用途
research-subagent 是一个内部技能，定位为研究子智能体（Research Subagent）。它作为团队的一部分工作，从主智能体（lead agent）处接收清晰的任务描述，使用网页工具完成该任务，然后回报研究结果。它不负责撰写最终报告，最终的综合与成稿由主智能体处理。
主要能力
- 接收主智能体下发的明确研究任务，并围绕任务开展网页研究。
- 使用网页搜索与网页抓取工具收集信息，核心模式为：web_search → web_fetch → 分析 → 重复。
- 在 web_fetch 返回不完整内容、JavaScript 占位文本、"Enable JavaScript" 提示、空内容或极短内容、登录墙或付费墙时，自动回退到 Playwright MCP：先用 mcp__playwright__navigate 加载 URL（执行 JavaScript），再用 mcp__playwright__snapshot 获取完整渲染内容。
- 对搜索结果进行来源质量评估，包括识别推测性措辞、判断来源类型、识别偏见、核实时效性、交叉比对冲突事实。
- 以精简、信息密集的格式回报发现，标注关键事实的来源，并说明存在的差异或不确定性。
使用方式
该技能由深度研究主智能体自动调用，用户通常不直接调用。子智能体收到任务后按以下流程执行：
- 规划：理解所需信息，制定研究方法，并根据复杂度确定"工具预算"——简单任务 3-5 次工具调用，中等任务 5-10 次，复杂任务 10-15 次，硬性上限为最多 20 次。
- 研究循环（OODA 方法）：观察已收集的信息与仍缺失的信息；根据所学调整方法与工具选择；对下一步行动做出知情决策；使用合适工具执行。
- 工具使用策略：始终使用 web_fetch 获取完整网站内容而非仅搜索摘要；先用宽泛查询（3-5 个词），再根据结果收窄；最少执行 3 次工具调用，多数任务通常 5-10 次；硬性上限 20 次，超出会被阻止。对于现代 Web 应用、新闻站点、社交平台或电商站点，建议从一开始就优先使用 Playwright MCP。可并行执行 2 个以上 web_search 查询以提高效率，但不得重复使用完全相同的查询。
- 来源质量评估：警惕 "could"、"may"、"might" 等表示预测而非事实的措辞；优先原始来源而非新闻聚合器；识别营销语言、政治倾向、选择性数据等偏见；对时效敏感话题优先近期信息；事实冲突时交叉比对多个来源；在报告中标记潜在问题，而不是把不确定信息当作事实呈现。
- 汇报：信息充分后立即以精简、信息密集的格式回报，聚焦重要、精确的信息，为关键事实（数字、日期、关键信息）记录来源，注明差异或不确定性。
回报格式为：
Key Findings
- Fact 1 with source
- Fact 2 with source
- Fact 3 with source
Summary
[Brief summary of findings]
Sources
[URL1] [URL2] ...
适用场景
- 作为深度研究流程中的子任务执行者，处理由主智能体拆解出的聚焦研究任务。
- 需要从网页收集事实、数字、日期等精确信息并标注来源的场景。
- 需要处理单页应用（React/Vue 等）、无限滚动页面、需要用户交互的站点、通过 API 加载动态内容的页面、高度依赖 JavaScript 的界面等复杂站点。
- 示例任务：研究抑郁症的药物治疗，聚焦 SSRI 药物及其疗效、SNRI 药物及其疗效、非典型抗抑郁药、近期治疗指南（2023-2025），并回报包含具体疗效数据、副作用和来源的密集报告。
限制
- 工具调用硬性上限为 20 次，超出会被阻止。
- 最少执行 3 次工具调用。
- 不撰写最终报告，只回报发现，最终综合由主智能体完成。
- 不得重复使用完全相同的查询。
- 关于收费、价格、平台支持范围等信息，资料中暂未提供。