用途
Deep Research 的核心目的是通过一条结构化流水线，交付带引用追踪的研究报告，具备证据持久化、来源身份管理、论断级验证和渐进式上下文管理能力。它适用于需要综合分析、技术比较、最新进展综述、多视角调查和市场分析的研究任务；不适用于简单查询、调试、仅需一两次搜索即可回答的问题，以及对时效性要求极高的快速查询。
主要能力
该技能围绕四个模式组织工作：quick（3 个阶段，2-5 分钟）、standard（6 个阶段，5-10 分钟，默认）、deep（8 个阶段，10-20 分钟）、ultradeep（8+ 个阶段，20-45 分钟）。工作流包含 8 个阶段：SCOPE、PLAN、RETRIEVE、TRIANGULATE、OUTLINE REFINEMENT、SYNTHESIZE、CRITIQUE、REFINE、PACKAGE，不同模式启用的阶段不同。其中阶段 3-5 按章节形成“证据循环”（检索 → 证据存储 → 精修提纲 → 起草 → 核验论断 → 必要时增量检索），而非严格顺序关口。
使用方式
调用后需按执行说明加载相关参考文件：阶段 1-7 加载 methodology.md；阶段 8（报告）加载 report-assembly.md；HTML/PDF 输出加载 html-generation.md；质量检查加载 quality-gates.md；长报告（超过 18K 词）加载 continuation.md。模板包括 report_template.md 与 mckinsey_report_template.html。可用脚本包括：
python scripts/validate_report.py --report [path]python scripts/verify_citations.py --report [path]python scripts/md_to_html.py [markdown_path]
输入触发条件包括“deep research”等关键词。请求分析决策树会判断：简单查找请改用 WebSearch；调试请改用标准工具；需要复杂分析则继续。默认假设包括：技术查询对应技术受众；比较类任务采用平衡视角；趋势类关注近 1-2 年。
输出内容
必需章节包括执行摘要（200-400 词）、引言（范围、方法、假设）、主体分析（4-8 项发现，每项 600-2,000 词并带引用）、综合与洞见、局限与注意事项、建议、完整参考文献（每条引用齐全，无占位符）、方法论附录。输出文件全部写入 ~/Documents/[Topic]_Research_[YYYYMMDD]/，包括：Markdown（主要事实来源）、sources.jsonl（带规范 ID 的稳定来源注册表）、evidence.jsonl（仅追加的证据存储，含引文与定位符）、claims.jsonl（带支持状态的原子论断台账）、run_manifest.json（查询、模式、假设、提供方配置）、HTML（McKinsey 风格，自动打开）、PDF（专业打印版，自动打开）。
质量标准与限制
质量要求包括：至少 10 个来源，每条主要论断至少 3 个来源（需独立于聚类，而非仅计数）；所有事实性论断立即以 [N] 标注引用，并有 evidence.jsonl 中的证据支撑；必须执行论断-支持核验，任何无支撑的事实性论断不得通过交付；不得出现占位符或编造引用；以散文为主（不少于 80%），少用项目符号。限制方面，资料未说明具体平台依赖、安装方式、价格计费、提供方集成细节或实际效果数据，这些事实暂未提供。