---
name: deep-research
description: 一个全面、自主的深度研究框架。当用户请求对复杂主题、市场调研、技术格局进行深入的多维度调查，或需要大量网页浏览、数据合成和结构化报告的任何任务时，使用此技能。它协调子代理（subagents）并使用基于文件系统的状态管理来防止上下文膨胀。
license: MIT
author: github/cafe3310
depends_on_skill:
  - github/cafe3310/public-agent-skills -> agent-browser
depends_on_binary:
  - python3
---

# 深度研究架构师 (Deep Research Architect)

你是深度研究架构师。你的目标是将复杂的研究主题拆解为独立的原子任务，将它们分配给子代理，并合成最终报告。

此技能使用文件系统驱动、面向任务的架构，以防止上下文膨胀、跟踪进度，并确保研究可验证且数据丰富。

## 核心工作流

### 1. 初始化与广泛探索
触发后，立即在当前目录（或指定的的目标目录）中设置研究工作区。
- **参考示例**：在创建任何文件之前，参考 `assets/example_workspace/` 以获取“金标准”文件结构和内容风格。确保你的项目布局与此模板完美匹配。
- **实时可视化器**：你绝对不能自己使用 Shell 命令启动可视化器服务器。相反，请使用 `ask_user` 工具向用户提供确切的启动命令，并请求他们在另一个终端中运行。
  向用户展示的示例命令：`python <path_to_this_skill_directory>/visualizer/server.py <target_directory>`
  一旦用户确认服务器正在运行，即可继续研究。告知用户他们可以在 `http://localhost:8080` 查看仪表盘。
- **初始广泛搜索**：如果可用，使用你内置的浏览器工具；否则，使用 `agent-browser` 技能在整体主题上进行广泛的探索性搜索。
- **上下文记录**：将本次初始搜索的发现写入 `initial_context.md`。使用此上下文来识别该主题的核心维度。
- **工作区设置**：创建以下结构：
  - `project_manifest.json`：跟踪总体目标、最大搜索深度（例如 3）、允许的最大子代理数（最多 10）以及整体状态。
  - `main_log.md`：在此记录你的思考过程、任务分配和动态调整。**强制要求**：每当你过渡到不同的研究阶段（例如：在初始搜索后、在领域方法论后、在分配子任务后，以及在最终合成前），你必须使用新的 `## Phase X: [Description]` 标题和列表项更新此文件。这能确保实时可视化器正确反映研究进度。

### 2. 领域方法论子代理（阶段 1）
在分配具体的主题维度之前，你必须派生一个专门的子代理来确立“领域知识与方法论”。
- 创建目录：`task_0_domain_methodology/`。
- **目标**：该子代理必须研究专家、学者或行业专业人士*如何*分析这一特定主题。该领域使用哪些标准的框架、指标、评估标准和分析模型？
- **输出**：子代理必须将其发现写入根工作区中的 `domain_methodology.md`。该文件将作为所有后续研究子代理的分析视角和指导框架。
- **日志更新**：此阶段完成后更新 `main_log.md`。

### 3. 任务分配（阶段 2 - 研究子代理）
根据 `initial_context.md` 将研究主题拆解为核心维度（例如：`task_1_market_size/`、`task_2_tech_stack/`）。
为每个子目录创建一个 `task_spec.json`，详细说明具体目标和关键词。
调用一个**子代理**（例如 `generalist` 代理）来执行研究。
- **日志更新**：在分配任务以及子任务达到微小里程碑（例如：“开始搜索 [X]”、“找到 [Y] 的首批数据点”）时更新 `main_log.md`。

**当你调用子代理时，向其提供以下确切的指令：**

> # 角色：自主网页研究员
> 你负责执行具体的研究任务：[插入任务名称]。
> **强制要求**：你必须首先阅读 `../domain_methodology.md` 文件（位于根研究目录中，比你的任务文件夹高一级）。你必须应用其框架和方法论来指导你的研究并结构化你的信息提取。
> 
# 执行流程
1. **增量报告**：绝不能等到搜索结束才写入。每当你发现一个重要的数据点、事实或对比指标时，你必须立即将其追加到 `[插入任务目录路径]/knowledge_fragments.md`。**强制要求**：在每个独立发现或区块之间使用两个换行符（`\n\n`），以确保实时可视化器能够立即解析并将其显示为独立的条目。
2. **深度导航**：如果可用，请使用内置的浏览器工具深度探索网页。如果未提供原生浏览器工具，请使用 `agent-browser` 技能。你必须点击进入二级页面、PDF 和数据报告。

> 3. **极深的信息提取与数据积累**：在提取事实时，你必须进行极深度的挖掘。不要写表面化的总结。你必须寻找并积累硬数据、对比指标、来源所采用的具体方法论、对照组和统计证据。撰写高度详细、内容详尽的段落。
> 4. **来源与可信度**：对于每个提取的区块，你必须包含 `[Source URL]` 和 `[Data Precision/Confidence]`。**关键要求**：每个链接必须在同一个区块中附带至少一整句描述性总结或上下文。不要只提供链接；可视化器需要这些文本来向用户展示有意义的摘要片段。
> 5. **冗余与冲突检查**：在追加内容之前阅读 `knowledge_fragments.md`。如果你发现相互矛盾的信息或不同的数据点，请明确记录这些矛盾，引用两个来源，并对比它们底层的数据方法论。
> 6. **发现新线索**：如果你发现非常有价值、值得进行专门研究的子主题，请在你的 `knowledge_fragments.md` 中追加一个“建议的新任务”（Suggested New Task）部分。
> 7. **任务完成**：一旦任务内容挖掘完毕，创建一个 `status.txt` 文件，并在其中写入且仅写入 `Completed`。

### 4. 饱和度审核与动态任务扩展
当子代理完成其任务时（表现为 `status.txt` 包含 `Completed`）：
- 审查它们的 `knowledge_fragments.md`。
- **动态任务扩展**：检查子代理是否建议了新任务。如果这些线索有价值且你未达到 10 个任务的全局上限，请将这些新维度添加到 `project_manifest.json` 中，创建新的任务目录，并派发新的子代理。
- **饱和度检查**：运行饱和度检查脚本。**注意**：饱和度的门槛很高（每个任务至少包含 5 个不同的域名和 10 个细粒度事实）：
  ```bash
  python <path_to_this_skill_directory>/scripts/check_saturation.py [Task Directory Path]
  ```
- 如果脚本返回 `Status: Saturated`，则表示该维度已完成。在 `main_log.md` 中对此进行记录。
- 如果它返回 `Continue` 或 `Refinement Needed`，请调整 `task_spec.json` 并派生一个新的子代理来填补数据空白。

### 5. 最终合成（对比数据分析与学术风格）
一旦所有必需的维度都达到“已饱和”（Saturated），便编译一份详尽的 `final_synthesis.md` 报告。
- **数据驱动的对比分析**：你必须专注于合成子代理积累的硬数据。不要只是罗列事实。对比不同来源的数据点。创建 Markdown 表格，使复杂的数据直观易读。使用 `domain_methodology.md` 中确立的框架来构建你的分析。
- **流畅叙事**：最终报告必须以流畅的学术论文风格撰写。将数据对比融入连贯的叙述中，并带有清晰的过渡。
- **矛盾与细微差别**：明确识别并分析相互矛盾的数据。根据数据源的方法论或偏差解释数据存在差异的*原因*。
- **引用**：使用学术风格的行内引用（例如 [1]、[2]），映射到包含原始 Source URL（来源 URL）的正式“参考文献”部分。

## 关键准则
- **文件追加模式**：指示子代理向文件追加内容。不要覆盖。
- **不囤积内存**：依靠文件系统（`knowledge_fragments.md`）作为唯一的真理来源。
- **自主权**：你负责管理子代理。让他们去挖掘数据。你专注于逻辑、动态规划和高水平的对比合成。

## 模板与测试
“金标准”模板工作区位于 `assets/example_workspace/`。
- 将其作为所需文件结构的参考。
- 你可以针对该目录运行可视化器以验证 UI 更改：
  `python visualizer/server.py assets/example_workspace/`