# 拆deep-research：自带引擎的研究产线 ## 概述 本期回到单件深拆。主角是装机清单里的 `deep-research`——一个把「多源检索、证据汇编、结构化报告」整条产线塞进一个 Skill 的执行件。拆解方法是把它的 SKILL.md 每一段摊开，看每一行在设计上解决什么问题；同时拉了同赛道三件做对照：同样是研究件的 `research`（外包给 Tavily 云检索）、跨界的 `notion-meeting-intelligence`（纯流程件），以及一桩反面教材 `skill-seekers`（装到手只有三行门牌）。核心发现：这类「执行件」的 SKILL.md 不写散文，只写三样东西——调用命令、参数表、输出契约；而触发器的功夫全在清单里那行描述上。公开榜单热度数据本期未采信，文中不编任何 Star 数。 ## 评测对比表 | 维度（权重） | deep-research | research | notion-meeting-intelligence | skill-seekers（装机到手版） | |---|---|---|---|---| | 功能完整度 25% | ★★★★ | ★★★★ | ★★★★★ | ★ | | 设计质量 25% | ★★★★★ | ★★★★ | ★★★★★ | ★★ | | 实战效果 20% | ★★★★ | ★★★★ | ★★★★ | ★★ | | 上手难度 15% | ★★★★ | ★★★ | ★★★ | ★★★★ | | 社区活跃度 15%* | ★★★★ | ★★★ | ★★★★ | ★★ | | **加权总分** | **4.25** | **3.70** | **4.35** | **2.05** | *社区活跃度一栏本期统一按「依赖健康度＋装机观察」给分，未采公开榜单数据，宁低勿高。 四件里总分最高反而不是主角，是 Notion 那件官方流程件——但它成立的前提是你本来就把工作流放在 Notion 里。在「研究产线」这个具体赛道上，`deep-research` 是四件里唯一不依赖任何外部账号的，这也是它最值得拆的原因。 ## 逐段拆：deep-research 的 SKILL.md 只有四段 先看全文骨架。这份 SKILL.md 正文不到三十行，依次是：一行定位、一个调用代码块、一张参数表、一段输出契约。没有背景介绍，没有原则宣言，没有「你是一个深度研究助手」式的角色扮演开头。 **第一段：一行定位。** 开头就六个词——「多源检索 + 证据汇编 + 结构化报告」。三个名词短语，用加号串起来，正好对应产线的三道工序：先检索、再汇编、最后出报告。定位写到这个密度就够了，多一个形容词都是浪费上下文。 **第二段：调用块。** 原文直接给了一条可复制的命令： ```bash python3 skills/deep-research/run.py --topic '研究主题' --queries '["关键词1","关键词2"]' --max_results 5 --depth basic ``` 这一段的设计意图很明确：告诉调用方「本件不是提示词，是程序」。活由 `run.py` 这个脚本扛，SKILL.md 只是它的接口说明书。模型读到这一段的动作不是「理解并复述」，而是「填参数并执行」。 **第三段：参数表。** 五个参数，一张表说完： | 参数 | 必填 | 说明 | |---|---|---| | topic | 是 | 研究主题 | | queries | 否 | 搜索关键词，默认自动生成 3 条 | | max_results | 否 | 每条 query 结果数，默认 5 | | depth | 否 | basic 或 advanced | | fetch_urls | 否 | 额外抓取全文的 URL | 这张表有两个值得学的设计。一是**必填项压到一个**：topic 必填，其余全有默认值，最低使用成本就是给一个主题。二是**留了一个后门参数**：`fetch_urls` 允许手工指定要抓全文的 URL——这意味着你可以绕过搜索引擎的排名偏差，直接把官方一手源喂进去。写 Skill 的人都知道「自动化」好听，但真正好用的是「自动化＋一个手动旁路」。 这张表也暴露了全件最明显的设计短板：`depth` 只有 basic / advanced 两个值，但**两个档位到底差在哪，正文一个字没写**。是检索轮数不同、抓取深度不同、还是汇总策略不同？调用者只能盲选，或者自己去读 `run.py` 源码。门牌上写了有档位，却没写档位语义，这是接口说明书的大忌。 **第四段：输出契约。** 原文写明返回 JSON，包含三个键：`searches`（搜索结果）、`fetched_pages`（抓取页面）、`summary_prompt`（综合提示）。注意第三个键——脚本不替你写报告，它把散落的证据组装成一份「综合提示」交还给模型。分工划得很清楚：**脚本管体力活（检索、抓取、拼装），模型管脑力活（归纳、判断、成文）**。这是执行件和「全自动幻觉发生器」的分界线。 **第五段：整理模板。** 输出契约后面跟了一句格式约定，原文是： > 按「问题→发现/证据→置信度→影响/建议」结构化整理 一行箭头链，四个节点。最妙的是「置信度」被写死成必填项——报告里每条发现都要带上它有多可信。这一行顶得上长篇提示词里十句「请确保严谨」。 ## 触发器设计：功夫在 SKILL.md 之外 Skill 能不能被自动唤起，取决于清单里那行 description，而不是正文写得多好。`deep-research` 在本机技能清单里挂的描述是： > Deep research harness — fan-out web searches, fetch sources, adversarially verify claims, synthesize a cited report. 拆开看，这行描述有四层设计： 1. **品类名打头**：deep research harness 直接对位用户嘴里的「深度研究」「调研一下」，钓的是品类词，不是功能词。 2. **四连动词排能力清单**：fan-out（并发撒网）、fetch（抓全文）、verify（对质证据）、synthesize（汇总）——用户提问里出现「多查几个来源」「交叉验证」这类词，逐个有词可对。 3. **质量词押韵**：fact-checked、cited report，专门接「要有出处」「别编」这类诉求。 4. **正文里的反触发条款**：描述后半段写着——如果问题不够具体，先反问两三个澄清问题再开工。这是防「话题太大跑空枪」的保险丝，把「确认需求」写进了触发流程而不是等模型自觉。 对照组很残酷：同赛道的 `research` 在本机清单里是**裸挂的，连一行描述都没有**。它只能被显式点名调用，永远等不到自动唤起。同一个生态里，描述写不写，直接决定一件 Skill 是「被动库房」还是「主动工位」。 ## 对照组速写：同一个需求的三种上架姿势 **`research`：外包大脑型。** 正文一半篇幅在讲鉴权——走 Tavily 的 OAuth，首次运行自动开浏览器登录；嫌麻烦也可以去 tavily.com 拿 API key，塞进 `~/.claude/settings.json`。它的参数表只有两项：`input` 和 `model`（mini / pro / auto），但给了一条极好的选型口诀：「what does X do? 用 mini；X vs Y vs Z 或 best way to……用 pro」。把模型分档的判断标准翻译成句式特征，这是很老练的写法。代价也明摆着：账号、网络、第三方服务存续，三样都在它门外。 **`notion-meeting-intelligence`：流程件标杆。** 它是四件里唯一没有脚本的——活全靠「路由」。SKILL.md 只留主干，把六种会议场景（状态同步、决策、规划、回顾、一对一、头脑风暴）分岔到 `reference/` 下的七份模板文件，每份模板再配 `examples/` 里的端到端样例。主文件永远瘦，重内容按需加载。另有一处值得抄的细节：它把「MCP 没连上怎么办」写成了流程第 0 步——给出远程端点 `mcp.notion.com/mcp`、配置改法、OAuth 登录、重启生效，一条龙排好。断链自愈写进门牌，新手就不会在第一步骂娘。 **`skill-seekers`：门牌件警示。** 装到手打开一看，正文三段：一句 Overview、一段模板化的 When to Use、一段 Instructions，最后甩一个上游仓库链接（github.com/yusufkaraaslan/Skill_Seekers）完事。真身在上游仓库里，装机端的这份只是个门牌。这件事对生态的启示比 Skill 本身值钱：**装机到手的质量 ≠ 上游质量**，聚合目录里「可安装」三个字背后，可能只是一个空壳。评它低分评的是装机体验，不是上游项目本身。 ```mermaid mindmap root(("研究赛道三件")) 自带引擎 deep-research run.py 扛活 无外部账号 外包大脑 research Tavily 云检索 OAuth 鉴权 借人工作台 notion会议件 七套模板路由 断链自愈 ``` ## 适用与不适用 **deep-research 适合**：需要多源交叉的主题综述；报告必须带出处的合规场景；关键词能列得出来的封闭主题；二次加工前的证据汇编——先让它把证据和来源攒齐，再人工定调。 **不适合**：单点事实速查（一步检索就够，犯不上三十秒起步的整条产线）；强时效数据（脚本抓回的是静态结果，行情类需求要专源）；结论不能出错的高危场景（置信度是标出来的，不是担保出来的，最终还得人审）。 ## 安装与魔改 通用安装约定：整个目录扔进 `~/.claude/skills/<技能名>/`，重启会话即被扫描。 ```bash # deep-research：按 SKILL.md 原文调用 python3 skills/deep-research/run.py --topic '你研究的主题' --depth advanced # research：先去 tavily.com 注册，或直接用 API key # ~/.claude/settings.json { "env": { "TAVILY_API_KEY": "tvly-你的key" } } ./scripts/research.sh '{"input": "主题", "model": "pro"}' ./report.md ``` 魔改建议按性价比排序：① 关键词敏感的领域，别用默认的自动生成，手工喂 `queries`；② 证据不足时把 `max_results` 从 5 提到 8–10，拿上下文换召回；③ `fetch_urls` 固定喂官方一手源，绕开搜索排名的噪声；④ 把「问题→发现/证据→置信度→影响/建议」这行输出模板替换成你自己的格式（周报、评审意见、招标对照表），脚本零改动。 ```mermaid flowchart TD A["topic 研究主题"] --> B["生成查询计划"] B --> C["逐条检索"] C --> D["searches 结果列表"] C --> E["fetch_urls 抓全文"] D --> F["JSON 汇编"] E --> F F --> G["summary_prompt 综合提示"] G --> H["问题 定边界"] G --> I["发现 附证据"] G --> J["置信度 标不确定"] H --> K["结构化报告"] I --> K J --> K K --> L["影响 与 建议"] ``` ## 推荐排行榜 - **接口设计**：deep-research ＞ notion-meeting-intelligence ＞ research ＞ skill-seekers —— 参数表＋输出契约是最省上下文的接口写法 - **开箱即用**：deep-research ＞ research ＞ notion-meeting-intelligence ＞ skill-seekers —— 不用注册任何账号的价值被长期低估 - **工程完整度**：notion-meeting-intelligence ＞ deep-research ＞ research ＞ skill-seekers —— 模板路由、示例库、断链自愈三件套齐活 - **值得抄的单一技巧**：research 的模型选型口诀、deep-research 的置信度必填、notion 件的流程第 0 步、skill-seekers 的反面教训（门牌要等于货） ## 参考来源 1. [Skill_Seekers 上游仓库](https://github.com/yusufkaraaslan/Skill_Seekers) — skill-seekers 技能正文内给出的上游地址，本期「门牌件」现象样本 2. [Notion 远程 MCP 端点](https://mcp.notion.com/mcp) — notion-meeting-intelligence 正文中写死的接入地址与断链自愈流程出处 3. [Tavily 官网](https://tavily.com) — research 技能的检索后端、OAuth 与 API key 获取入口 4. [anthropics/skills 官方仓库](https://github.com/anthropics/skills) — 本期「目录即安装」装机约定的生态参照 5. 一手材料：`/home/gprshome/.claude/skills/` 下 deep-research、research、notion-meeting-intelligence、skill-seekers 四份 SKILL.md 原文（本机装机实测），文中引文均出自原文 > [!tip] 51学通信知识星球 > **星主：爱卫生**（微信：gprshome201101）——公众号「51学通信」创办者，19 年通信行业运维与讲师经验，著有《GPRS网络信令实例详解》《EPC原理与实践》《5G核心网原理与实践》三本纸质书（各大电商平台有售）。 > **星球定位**：深耕 5G 核心网、IMS、NFV/AI、云原生等 ICT 领域，主打运维岗位与信令分析。 > **当前规模**：5200 篇主题 / 990 个回答，198 元/年。 > **加入福利**：加入星球后请加爱卫生微信，拉您进知识星球年度陪伴与答疑群——不限量回复您的各种问题，另有群内分享。 > **AI 加持**：51学通信知识星球已作为 skill 接入 WorkBuddy，使用 deepseek-4-flash 在海量星球帖子中精准找贴、找视频、找 FAQ 和案例，做总结、找文档和 PPT 等场景全覆盖。