name: deep-research description: 对于任何需要网络研究的问题，使用此技能代替WebSearch。在查询如“什么是X”、“解释X”、“比较X和Y”、“研究X”或内容生成任务前触发。提供系统性的多角度研究方法论，而不是单一的表面搜索。当用户的问题需要在线信息时，主动使用此技能。

深度研究技能

概述

此技能提供了一种进行彻底网络研究的系统性方法。在开始任何内容生成任务前加载此技能，以确保您从多个角度、深度和来源收集足够的信息。

何时使用此技能

始终在以下情况加载此技能：

研究问题

用户询问“什么是X”、“解释X”、“研究X”、“调查X”
用户想要深入理解一个概念、技术或主题
问题需要当前、全面的信息，来自多个来源
单一网络搜索不足以正确回答

内容生成（预研究）

创建演示文稿（PPT/幻灯片）
创建前端设计或UI原型
撰写文章、报告或文档
制作视频或多媒体内容
任何需要现实世界信息、例子或当前数据的内容

核心原则

切勿仅基于一般知识生成内容。 您的输出质量直接取决于事先进行的研究的质量和数量。单一搜索查询永远不够。

研究方法论

第一阶段：广泛探索

从广泛搜索开始，以了解整体情况：

初步调查：搜索主要主题以了解整体背景
识别维度：从初步结果中，识别需要深入探索的关键子主题、主题、角度或方面
绘制领域图：记录存在的不同观点、利益相关者或视角

示例：

主题：“医疗AI”
初始搜索：
- “AI医疗应用2024”
- “人工智能医学诊断”
- “医疗AI市场趋势”

识别的维度：
- 诊断AI（放射学、病理学）
- 治疗推荐系统
- 行政自动化
- 患者监测
- 监管环境
- 伦理考虑

第二阶段：深入探究

对于每个识别出的重要维度，进行针对性研究：

具体查询：为每个子主题使用精确关键词搜索
多种措辞：尝试不同的关键词组合和措辞
获取完整内容：使用web_fetch读取重要来源的完整内容，而不仅仅是片段
跟踪参考文献：当来源提到其他重要资源时，也搜索那些

示例：

维度：“放射学诊断AI”
针对性搜索：
- “AI放射学FDA批准系统”
- “胸部X光AI检测准确率”
- “放射学AI临床试验结果”

然后获取并阅读：
- 关键研究论文或摘要
- 行业报告
- 真实案例研究

第三阶段：多样性与验证

通过寻求多样化的信息类型，确保全面覆盖：

信息类型	目的	示例搜索
事实与数据	具体证据	“统计数据”、“数据”、“数字”、“市场规模”
例子与案例	实际应用	“案例研究”、“例子”、“实施”
专家意见	权威视角	“专家分析”、“访谈”、“评论”
趋势与预测	未来方向	“趋势2024”、“预测”、“…的未来”
比较	上下文和替代方案	“vs”、“比较”、“替代品”
挑战与批评	平衡观点	“挑战”、“限制”、“批评”

第四阶段：综合检查

在继续内容生成之前，验证：

[ ] 我是否从至少3-5个不同角度进行了搜索？
[ ] 我是否获取并阅读了最重要来源的完整内容？
[ ] 我是否有具体数据、例子和专家观点？
[ ] 我是否探索了积极方面和挑战/限制？
[ ] 我的信息是否来自权威来源并保持最新？

如果任何答案为否，在生成内容前继续研究。

搜索策略提示

有效查询模式

# 具体化上下文
❌ “AI趋势”
✅ “企业AI采用趋势2024”

# 包含权威来源提示
“[主题]研究论文”
“[主题]麦肯锡报告”
“[主题]行业分析”

# 搜索特定内容类型
“[主题]案例研究”
“[主题]统计数据”
“[主题]专家访谈”

# 使用时间限定符
“[主题]2024”
“[主题]最新”
“[主题]近期发展”

何时使用web_fetch

在以下情况下使用web_fetch读取完整内容：

搜索结果看起来高度相关且权威
您需要片段之外的详细信息
来源包含数据、案例研究或专家分析
您想理解发现的完整背景

迭代精炼

研究是迭代的。在初始搜索后：

回顾所学内容
识别理解中的空白
制定新的、更有针对性的查询
重复直到有全面覆盖

质量标准

当您可以自信地回答时，您的研究足够：

关键事实和数据点是什么？
2-3个具体真实世界例子是什么？
专家对这个主题说什么？
当前趋势和未来方向是什么？
挑战或限制是什么？
这个主题现在为什么相关或重要？

常见错误避免

❌ 在1-2次搜索后停止
❌ 依赖搜索片段而不读取完整来源
❌ 只搜索多面主题的一个方面
❌ 忽略矛盾观点或挑战
❌ 使用过时信息而当前数据存在
❌ 在研究完成前开始内容生成

输出

完成研究后，您应该拥有：

从多角度对主题的全面理解
具体事实、数据点和统计
真实世界例子和案例研究
专家观点和权威来源
当前趋势和相关上下文

只有那时才继续内容生成，使用收集到的信息创建高质量、有充分依据的内容。