sc-research

深度研究技能

通过结合实时网络搜索（经由 Rube MCP）与多模型深度分析和共识综合（经由 PAL MCP），对任何主题开展全面研究。生成结构化研究报告，包含有来源支持的发现、交叉验证的分析和置信度评估。

快速开始

# Quick overview
/sc:research "quantum computing developments" --depth shallow

# Balanced research (default)
/sc:research "Impact of AI regulation on open-source development"

# Exhaustive deep dive saved to file
/sc:research "carbon capture technologies" --depth deep --output reports/carbon.md

# More models for consensus
/sc:research "PostgreSQL vs CockroachDB for write-heavy workloads" --models 4

行为流程

1. 解析 - 提取主题、深度、输出路径和模型数量
2. 拆解 - 将主题拆分为 3-7 个子问题，以全面覆盖主题
3. 发现 - 通过 Rube MCP 查找网络搜索工具
4. 搜索 - 分批并行执行网络研究
5. 分析 - 通过 PAL ThinkDeep 对发现进行深度分析
6. 验证 - 通过 PAL Consensus 进行多模型共识验证
7. 报告 - 生成结构化 Markdown 报告
8. 输出 - 保存到文件或在控制台中显示

标志

标志	类型	默认值	说明
--depth	string	medium	研究深度：shallow、medium、deep
--output	string	-	将报告保存到文件路径
--models	int	3	用于共识的模型数量（2-5）

深度级别

深度	子问题	每个问题的搜索次数	后续搜索
shallow	2-3	1	0
medium	3-5	1-2	每个信息缺口 1 次
deep	5-7	2-3	每个信息缺口 2-3 次

阶段 1：解析与规划

从参数中提取主题。将主题拆解为一组子问题，回答这些问题后即可全面覆盖主题。

继续之前，先展示研究计划：

Research Topic: <topic>
Depth: <level>
Sub-questions:
  1. <sub-question>
  2. <sub-question>
  ...
Estimated searches: ~N

阶段 2：发现搜索工具

使用 mcp__rube__RUBE_SEARCH_TOOLS 查找网络搜索和 URL 内容提取工具：

RUBE_SEARCH_TOOLS:
  session: { generate_id: true }
  queries:
    - use_case: "search the web for information about a topic"
    - use_case: "scrape and extract content from a web page URL"

根据响应：

1. 记录 session_id — 在后续所有 Rube 调用中复用
2. 检查返回工具包的连接状态
3. 如果没有已激活的连接，调用 RUBE_MANAGE_CONNECTIONS 并提供身份验证链接
4. 找出最适合网络搜索和 URL 内容提取的工具
5. 如果工具返回 schemaRef，调用 RUBE_GET_TOOL_SCHEMAS 获取完整架构

阶段 3：执行网络研究

通过 RUBE_MULTI_EXECUTE_TOOL 将独立搜索分批并行执行（每次最多 5 个）：

搜索查询的构造：

• 将子问题改写为有效的搜索查询
• 使用具体、客观的措辞
• 对于有争议的主题，明确搜索多方观点
• 如果时效性很重要，加入日期限定词

初次搜索后：

1. 解析并收集所有结果
2. 找出最相关的 URL
3. 对于 medium/deep：提取排名靠前的 3-5 个 URL 的完整内容
4. 找出信息缺口

对于 medium/deep — 后续搜索：

• 生成针对信息缺口的优化查询
• 执行后续搜索
• 提取更多 URL 内容

整理原始发现：

Sub-question 1: <question>
  Sources:
    - [Source Title](URL) - Key finding: <summary>
  Gaps: <what's still unclear>

Sub-question 2: <question>
  Sources:
    - ...

阶段 4：深度分析（PAL ThinkDeep）

使用 mcp__pal__thinkdeep 进行系统性分析：

步骤 1 — 分析：

• 识别各来源中的关键主题和模式
• 标记来源之间的矛盾
• 评估来源的可信度和偏见
• 区分证据充分与证据不足的主张
• 记录重要的信息缺口
• 综合形成初步叙述

步骤 2 — 优化：

• 基于证据推理解决矛盾
• 按置信度（高/中/低）排列发现
• 为最终报告生成结构化大纲
• 找出 3-5 个最重要的要点

阶段 5：多模型共识（PAL Consensus）

5a. 发现模型

调用 mcp__pal__listmodels。按评分选择排名靠前的 N 个模型，并优先选择不同提供商的模型以增强多样性。

5b. 运行共识

使用 mcp__pal__consensus，采用支持、反对和中立立场：

立场	用途
for	善意评估发现，寻找其优势
against	批判性评估，寻找其弱点和缺口
neutral	平衡评估，权衡优势和弱点

5c. 整合共识

综合：

• 一致的方面 — 高置信度的发现
• 存在分歧的方面 — 标注需要细致分析的内容
• 缺失的视角 — 任一模型指出的空白
• 置信度调整 — 根据反馈提高或降低置信度

第 6 阶段：生成报告

# Deep Research Report: <Topic>

**Generated**: <date>
**Depth**: <shallow|medium|deep>
**Sources consulted**: <N>
**Models consulted**: <list>

---

## Executive Summary

<3-5 paragraph synthesis for general audience>

---

## Research Question

<Original topic and how it was decomposed>

---

## Key Findings

### Finding 1: <Title>
**Confidence**: High | Medium | Low
**Consensus**: Agreed | Mixed | Disputed

<Detailed finding with inline source citations>

**Sources**: [Source 1](url), [Source 2](url)

---

## Analysis

### Themes and Patterns
<Cross-cutting themes across sources>

### Contradictions and Debates
<Where sources/models disagreed>

### Information Gaps
<What remains unclear>

---

## Model Consensus

| Model | Stance | Confidence | Key Feedback |
|-------|--------|------------|--------------|
| <model_1> | For | X/10 | <summary> |
| <model_2> | Against | X/10 | <summary> |
| <model_3> | Neutral | X/10 | <summary> |

**Agreement Areas**: <where all models agreed>
**Divergent Views**: <where models differed>

---

## Sources

| # | Title | URL | Relevance |
|---|-------|-----|-----------|
| 1 | <title> | <url> | <contribution> |

---

## Methodology

1. **Web search** via Rube MCP (<N> searches)
2. **Deep analysis** via PAL ThinkDeep
3. **Multi-model consensus** via PAL Consensus (<N> models)

第 7 阶段：输出

• 如果指定了 --output <filepath>：将报告写入文件，并确认路径
• 否则：在控制台中显示完整报告

以摘要结尾：

Research complete:
- Topic: <topic>
- Sources: <N> web sources
- Models: <N> reached consensus
- Confidence: <overall assessment>
- Key takeaway: <1-sentence summary>

MCP 集成

PAL MCP

工具	阶段	用途
mcp__pal__thinkdeep	分析	多阶段假设检验
mcp__pal__consensus	验证	多模型交叉验证
mcp__pal__listmodels	发现	查看可用于共识分析的模型
mcp__pal__challenge	验证	对有争议的主张进行批判性思考

Rube MCP

工具	阶段	用途
mcp__rube__RUBE_SEARCH_TOOLS	发现	查找搜索／抓取工具
mcp__rube__RUBE_GET_TOOL_SCHEMAS	发现	按需加载完整架构
mcp__rube__RUBE_MULTI_EXECUTE_TOOL	搜索	并行执行网络搜索
mcp__rube__RUBE_MANAGE_CONNECTIONS	身份验证	连接搜索集成
mcp__rube__RUBE_REMOTE_BASH_TOOL	处理	处理大型响应数据

错误处理

情况	操作
未找到搜索工具	回退到 WebFetch，直接获取 URL
连接未激活	调用 RUBE_MANAGE_CONNECTIONS，提供身份验证链接
搜索未返回结果	使用更宽泛的词语重新搜索
缺少工具架构	先调用 RUBE_GET_TOOL_SCHEMAS
PAL MCP 不可用	跳过共识分析，仅根据网络研究报告
ThinkDeep 失败	继续处理原始发现
遭遇速率限制	将并行批次大小减至 2-3

防护措施

• 执行搜索前先提交研究计划
• 保留所有来源 URL，以便核实
• 对有争议的主题搜索多种观点
• --depth deep 可能会产生 15-25+ 次 API 调用 — 请谨慎使用
• 如果 Rube 不可用而 PAL 可用，则通过 WebFetch 降级为仅分析模式

工具协调

• WebFetch — Rube 不可用时，用于获取 URL 的回退方案
• Write — 将报告保存到文件
• Bash — 文件操作
• PAL MCP — 分析、共识、质疑
• Rube MCP — 网络搜索、URL 提取