用途
Deep Research 是一个用于多来源深度研究的技能，基于 firecrawl 和 exa 两类 MCP 工具，从多个网络来源生成带有引用与来源标注的详尽研究报告。
何时启用
- 用户要求对任何主题进行深入研究
- 竞争分析、技术评估或市场规模测算
- 对公司、投资方或技术做尽职调查
- 任何需要从多个来源综合信息的问题
- 用户说出“research”“deep dive”“investigate”或“what's the current state of”等表述
MCP 依赖
至少需要以下两者之一：
- firecrawl —— firecrawl_search、firecrawl_scrape、firecrawl_crawl
- exa —— web_search_exa、web_search_advanced_exa、crawling_exa
两者同时配置可获得最佳覆盖。可在 ~/.claude.json 或 ~/.codex/config.toml 中配置。
工作流程
第 1 步：理解目标
提出 1-2 个简短的澄清问题：
- “你的目标是学习、做决策，还是写作？”
- “有没有特定的角度或深度要求？”
如果用户表示“直接研究吧”，则按合理默认值跳过该步。
第 2 步：规划研究
把主题拆成 3-5 个研究子问题。示例：
主题：“AI 对医疗的影响”
- 当前医疗领域主要的 AI 应用有哪些？
- 已测量到哪些临床结果？
- 有哪些监管挑战？
- 哪些公司在该领域领先？
- 市场规模与增长趋势如何？
第 3 步：执行多来源搜索
对每个子问题，使用可用的 MCP 工具搜索：
使用 firecrawl：
firecrawl_search(query: "<子问题关键词>", limit: 8)
使用 exa：
web_search_exa(query: "<子问题关键词>", numResults: 8) web_search_advanced_exa(query: "<关键词>", numResults: 5, startPublishedDate: "2025-01-01")
搜索策略：
- 每个子问题使用 2-3 组不同关键词变体
- 混合普通查询与新闻类查询
- 目标总计获得 15-30 个独立来源
- 优先级：学术、官方、权威新闻 > 博客 > 论坛
第 4 步：精读关键来源
对最有价值的 URL 抓取全文内容：
使用 firecrawl：
firecrawl_scrape(url: "<url>")
使用 exa：
crawling_exa(url: "<url>", tokensNum: 5000)
为获取深度，完整阅读 3-5 个关键来源。不要只依赖搜索摘要。
第 5 步：综合并撰写报告
报告结构：
[主题]：研究报告
生成时间：[日期] | 来源数：[N] | 置信度：[高/中/低]
执行摘要
[3-5 句话概述关键发现]
1. [第一个主要主题]
[带内联引用的发现]
- 要点（来源名称）
- 支撑数据（来源名称）
2. [第二个主要主题]
...
3. [第三个主要主题]
...
关键要点
- [可执行洞见 1]
- [可执行洞见 2]
- [可执行洞见 3]
来源
- 标题 — [一句话摘要]
- ...
方法
在网络与新闻中搜索了 [N] 条查询。分析了 [M] 个来源。 调查的子问题：[列表]
第 6 步：交付
- 短主题：在对话中发布完整报告
- 长报告：发布执行摘要与关键要点，并把完整报告保存到文件
使用子代理并行研究
对于范围较广的主题，可使用 Claude Code 的 Task 工具并行化：
并行启动 3 个研究代理：
- 代理 1：研究子问题 1-2
- 代理 2：研究子问题 3-4
- 代理 3：研究子问题 5 及跨领域主题
每个代理负责搜索、阅读来源并返回发现。主会话将其综合为最终报告。
质量规则
- 每个论点都需要来源。不得有无来源的断言。
- 交叉核对。如果只有单一来源提及，需标注为未经核实。
- 时效性重要。优先采用近 12 个月内的来源。
- 承认空白。如果某个子问题找不到好的信息，应说明。
- 不得臆造。如果不知道，就说“找到的数据不足”。
- 区分事实与推断。清楚标注估计、预测与观点。
示例
- “研究核聚变能源的当前状态”
- “深入比较 2026 年后端服务选 Rust 还是 Go”
- “研究白手起家做 SaaS 业务的最佳策略”
- “美国住房市场现在是什么情况？”
- “调查 AI 代码编辑器的竞争格局”