仓库：https://github.com/199-biotechnologies/claude-deep-research-skill
Stars：992 | 许可：未声明 | 版本：2.3.1（2026-03-19）
本地路径：/Users/zhaoweiguo/6ai/opensources/claude-deep-research-skill
核心定位
Claude Code 的深度研究 Skill，产出带引用溯源、来源可信度评分和自动校验的研究报告（Markdown + McKinsey 风格 HTML + PDF）。构成：SKILL.md（108 行）入口 + reference/ 下 6 个方法论文档渐进加载 + 10 个 Python 校验脚本（纯 stdlib，非独立 CLI）。自然语言触发（“deep research on X” / “compare X vs Y”）。
4 档模式 × 8 阶段管线
| 模式 | 阶段数 | 时长 |
|---|---|---|
| quick | 3 | 2-5 分钟 |
| standard（默认） | 6 | 5-10 分钟 |
| deep | 8 | 10-20 分钟 |
| ultradeep | 8+ | 20-45 分钟 |
管线：SCOPE → PLAN → RETRIEVE → TRIANGULATE → OUTLINE REFINEMENT → SYNTHESIZE → CRITIQUE → REFINE → PACKAGE
关键机制
- 来源可信度评分（
source_evaluator.py）：0-100 分，domain_authority/recency/expertise/bias 四维，基于硬编码域名分层（HIGH：arxiv/nature/nih.gov…；MODERATE：wikipedia/techcrunch…；LOW：blogspot 等），输出 high/moderate/low_trust 或 verify 建议 - claim-evidence 链式校验（
verify_claim_support.py）：v1 纯确定性、无 LLM 调用——对evidence.jsonl做实体/数字/年份/词汇重叠匹配，事实性主张无支撑即 hard-fail；配套 4 个 JSON Schema（source/evidence/claim/run_manifest） - First Finish Search：按模式自适应阈值提前推进（quick：10+ 源且均分>60；ultradeep：30+ 源且均分>75，或到时限）
- 验证循环：
validate_report.py9 项检查（执行摘要 200-400 词、必需章节、引用、书目、占位符、截断、字数、源数≥10、断链）+verify_citations.py幻觉检测，validate→fix→retry 最多 3 轮；deep/ultradeep 另有多人格红队与 critique 回环 delta 检索；>18K 词报告递归 agent 自动续写；sources.jsonl落盘防上下文压缩丢失
安装
git clone 到 ~/.claude/skills/deep-research 即可，脚本零 pip 依赖（Python 3.9+ stdlib）。可选：
brew tap 199-biotechnologies/tap && brew install search-cli——聚合 Brave/Serper/Exa/Jina/Firecrawl 的主搜索通道，WebSearch 兜底- PDF 输出需
pip install weasyprint
观察与局限
- GitHub 描述宣称”超越 OpenAI/Gemini/Claude Desktop”，但仓库内无评测数据——营销措辞；不过各机制均有代码/文档落实，宣传与实际差距小
- 可信度评分是硬编码域名启发式，非真实 domain authority
- claim 校验为词面重叠匹配而非语义级，浅层改写可能漏检
- 真正编排靠 SKILL.md + methodology.md 提示词驱动，
research_engine.py（584 行）为辅助
资源
- 仓库：https://github.com/199-biotechnologies/claude-deep-research-skill
- 同类 deep research skill 对比：deep-research-skills（两阶段大纲式）、research-skill（持久化知识库式）、deep-research（来源分级式）、claude-skills（DAG 式）