用途：该技能使 AI 智能体对复杂主题执行严谨、多步的研究，而非只返回单条搜索结果。它把研究问题拆解成子查询，从多类来源搜集信息，进行交叉验证，最终综合为结构化、带引用的报告，呈现细节差异、冲突观点与知识空白。
主要能力：工作流包括六个环节。一是拆解查询，把高层问题拆为 3-6 个覆盖历史背景、现状、关键参与者、技术细节或未来展望等不同角度的子查询，以保证覆盖面而非浅层检索。二是识别与搜集来源，覆盖学术数据库、官方文档、可信新闻媒体、行业分析报告与社区论坛，每个子查询目标至少 2-3 个来源，记录 URL、发布日期、作者与相关性评分。三是提取并组织关键发现，把核心主张、数据点、统计与专家观点按主题或子查询整理成结构化提纲，并标注来源以便追溯。四是交叉引用与验证，比较各来源以识别共识、矛盾与缺口，标注仅出现于单一来源或与多数证据冲突的主张，解决分歧时参考来源的时效性与权威性。五是综合报告，包含执行摘要、各主题详述、局限与开放问题讨论以及完整参考文献。六是审阅与完善，检查逻辑、无支撑主张与缺失上下文，核对引用准确性，必要时提出后续研究建议。
使用方式：向智能体提供研究主题，可选地给出具体子问题、期望深度或偏好来源类型，智能体将按完整工作流返回结构化报告。资料给出的输入示例为研究 2025 年 WebAssembly 采用现状，聚焦浏览器与服务器运行时支持、生产环境主要公司与项目、性能基准、工具链成熟度及主要局限。
适用场景：技术或市场现状调研、产品发布前的竞争格局分析等需要跨来源综合与引用的深度研究任务。
限制与边界情况：最佳实践要求来源类型多样化、为每条主张记录出处、优先近 1-2 年来源并纳入奠基性文献、尽量量化、显式呈现分歧、尽早划定范围边界。快速演变主题需显著标注知识截止日期并建议用户自行核实；付费墙或受限来源需注明缺口并引用摘要；两个同等权威来源直接冲突时并列呈现并标注“存疑”；文献稀少的新兴主题应承认证据有限，依靠一手来源并区分事实与推测；跨地区主题需注明来源覆盖区域及结论是否可推广。具体定价、平台与集成方式资料未提供。