deep-research

用途

deep-research 用于生成对标券商或第三方研究机构标准的深度调研报告。它面向需要系统性、可追溯、结构化的调研输出场景，通过多智能体协作完成从主题分析到报告装配的全流程。

多智能体协作架构：主 agent 调度 4 个子 agent Task（大纲、数据、预检、装配），并执行 1 轮主控并行派发章节撰写，中间数据通过临时文件传递。
多源数据收集：在线模式下，通过工具内置引擎（Layer 0，如有）、大纲建议源定向搜索（Layer 1）、sources.json 优质源搜索（Layer 2）并行获取数据，再按质量触发免费源补强（Layer 3 兜底），最后用 Scrapling 批量抓取；离线模式下读取用户指定的本地文件（md、txt、pdf、docx）。
时间锚定：所有主题默认以当前年份为目标搜索最新数据，支持 latest（默认）、relaxed（放宽）、user_specified（用户指定）三种模式，由大纲 agent 判定。
支付级质量标准：所有 Task 共用 16 项标准，包括结论先行、来源可追溯、反方视角、三层深度、零套话、标题含判断、可自包含、无内部编号、时间戳正确、目录源自大纲、强制目录、元数据完整、篇幅达标、四段式结构、编码洁净、纯文本公式。
容错原则：调研不阻塞，所有脚本或命令调用必须有兜底路径；主路径失败时自动尝试替代方案，三次失败后向用户报告具体问题。
报告装配与 QA：主 agent 直接执行验证、装配、可信评估、引用处理、货币符号转义、QA 等步骤，并更新本地报告列表页。

安装方式见技能页面中的「安装与配置」部分。使用流程如下：

Setup：创建带时间戳的临时目录作为 TMPDIR，确定 TOOLSDIR、PROMPTSDIR、SKILLDIR，读取 SKILL.md、RULES.md、TYPES.md。
语言检测：清洗主题（去除框架包装文本），判定语言代码并写入 {TMPDIR}/language.txt，设置 $LANG，之后所有面向用户的输出使用 $LANG 语言。
离线模式判定：根据用户是否提到本地文件、是否要求不联网等意图判断，写入 offline_mode.txt。
模式解析：从主题末尾提取 -quick 或 -deep 后缀，分别对应 quick、deep 模式，无后缀则为 standard 默认模式。
Task 1 — 分析主题 + 生成大纲：读取 prompts/task1_outline.md，替换变量后派发子任务，输出 {TMPDIR}/outline.json。
Task 2 — 数据收集 + 结构化数据池：读取 prompts/task2_data_collection.md，替换变量后派发子任务，输出 task2_manifest.json 等。失败时自动重试 1 次。
Task 3 — 派发章节撰写：读取 outline.json 和 data-pool.json，计算每章字数，预分配引用编号，读取 task3_chapter_agent.md 模板，按语言裁剪 prompt，并行或串行撰写各章，失败章节串行重写。
Task 4 — 验证 + 装配 + QA：主 agent 直接执行，包括清理残留、批量验证、深度均衡检查、装配报告、可信评估（数据层与 LLM 判断）、数据受限处理、引用处理、货币符号转义、QA、更新本地报告列表页，最后汇报最终结果。