Files

T

jilinchenandClaude Opus 4.5 066e22fb1d docs: add both language options to Installation section

🤖 Generated with [Claude Code](https://claude.com/claude-code)

Co-Authored-By: Claude Opus 4.5 <noreply@anthropic.com>

2026-01-07 02:10:25 +08:00

2.5 KiB

Raw Blame History

Deep Research Skill for Claude Code

English | 中文

灵感来源：RhinoInsight: Improving Deep Research through Control Mechanisms for Model Behavior and Context

Claude Code 的结构化调研工作流技能，支持两阶段调研：outline生成（可扩展）和深度调查。人在回路设计确保每个阶段的精确控制。

使用场景

学术研究：论文综述、benchmark评测、文献分析
技术研究：技术对比、框架评估、工具选型
市场研究：竞品分析、行业趋势、产品比较
尽职调查：公司研究、投资分析、风险评估

安装

# 中文版
cp -r skills/research-zh ~/.claude/skills/research

# 英文版
cp -r skills/research-en ~/.claude/skills/research

# 必需：安装agent
cp agents/web-search-agent.md ~/.claude/agents/

命令

注意：使用 run /research 而非直接 /research，因为斜杠命令与内置命令冲突。

命令	描述
`run /research`	生成包含items和fields的调研outline
`run /research/add-items`	向现有outline添加更多items
`run /research/add-fields`	向现有outline添加更多fields
`run /research/deep`	使用并行agents对每个item进行深度调研
`run /research/report`	从JSON结果生成markdown报告

工作流 & 示例

示例：调研 "AI Agent Demo 2025"

阶段1：生成Outline

run /research AI Agent Demo 2025

💡 发生了什么：告诉它你要研究什么 → 它帮你列出调研清单

你会得到：17个待调研的AI Agent清单（ChatGPT Agent、Claude Computer Use、Cursor等）+ 每个要收集哪些信息

阶段2：深度调研

run /research/deep

💡 发生了什么：AI自动上网搜索每个item的详细信息，逐个完成

你会得到：每个Agent的详细资料（公司、发布日期、定价、技术规格、用户评价...）

阶段3：生成报告

run /research/report

💡 发生了什么：所有数据 → 一份整理好的报告

你会得到：report.md - 带目录的完整Markdown报告，可直接阅读或分享

遇到问题？

如果过程中有什么不懂的，可以让Claude Code帮你理解这个项目：

帮我理解这个项目: https://github.com/Weizhena/deep-research-skills

参考文献

RhinoInsight: Improving Deep Research through Control Mechanisms for Model Behavior and Context

许可证

MIT

2.5 KiB Raw Blame History Unescape Escape