Back to Details

deep-research

Compare original and translation side by side

🇺🇸

Original

English
🇨🇳

Translation

Chinese

Deep Research Skill

深度研究技能

This skill provides a systematic approach to conducting thorough research on any topic.
本技能为针对任意主题开展深入研究提供了系统化方法。

Purpose

目的

Enable Claude to perform comprehensive research by:
  1. Breaking down complex topics into researchable components
  2. Using multiple information sources (web search, documentation, academic sources)
  3. Applying critical thinking to synthesize findings
  4. Presenting well-structured, evidence-based conclusions
让Claude能够通过以下方式开展全面研究：
  1. 将复杂主题拆解为可研究的组成部分
  2. 利用多种信息来源（网页搜索、文档、学术资源）
  3. 运用批判性思维整合研究结果
  4. 呈现结构清晰、有证据支撑的结论

When to Use This Skill

使用场景

Activate this skill when users request:
  • "Deep research on [topic]"
  • "Comprehensive analysis of [subject]"
  • "Investigate [topic] thoroughly"
  • "Research the latest information about [subject]"
  • "Gather detailed information on [topic]"
Example Topics:
  • AI agent evaluation metrics and methodologies
  • Latest AI/ML news and developments
  • Technology stack comparisons
  • Market analysis and trends
  • Academic literature reviews
  • Best practices for specific domains
当用户提出以下需求时，启用本技能：
  • "对[主题]进行深度研究"
  • "对[主题]进行全面分析"
  • "彻底调查[主题]"
  • "研究[主题]的最新信息"
  • "收集[主题]的详细信息"
示例主题：
  • AI agent评估指标与方法
  • 最新AI/ML新闻与发展动态
  • 技术栈对比
  • 市场分析与趋势
  • 学术文献综述
  • 特定领域的最佳实践

Research Process

研究流程

Phase 1: Scoping & Planning

第一阶段：范围界定与规划

Define Research Objectives:
  • Identify core questions to answer
  • Determine scope and boundaries
  • List key areas to investigate
  • Establish success criteria
Plan Information Sources:
  • Web search for current information
  • Documentation (Context7) for technical details
  • Academic/industry sources for authoritative information
  • Community resources (GitHub, forums) for practical insights
明确研究目标：
  • 确定需要解答的核心问题
  • 界定研究范围与边界
  • 列出需要调查的关键领域
  • 设定成功标准
规划信息来源：
  • 网页搜索获取当前信息
  • 利用Context7获取技术细节文档
  • 学术/行业资源获取权威信息
  • 社区资源（GitHub、论坛）获取实践见解

Phase 2: Information Gathering

第二阶段：信息收集

Multi-Source Search Strategy:
  1. Broad Overview Search
    • Use general web search for landscape understanding
    • Identify key terms, concepts, and authorities
    • Note publication dates for recency
  2. Targeted Deep Dives
    • Search specific sub-topics identified in overview
    • Look for:
      • Official documentation
      • Academic papers
      • Industry reports
      • Expert opinions
      • Case studies
      • Code examples (when relevant)
  3. Documentation Lookup
    • Use Context7 for library-specific documentation
    • Check official API references
    • Review changelog and release notes
  4. Cross-Reference Validation
    • Verify claims across multiple sources
    • Check for consensus vs. outlier opinions
    • Note conflicts or controversies
多来源搜索策略：
  1. 广泛概览搜索
    • 通过通用网页搜索了解整体格局
    • 识别关键术语、概念与权威来源
    • 记录发布日期以确保时效性
  2. 针对性深度挖掘
    • 针对概览中确定的特定子主题进行搜索
    • 重点查找：
      • 官方文档
      • 学术论文
      • 行业报告
      • 专家观点
      • 案例研究
      • 相关代码示例（如有必要）
  3. 文档查阅
    • 使用Context7获取类库/框架文档
    • 查阅官方API参考
    • 查看更新日志与发布说明
  4. 交叉验证
    • 通过多个来源验证主张
    • 区分共识观点与小众意见
    • 记录冲突或争议点

Phase 3: Critical Analysis

第三阶段：批判性分析

Apply Critical Thinking:
  • Source Credibility
    • Evaluate author authority
    • Check publication/organization reputation
    • Consider potential biases
    • Verify publication dates for currency
  • Evidence Quality
    • Distinguish facts from opinions
    • Look for empirical data
    • Assess methodology rigor
    • Check for reproducibility
  • Logical Coherence
    • Identify logical fallacies
    • Check argument consistency
    • Evaluate reasoning chains
    • Note assumptions
  • Practical Relevance
    • Assess real-world applicability
    • Consider implementation challenges
    • Evaluate cost-benefit tradeoffs
    • Identify gaps or limitations
运用批判性思维：
  • 来源可信度
    • 评估作者权威性
    • 核查发布机构/组织的声誉
    • 考虑潜在偏见
    • 验证信息发布日期的时效性
  • 证据质量
    • 区分事实与观点
    • 查找实证数据
    • 评估研究方法的严谨性
    • 核查可重复性
  • 逻辑连贯性
    • 识别逻辑谬误
    • 检查论点一致性
    • 评估推理链条
    • 记录假设前提
  • 实际相关性
    • 评估现实世界适用性
    • 考虑实施挑战
    • 评估成本效益权衡
    • 识别空白与局限性

Phase 4: Synthesis & Presentation

第四阶段：整合与呈现

Structure Findings:
  1. Executive Summary
    • Key findings (3-5 bullet points)
    • Main conclusions
    • Critical insights
  2. Detailed Analysis
    • Organized by theme or component
    • Evidence from multiple sources
    • Comparative analysis where applicable
    • Technical details as needed
  3. Practical Implications
    • Actionable recommendations
    • Implementation considerations
    • Risk factors
    • Next steps
  4. Source Attribution
    • Cite all major sources
    • Link to original materials
    • Note publication dates
    • Indicate confidence levels
Output Format:
markdown
undefined
研究结果结构化：
  1. 执行摘要
    • 关键发现（3-5个要点）
    • 主要结论
    • 核心见解
  2. 详细分析
    • 按主题或组件分类组织
    • 整合多来源证据
    • 适用时进行对比分析
    • 必要时补充技术细节
  3. 实际意义
    • 可落地的建议
    • 实施注意事项
    • 风险因素
    • 后续步骤
  4. 来源归因
    • 引用所有主要来源
    • 链接至原始资料
    • 记录发布日期
    • 标注置信度
输出格式：
markdown
undefined

Research: [Topic]

研究：[主题]

Executive Summary

执行摘要

  • Key finding 1
  • Key finding 2
  • Key finding 3
  • 关键发现1
  • 关键发现2
  • 关键发现3

Detailed Findings

详细研究结果

[Aspect 1]

[研究维度1]

[Analysis with sources]
[带来源标注的分析内容]

[Aspect 2]

[研究维度2]

[Analysis with sources]
[带来源标注的分析内容]

Critical Analysis

批判性分析

[Evaluation of evidence quality, conflicts, gaps]
[对证据质量、冲突点、研究空白的评估]

Practical Implications

实际意义

[Actionable insights and recommendations]
[可落地的见解与建议]

Sources

参考来源

  • [Source 1] (Date, URL)
  • [Source 2] (Date, URL)
  • [来源1]（日期，URL）
  • [来源2]（日期，URL）

Research Metadata

研究元数据

  • Search queries used: [list]
  • Sources consulted: [count]
  • Date conducted: [date]
  • Confidence level: [High/Medium/Low with explanation]
undefined
  • 使用的搜索关键词：[列表]
  • 查阅的来源数量：[数量]
  • 研究执行日期：[日期]
  • 置信度：[高/中/低及说明]
undefined

Special Considerations

特殊考虑

For AI/ML Topics

针对AI/ML主题

  • Check multiple perspectives (academic, industry, open-source)
  • Look for benchmarks and evaluation metrics
  • Review code implementations when available
  • Consider ethical implications
  • Note limitations and biases
  • 兼顾多个视角（学术、行业、开源）
  • 查找基准与评估指标
  • 如有可用，查看代码实现
  • 考虑伦理影响
  • 记录局限性与偏见

For Current Events/News

针对时事/新闻主题

  • Use recent search results (last 30 days)
  • Cross-reference multiple news sources
  • Distinguish reporting from opinion
  • Note evolving situations
  • Check for updates
  • 使用近30天的搜索结果
  • 交叉参考多个新闻来源
  • 区分新闻报道与观点评论
  • 记录动态发展情况
  • 核查更新信息

For Technical Evaluations

针对技术评估主题

  • Review official documentation first
  • Look for community experiences
  • Check GitHub issues/discussions
  • Find performance benchmarks
  • Assess maturity and support
  • 优先查阅官方文档
  • 了解社区使用体验
  • 查看GitHub问题/讨论
  • 查找性能基准测试
  • 评估成熟度与支持情况

For Business/Strategy Topics

针对商业/战略主题

  • Look for market data
  • Review competitor analysis
  • Check industry reports
  • Consider multiple frameworks
  • Assess risk factors
  • 查找市场数据
  • 查阅竞品分析
  • 查看行业报告
  • 考虑多种分析框架
  • 评估风险因素

Quality Checklist

质量检查表

Before concluding research, verify:
  • Multiple authoritative sources consulted
  • Recent information included (check dates)
  • Key perspectives represented
  • Evidence quality assessed
  • Conflicts/controversies noted
  • Practical implications identified
  • Sources properly cited
  • Confidence level stated
  • Gaps/limitations acknowledged
  • Actionable conclusions provided
完成研究前，需验证以下内容：
  • 已查阅多个权威来源
  • 包含时效性信息（检查日期）
  • 涵盖关键观点
  • 已评估证据质量
  • 已记录冲突/争议点
  • 已识别实际意义
  • 来源已正确引用
  • 已说明置信度
  • 已承认空白/局限性
  • 已提供可落地结论

Tools to Use

工具使用

  • WebSearch: For general information and current events
  • WebFetch: For detailed content from specific URLs
  • Context7: For library/framework documentation
  • Task (Explore agent): For multi-step investigations
  • Critical thinking: Throughout the process
  • WebSearch：用于获取通用信息与时事
  • WebFetch：用于提取特定URL的详细内容
  • Context7：用于查阅类库/框架文档
  • Task (Explore agent)：用于多步骤调查
  • 批判性思维：贯穿整个研究过程

Iteration

迭代优化

If research reveals:
  • Conflicting information: Investigate further, present multiple viewpoints
  • Insufficient information: Expand search terms, try different sources
  • Complex sub-topics: Break down further and research systematically
  • Outdated information: Search for more recent sources
  • Gaps in understanding: Ask clarifying questions to user
若研究过程中发现：
  • 信息冲突：进一步调查，呈现多种观点
  • 信息不足：扩展搜索关键词，尝试不同来源
  • 子主题复杂：进一步拆解并系统化研究
  • 信息过时：搜索最新来源
  • 理解存在空白：向用户提出澄清问题

Examples

示例

Example 1: AI Agent Evaluation
User: "Deep research on AI agent evaluation metrics and methods"
Process:
  1. Web search for "AI agent evaluation metrics 2025"
  2. Web search for "LLM agent benchmarking frameworks"
  3. Look for academic papers on agent evaluation
  4. Check GitHub for evaluation tools/frameworks
  5. Review industry reports (e.g., Stanford AI Index)
  6. Synthesize: metrics categories, methods, tools, best practices
  7. Present: structured report with sources
Example 2: Latest AI News
User: "Research the latest AI news and developments"
Process:
  1. Web search for "AI news latest 2025" (last 30 days)
  2. Check multiple sources: tech news sites, AI-specific outlets, academic announcements
  3. Categorize: model releases, research breakthroughs, industry developments, policy changes
  4. Verify claims across sources
  5. Present: organized summary with dates and links
Example 3: Technology Comparison
User: "Deep research comparing Next.js and Remix for production apps"
Process:
  1. Context7 for official documentation of both
  2. Web search for "Next.js vs Remix 2025 comparison"
  3. Check GitHub stars, issues, community activity
  4. Look for case studies and production usage
  5. Review performance benchmarks
  6. Analyze: feature comparison, learning curve, ecosystem, performance
  7. Present: comparative analysis with recommendations
示例1：AI Agent评估
用户："对AI agent评估指标与方法进行深度研究"
流程：
  1. 网页搜索"AI agent evaluation metrics 2025"
  2. 网页搜索"LLM agent benchmarking frameworks"
  3. 查找关于agent评估的学术论文
  4. 查看GitHub上的评估工具/框架
  5. 查阅行业报告（如斯坦福AI指数）
  6. 整合：指标分类、方法、工具、最佳实践
  7. 呈现：带来源标注的结构化报告
示例2：最新AI新闻
用户："研究最新AI新闻与发展动态"
流程：
  1. 网页搜索"AI news latest 2025"（近30天）
  2. 查阅多个来源：科技新闻网站、AI专属媒体、学术公告
  3. 分类：模型发布、研究突破、行业动态、政策变化
  4. 跨来源验证主张
  5. 呈现：带日期与链接的结构化摘要
示例3：技术对比
用户："对用于生产应用的Next.js与Remix进行深度研究对比"
流程：
  1. 使用Context7查阅两者的官方文档
  2. 网页搜索"Next.js vs Remix 2025 comparison"
  3. 查看GitHub星标数、问题与社区活跃度
  4. 查找案例研究与生产使用情况
  5. 查阅性能基准测试
  6. 分析：功能对比、学习曲线、生态系统、性能
  7. 呈现：带建议的对比分析报告

Notes

注意事项

  • Time Estimate: Allow 10-20 minutes for thorough research
  • Iteration: May require follow-up questions to user for focus
  • Scope Management: For broad topics, propose breaking into sub-topics
  • Transparency: Always indicate confidence level and limitations
  • Recency: Always note when information was published/updated
  • 时间预估：深入研究需预留10-20分钟
  • 迭代：可能需要向用户提出后续问题以聚焦研究方向
  • 范围管理：针对宽泛主题，建议拆解为子主题
  • 透明度：始终说明置信度与局限性
  • 时效性：始终记录信息发布/更新日期