Weizhena/Deep-Research-skills

仓库：https://github.com/Weizhena/Deep-Research-skills Stars：1,975 | 许可：MIT | 语言：Python（仅校验脚本） 本地路径：/Users/zhaoweiguo/6ai/opensources/Deep-Research-skills 论文灵感：RhinoInsight（arXiv:2511.18743） — 通过模型行为与上下文的控制机制改进 Deep Research

核心定位

把”深度调研”拆成两阶段结构化工作流的 Skill Pack，支持 Claude Code / OpenCode / Codex 三个宿主：

Phase 1 大纲生成：模型内部知识起草 items + 字段框架 → web-search-agent 补漏 → 用户确认 → 落盘 outline.yaml + fields.yaml
Phase 2 深度调研：按 outline 分批启动并行 agent，每个 item 产出一份按字段定义的结构化 JSON
Phase 3 报告：JSON 汇总为带目录锚点的 report.md

设计哲学是 human-in-the-loop 全程控制：items 增减、时间范围、batch_size、items_per_agent、报告摘要字段，每个关键节点都用 AskUserQuestion 卡点确认。

Skill 清单（5 个 × 4 套变体）

仓库提供 research-en / research-zh / research-codex-en / research-codex-zh 四套，每套含：

命令	职责
`/research <topic>`	生成调研大纲：内部知识框架 → agent 搜索补充 → 产出 outline.yaml（items + execution 配置）和 fields.yaml（字段定义，detail_level 三档）
`/research-add-items`	向已有大纲追加调研对象
`/research-add-fields`	向已有大纲追加字段定义
`/research-deep`	按 batch_size 分批、每 agent 负责 items_per_agent 个 item 并行深调研，支持断点续传
`/research-report`	动态生成 `generate_report.py`，把所有 JSON 转成带目录 + 锚点跳转的 markdown 报告

Claude Code 2.1.0+ 支持 /skill-name 直接触发，旧版本用 run /skill-name。

关键机制

Prompt 硬约束（RhinoInsight 控制机制的落地）

SKILL.md 里对 agent 的 prompt 模板标注硬约束：必须严格复述，仅替换 {xxx} 变量，禁止改写结构或措辞。每个模板还配 one-shot 示例防止模型”发挥”。这是把论文里”控制模型行为”的思路直接写进 skill 指令。

web-search-agent + 模块化搜索策略

核心执行单元是 web-search-agent（Claude Code 版指定 model: opus），搜索前强制按任务类型 Read 加载策略模块（web-search-modules/）：

github-debug.md — GitHub Issues（open/closed）
general-web.md — Reddit / 官方文档 / 博客 / HN / X
academic-papers.md — Scholar / arXiv / HF Papers / Semantic Scholar 等
chinese-tech.md — CSDN / 掘金 / 知乎 / V2EX / 腾讯云阿里云社区
stackoverflow.md — SO / Stack Exchange / 技术论坛

支持单模块与多模块路由（如”transformers OOM” → github-debug + stackoverflow + chinese-tech），明确禁止未加载模块就调 WebSearch/WebFetch。Agent 本体负责查询生成（5-10 个变体）、来源优先级、交叉验证与标准化输出格式。

断点续传 + JSON 校验

/research-deep 启动前扫描 output_dir 已有 JSON，跳过已完成 items
每个 agent 完成 JSON 后必须跑 validate_json.py -f fields.yaml -j output.json 校验字段覆盖率，通过才算任务完成；不确定值标 [不确定] 并进 uncertain 数组，报告阶段自动跳过

安装要点

# Claude Code（中文为例）
cp -r skills/research-zh/* ~/.claude/skills/
cp agents/web-search-agent.md ~/.claude/agents/
cp -r agents/web-search-modules ~/.claude/agents/
pip install pyyaml

OpenCode：必须 export OPENCODE_ENABLE_EXA=1（否则只有 web fetch，deep 阶段能力打折），agent 装到 ~/.config/opencode/agents/
Codex：用 research-codex-* 变体 + agents-codex/web-researcher.toml，~/.codex/config.toml 需开 multi_agent = true（仓库提供 scripts/install-codex.sh 自动配置）

适用场景

学术综述 / benchmark 调研、技术选型对比、竞品与市场分析、尽调。本质是”先定 schema 再填数据”的表格式调研，适合 items × fields 可枚举的题目；开放式单主题深挖不是它的主场（参考 last30days-skill 的社区信号路线）。

资源

仓库：https://github.com/Weizhena/Deep-Research-skills
灵感论文：https://arxiv.org/abs/2511.18743
本地 clone：/Users/zhaoweiguo/6ai/opensources/Deep-Research-skills
同类 deep research skill 横向参考：claude-deep-research-skill（8 阶段 + 确定性校验）、deep-research（来源分级 + 硬质量门）、research-skill（项目级持久化知识库）、claude-skills（DAG 波次并行）、deep-research-skill（外部工具桥接式）

zhaoweiguo 的知识库

目录