Agent Skills
返回列表
深度研究引擎

深度研究引擎

AI Agent 更新于 2026.08.30

将以下提示词粘贴到你的 AI 对话框中：

请根据 https://skillhub.cn/install/skillhub.md，安装 @user_00c9b356/deepresearchengine。

技能介绍

解决什么问题

很多“分析商业化格局”“对比 React/Vue”“评估云厂商选型”这类问题，不能靠一次问答或几个链接支撑。普通检索容易混入低质来源、断章取义、缺少反方证据，结论看起来完整但难以复核。深度研究引擎把这类任务拆成可执行的研究流程，目标是让每条主张都能追溯到来源、置信度和验证状态。

如何工作

它不是泛泛生成报告，而是围绕研究纪律执行：

  • 输入检查：先判断问题是否复杂、可验证、非实时；不适合时给替代问法，而不是硬写。
  • 子问题分解：把主题拆成 3-7 个可检索子问题，并标注依赖关系和优先级。
  • 多源证据搜集：调用 WebSearch 与 WebFetch 收集官方文档、论文、行业报告等来源，按质量分级。
  • 交叉验证与引用自检：核心主张需多个独立来源，引用必须 URL 可访问且内容支持主张，否则标为待核实。
  • 大纲先行：先生成报告骨架，再按证据填充，减少结构松散和遗漏。

适用边界

它适合分析、对比、决策、趋势研究等需要多证据支撑的任务；不适合天气、股价、简单定义和纯主观问题。它不保证绝对准确，而是通过置信度、证据标注和待核实状态帮助判断可靠性。

使用场景

  • 在云厂商选型评审前，对比 AWS、Azure 的定价、迁移风险和生态支持，生成带来源与置信度的决策报告。
  • 撰写行业趋势分析时，拆解监管、融资、技术路线等子问题，并用多来源交叉验证核心判断。
  • 复核技术博客或调研报告时，检查每条引用的 URL 是否可访问、内容是否支持主张并标注待核实项。
  • 准备学术综述初稿时，按大纲组织证据，区分官方文档、论文和媒体观点，生成学术风格报告。

适合人员

  • 负责技术选型的架构师：需要在选型评审中给出可核查的对比依据、来源等级和置信度标注。
  • 撰写行业分析的研究员：要把复杂趋势拆成子问题，并用多源证据支撑核心判断。
  • 维护技术文档的内容编辑：要核查引用真实性，避免断章取义或不可访问链接进入报告。
  • 需要深度调研的创业者：要对比商业化格局、竞品策略和监管风险，形成可复核的决策材料。