用途：针对需要综合多来源信息的问题产出类似 Gemini Deep Research 质量的报告，面向开发者决策，如框架选型、架构模式、依赖评估、竞品分析。适合“研究 X 现状”“比较框架 A 与 B”“最佳方案是什么”“深入分析”等请求；不适用于快速事实查询、单来源回答或找 CSS 按钮（后者用 design-lookup）。
主要能力：按四阶段流程推进。输入阶段先拆解 3-5 条研究轴、识别决策背景、起草研究计划并保存为 artifact（如 research_plan.md），待确认后继续。第一阶段广度扫描：并行运行 5-8 个搜索，至少用两种工具（Firecrawl 的 search、Google 的 search_web、带 scrapeOptions 的目标发现），开发者场景可用 search_code 或 search_repositories 找 GitHub 仓库，并查 npm 趋势、打包体积、下载量、迁移经验，收集 15-25 个候选 URL 并按权威分层评分。第二阶段深读：从候选中选前 8-12 个来源，用 scrape、crawl、browser_subagent 截图、get_file_contents 读取真实源码，提取具体主张、数据、模式与代码，标注权威层级与偏见，按研究轴归类。第三阶段综合：按模板（综合简报或对比简报）写成富 markdown 报告，含叙述性 executive summary、真实数据对比表、Mermaid 架构/决策树/生态图、截图、代码示例、内联引用，并用 generate_image 补充可视化，最后做差距分析。第四阶段迭代：针对可填补缺口做 1-2 次定向搜索，最多共 3 轮，剩余缺口标记为 Unresolved。
使用方式与质量门：交付前检查来源多样性（至少 1 个 S 级和 2 个 A 级，或说明不可得）、视觉丰富度（至少 1 张截图和图/表）、叙述质量、引用完整性、差距透明度和可执行建议。若项目根目录含 .agent/，需参与 Agentic OS 共享记忆，更新 .agent/state/last-run.json。
限制：资料未提供具体安装命令、价格与平台支持细节，暂未提供。报告质量依赖可用搜索与抓取工具；截图、代码仓库读取等能力取决于相应工具是否可用。