLE=false"

• XAI_AVAILABLE=true：使用完整模式——并行运行 Claude WebSearch 和 xAI 脚本。
• XAI_AVAILABLE=false：使用仅 Web 模式——仅运行 Claude WebSearch。附加一条建议配置 xAI 的说明。

此步骤不可省略。开始研究前务必先检查。

步骤 1：解析查询

从用户输入中提取：

1a. TOPIC

正在研究的主题。移除框架标识和深度修饰词。

1b. 框架

根据查询模式判断输出框架：

框架	判断模式	示例
COMPARISON	“X vs Y”、“compare X and Y”、“X or Y”、“which is better”	“面向企业应用的 React vs Vue”
LANDSCAPE	“landscape”、“ecosystem”、“market”、“what's out there”、“overview of”	“AI Agent 框架概览”
DEEP_DIVE	“deep dive”、“how does X work”、“explain”、“tell me about”、“what is”	“深入了解 WebAssembly”
DECISION	“should I/we”、“evaluate”、“which should we use”、“recommend”	“我们应该使用 Kafka 还是 RabbitMQ？”

显式覆盖：用户可在查询中的任意位置使用 [comparison]、[landscape]、[deep-dive] 或 [decision] 强制指定框架。

默认值：如果未检测到框架，则使用 DEEP_DIVE。

1c. 深度

深度	触发词	轮数	目标来源数
quick	“quick”、“brief”、“overview”	1	10-15
default	（无）	2	25-40
deep	“deep”、“comprehensive”、“thorough”	3	60-90

第 2 步：第 1 轮——广泛搜索

生成查询

生成 6-9 个查询，涵盖主题的不同角度：

1. 直接查询："{TOPIC}" —— 按原样表述的主题
2. 时间查询："{TOPIC} 2026" 或 "{TOPIC} latest"
3. Reddit 查询：site:reddit.com "{TOPIC}"
4. GitHub 查询：site:github.com "{TOPIC}"
5. HN 查询：site:news.ycombinator.com "{TOPIC}"
6. 特定框架的查询：
   • COMPARISON："{Alt A} vs {Alt B}"
   • LANDSCAPE："{TOPIC} ecosystem" OR "{TOPIC} landscape"
   • DEEP_DIVE："how {TOPIC} works" OR "{TOPIC} explained"
   • DECISION："{TOPIC}" experience OR recommendation
7. Substack 查询：site:substack.com "{TOPIC}"
8. 财经媒体查询：site:tradingview.com OR site:benzinga.com OR site:seekingalpha.com "{TOPIC}"（适用于金融／经济类主题）
9. LinkedIn 查询：site:linkedin.com "{TOPIC}"（主题涉及个人或公司时）

并行执行

同时运行搜索：

Claude Code（免费）：

• WebSearch：直接查询
• WebSearch：时间查询
• WebSearch：针对 Reddit 的查询
• WebSearch：针对 GitHub 的查询
• WebSearch：针对 HN 的查询
• WebSearch：针对 Substack 的查询
• WebSearch：针对财经媒体的查询（适用于金融／经济类主题）
• WebSearch：针对 LinkedIn 的查询（主题涉及个人／公司时）
• WebSearch：针对 YouTube 的查询
• WebSearch：针对 WSO 的查询（适用于金融主题）
• WebSearch：针对 Crunchbase 的查询（适用于公司／初创公司主题）

xAI 脚本（如果可用，以后台 Bash 任务运行）：

uv run scripts/xai_search.py web "{TOPIC}" --json &
uv run scripts/xai_search.py reddit "{TOPIC}" --json &
uv run scripts/xai_search.py x "{TOPIC}" --json &
uv run scripts/xai_search.py github "{TOPIC}" --json &
uv run scripts/xai_search.py hn "{TOPIC}" --json &
uv run scripts/xai_search.py substack "{TOPIC}" --json &
uv run scripts/xai_search.py finance "{TOPIC}" --json &
uv run scripts/xai_search.py linkedin "{TOPIC}" --json &

合并与去重

MERGED_WEB = dedupe(claude_web + xai_web)
MERGED_REDDIT = dedupe(claude_reddit + xai_reddit)
MERGED_GITHUB = dedupe(claude_github + xai_github)
MERGED_HN = dedupe(claude_hn + xai_hn)
MERGED_SUBSTACK = dedupe(claude_substack + xai_substack)
MERGED_FINANCE = dedupe(claude_finance + xai_finance)
MERGED_LINKEDIN = dedupe(claude_linkedin + xai_linkedin)
X_RESULTS = xai_x_results  (no Claude equivalent)
WSO_RESULTS = claude_wso  (WebSearch only)
CRUNCHBASE_RESULTS = claude_crunchbase  (WebSearch only)
YOUTUBE_RESULTS = claude_youtube  (WebSearch only)

按 URL 去重，保留元数据更丰富的条目。

第 1 轮内部笔记

记录（仅供内部使用，不输出）：

KEY_ENTITIES: [specific tools, companies, people discovered]
THEMES: [recurring themes across sources]
GAPS: [what's missing — feed into Step 3]
CONTRADICTIONS: [conflicting claims]
LEADS: [URLs worth deep-reading via WebFetch (or scrapling fallback) in Round 2]

第 3 步：差距分析

第 1 轮结束后，进行差距分析。完整检查清单见 references/iterative-research.md。

差距类别

差距	检查项	操作
缺少视角	是否涵盖开发者、运营人员和业务方的观点？	针对缺失的视角搜索
未经验证的说法	是否有仅由 1 个来源支持的说法？	寻求佐证
覆盖较浅	是否提到了某个实体，却未作解释？	对该实体进行深入搜索
数据过时	关键事实是否超过 12 个月？	搜索近期更新
缺少来源类型	是否缺少 Reddit / GitHub / HN / X / 博客？	针对该平台搜索
缺少金融／业务背景	是否缺少 Substack / 财经媒体 / LinkedIn / Crunchbase？	针对该平台搜索

规划第 2 轮

选出最重要的 4-6 个差距，并为每个差距生成有针对性的查询。多轮优化模式见 references/search-patterns.md。

如果深度为 quick（仅进行一轮），则跳至第 6 步。

第 4 步：第 2 轮——针对性后续搜索

查询规则

1. 绝不重复第 1 轮的查询
2. 针对特定实体的查询——以第 1 轮发现的目标名称／工具为目标
3. 针对特定来源类型的查询——以第 1 轮中代表性不足的平台为目标
4. 针对框架调整查询——参见 references/iterative-research.md 中的目标选择表

执行

采用与第 1 轮相同的并行模式，但使用有针对性的查询。

此外，对第 1 轮发现的高价值 URL 使用 WebFetch：

• 官方文档页面
• 基准测试结果页面
• 工程博客文章
• 附有方法说明的比较文章

第 2 轮最多调用 4-6 次 WebFetch。

Scrapling 回退方案：如果 WebFetch 返回 403、空内容、验证码页面或被拦截的响应，则使用 cli-web-scrape 中的自动升级协议重试：

1. scrapling extract get "URL" /tmp/scrapling-fallback.md → 读取 → 验证内容
2. 如果内容较少（仅含 JS 外壳、没有数据或大多是导航链接）→ scrapling extract fetch "URL" /tmp/scrapling-fallback.md --network-idle --disable-resources → 读取 → 验证
3. 如果仍被拦截 → scrapling extract stealthy-fetch "URL" /tmp/scrapling-fallback.md --solve-cloudflare
4. 所有层级均失败 → 跳过该 URL，并注明“scrapling blocked”

置信度更新

第 2 轮结束后，重新评估所有论断：

之前	新证据	之后
[LOW]	找到第二个来源	[MEDIUM]
[MEDIUM]	找到第三个来源	[HIGH]
任意	出现矛盾	注明冲突，并呈现双方观点

如果深度为 default，则跳至第 6 步。

第 5 步：第 3 轮——验证（仅限深度模式）

第 3 轮仅用于验证，不进行新的发现。

预算

最多进行 6-10 次 WebFetch 查找，目标如下：

目标	用途	最多调用次数
关键论断的第一手来源	验证准确性	3-4
独立基准测试网站	验证性能论断	1-2
矛盾双方	解决冲突	1-2
版本／日期的官方网站	确认时效性	1-2

**Scrapling 回退方案：**与第 2 轮采用相同的自动升级协议——尝试 HTTP 层级并验证内容；若内容较少或遭到拦截，则升级到 Dynamic／Stealthy。

规则

1. 验证，而非发现——不探索新主题
2. 针对影响最大的论断——即可能改变建议的论断
3. 检查第一手来源——查阅原始来源，而非摘要
4. 更新置信度——根据调查结果提高或降低置信度
5. 优先相信第一手来源——若第一手来源与第二手来源矛盾，则注明

第 6 步：综合分析

框架选择

加载 references/output-frameworks.md，并选择与检测到的 FRAMEWORK 匹配的模板。

填写模板

1. 标题区块——框架类型、主题、深度、来源数量、日期
2. 核心内容——根据研究发现填写框架各部分
3. 置信度指标——为每项论断标注 [HIGH]、[MEDIUM] 或 [LOW]
4. 社区观点——综合 Reddit/X/HN/GitHub 上的情绪倾向
5. 统计信息页脚——来源数量和互动指标
6. 来源部分——按平台整理，并附上 URL 和指标

按互动量加权综合

根据来源的信号强度进行加权。完整的加权表请参见 references/iterative-research.md。

信号	阈值	权重
Reddit 赞成票	100+	高
X 互动量	50+ 个赞	高
GitHub 星标	1000+	高
HN 积分	100+	高
Substack 赞	50+	高
多平台一致	3+ 个来源	高
双引擎匹配	Claude + xAI	高
Seeking Alpha 评论	20+	中
WSO 赞成票	10+	中
YouTube 观看次数	10K+	中
近期（< 7 天）	任意	中
仅有单一来源	任意	低

统计信息页脚格式

Research Statistics
├─ Reddit: {n} threads │ {upvotes} upvotes
├─ X: {n} posts │ {likes} likes │ {reposts} reposts
├─ GitHub: {n} repos │ {stars} total stars
├─ HN: {n} threads │ {points} total points
├─ Substack: {n} articles │ {likes} likes
├─ Financial: {n} articles │ {sources}
├─ LinkedIn: {n} profiles/articles
├─ YouTube: {n} videos
├─ WSO: {n} threads
├─ Crunchbase: {n} profiles
├─ Web: {n} pages │ {domains}
├─ Merged: {n} from Claude + {n} from xAI
└─ Top voices: r/{sub1} │ @{handle1} │ {blog1}

仅限网页模式的页脚：

Research Statistics
├─ Reddit: {n} threads (via Claude WebSearch)
├─ GitHub: {n} repos (via Claude WebSearch)
├─ HN: {n} threads (via Claude WebSearch)
├─ Substack: {n} articles (via Claude WebSearch)
├─ Financial: {n} articles (via Claude WebSearch)
├─ LinkedIn: {n} profiles/articles (via Claude WebSearch)
├─ YouTube: {n} videos (via Claude WebSearch)
├─ Web: {n} pages
└─ Top sources: {site1}, {site2}

Add X/Twitter + broader coverage: Set up xAI API key (see Prerequisites)

步骤 7：专家模式

交付研究结果后，进入专家模式：

• 根据缓存的结果回答后续问题
• 除非明确要求，否则不进行新的搜索
• 交叉比对不同来源

触发新搜索（退出专家模式）：

• “再次搜索……”
• “查找更多关于……的信息”
• “更新研究……”
• “深入调查……”

运行模式

模式	来源	适用情况
完整	Claude WebSearch + xAI（web + X + Reddit + GitHub + HN + Substack + Finance + LinkedIn）	步骤 0 返回 XAI_AVAILABLE=true
仅 Web	仅 Claude WebSearch	步骤 0 返回 XAI_AVAILABLE=false

模式由步骤 0 决定——绝不能跳过或在未检查的情况下假设使用仅 Web 模式。

深度控制

深度	轮次	来源	xAI 调用次数（完整模式）	用例
quick	1	10-15	8	快速概览、时效性内容
default	2	25-40	13	均衡研究
deep	3	60-90	18 + 6-10 WebFetch	全面分析、重要决策

成本说明

操作	成本
Claude Code WebSearch	免费（订阅内）
xAI 搜索调用（任意类型）	$0.005/次
WebFetch（内置）	免费
scrapling 后备方案（可选）	免费

每次研究会话的预估成本：

深度	完整模式	仅 Web
quick	~$0.04（8 次 xAI 调用）	免费
default	~$0.065（13 次 xAI 调用）	免费
deep	~$0.09（18 次 xAI 调用）	免费

节省成本的策略：

• Claude WebSearch 可满足大多数需求（免费）
• xAI 可搜索 X/Twitter（独特价值），并扩大各平台的覆盖范围
• 使用 WebFetch 深入阅读特定 URL（免费）；遇到网站拦截时使用 scrapling 后备方案

关键约束

应做事项：

• 每次研究会话前都运行步骤 0（检测 xAI 密钥）
• 如果存在 xAI 密钥：并行运行 Claude WebSearch 和 xAI 脚本（完整模式）
• 如果缺少 xAI 密钥：仅使用 Claude WebSearch（仅 Web 模式）
• 在各轮之间进行差距分析——绝不能跳过
• 合并结果并按 URL 去重
• 从结果中排除已归档的 GitHub 仓库——这些仓库无人维护且为只读
• 为每项主张标注置信度：[HIGH]、[MEDIUM] 或 [LOW]
• 让综合结论以实际研究为依据，而非既有知识
• 引用带 URL 的具体来源
• 调用 xAI 脚本时使用 --json 标志，以便进行程序化解析
• 从 references/output-frameworks.md 加载框架模板

不应做事项：

• 不要跳过 Claude Code WebSearch（它是免费的）
• 可以并行时，不要按顺序执行搜索
• 不要展示来自不同搜索引擎的重复结果
• 引用任一来源时，不要摘录超过 125 个字符
• 不要在多轮搜索中重复查询——每轮都应针对上一轮发现的差距
• 对于 quick 或 default 深度，不要添加第 3 轮——仅 deep 深度需要
• 不要在第 3 轮发现新主题——仅进行验证

故障排除

未找到 xAI 密钥：

security find-generic-password -s "xai-api" ~/Library/Keychains/claude-keys.keychain-db

如果未找到，请运行上文中的钥匙串设置步骤。

钥匙串已锁定：

security unlock-keychain ~/Library/Keychains/claude-keys.keychain-db

没有 X/Twitter 结果： 需要有效的 xAI API 密钥。请在 https://console.x.ai 查看。

WebFetch 被拦截（403/验证码/内容为空）： 安装 scrapling，并遵循 cli-web-scrape 的自动升级协议（HTTP → 验证 → Dynamic → Stealthy）：

uv tool install 'scrapling[all]'
scrapling install  # one-time: install browser engines for Dynamic/Stealthy tiers

脚本错误： 确保已安装 uv：which uv。如果缺少，请运行：curl -LsSf https://astral.sh/uv/install.sh | sh

参考资料

• references/output-frameworks.md — 框架模板（比较、概览、深入分析、决策）
• references/search-patterns.md — 搜索运算符和多轮查询模式
• references/iterative-research.md — 差距分析、轮次流程、交叉比对方法