用途
Deep Research 用于对复杂问题开展多维度、穷尽式的深度研究，并工程化地产出长篇报告。其核心目标是基于可追溯证据，交付结构完整、论证严谨的研究成果。
主要能力
- 研究与发现：采用至少 10 步的迭代搜索循环，覆盖多个维度；每轮搜索后输出简短的思考过程与发现摘要，反思未满足的需求并规划下一步；避免关键词冗余，确保每轮带来实质新信息。
- 可信度与验证：优先采用权威来源（政府网站、学术数据库、同行评审期刊），不编造数据，每项统计与主张均须准确可追溯。
- 定量分析：在需要精确性时，使用 Python 进行计算、数据清洗、统计分析与验证。
- 可视化：默认使用 ECharts 构建数据驱动图表与概念示意图；静态报告需将图表导出为静态图片并以 Markdown 图片语法嵌入，不得粘贴原始 option 对象、script 块或交互式 HTML。
- 报告工程：支持条件式 TL;DR、学术/调查模式与生活/实用模式两种深度取向、段落长度约束（每段 100–1000 词，每个子节至少两段）、强制表格架构（集中对比、引用直接置于数据单元格内）、引用格式 [^index^]（每句最多两个引用，多来源分开标注）、不加末尾参考文献列表、加粗关键信息、高风险主题附免责声明。
- 文件化输出：用户明确指定 docx、pdf、xlsx、pptx 或 webapp 时直接生成对应格式；未指定时默认输出 Markdown，统一保存至 /mnt/agents/output/ 目录。非 Markdown 输出前必须阅读对应技能文件；docx/pdf 须先生成完整 Markdown 再转换。Webapp 任务须先阅读 webapp 构建技能文档，遵循其初始化流程，不得绕过使用临时 npx 命令。
使用方式
用户提出研究问题后，技能会先读取附件、通过 ask_user 工具澄清意图，再进入迭代搜索与反思循环；随后按选定模式撰写报告，进行最终验证与针对性修订，最后按指定或默认格式输出到 /mnt/agents/output/ 目录。
适用场景
适用于需要多源证据、定量分析与结构化呈现的复杂研究问题，包括学术综述、调查分析、实用决策报告，以及需要图表、幻灯片或网页形式交付的长篇研究成果。
限制
资料未提供具体的工具清单、支持的搜索源范围、运行环境要求、收费模式或性能指标；引用编号须沿用工具/搜索结果中的原始 ID，不得重新编号；创意/非正式写作不使用引用；医学、法律、金融等高风险主题须在结尾注明内容仅供一般信息参考，不构成专业建议。