技能介绍

解决的问题

当工程师或研究人员面对复杂查询时，常常需要从分散的来源快速整合信息。手动逐一检查本地文件、执行多个网络搜索，然后交叉验证和组织结果，这个过程繁琐且容易遗漏关键细节。传统搜索工具往往只返回碎片化信息，缺乏深度分析和结构化整合，导致回答不完整或流于表面。

技能如何工作

deep-research 技能通过自动化工作流解决上述问题。它首先执行 本地知识库搜索，扫描预定义文件（如 02_projects/knowledge-base/产品知识.md）并提取相关内容。然后启动 互联网多平台搜索，利用 web_search 工具进行通用查询，并通过 web_fetch 抓取详细页面；若配置了 07技能，还能扩展搜索至 Twitter、YouTube 和小红书等平台，实现多源覆盖。

关键步骤包括：

关键词优化：根据本地搜索结果动态调整网络搜索词，提升相关性。
交叉验证：对比不同来源的信息，评估可信度和时效性。
整合分析：结合本地知识、网络数据和自身认知，生成分类整理、去重合并后的深度分析。
完整输出：按照结构（背景 → 分析 → 结论 → 建议）生成内容，确保涵盖数据来源和引用。

技能还内置问题优先解决机制，遇到搜索错误或信息不足时，会按 检查配置 → 检查依赖 → 检查权限 → 尝试替代方案 路径排查，至少尝试三种解决方案，并记录问题到知识库以供持续改进。

适用边界与注意点

此技能适用于需要多源信息整合的深度研究场景，如产品咨询、行业趋势分析或竞品对比。但它依赖工具配置（如 web_search 和可选的 07技能），在离线环境或工具故障时可能受限。此外，搜索结果受网络 API 频率限制影响，需注意信息时效性——优先使用最新数据。隐私保护方面，技能在抓取网页时应避免敏感信息泄露。最终输出虽力求深度，但仍需用户结合专业判断验证，尤其对于高度动态或机密领域。