深度研究

要解决的问题

普通搜索回答常停留在“关键词检索 + 摘要拼接”：角度单一、来源偏少、把预测当事实，也缺少年份、口径和证据链。对市场分析、竞品分析、行业研究、论文/开源调研，这类输出看起来完整，但难以支撑判断。

技能如何工作

vadeepresearch 将研究拆成可执行流程：先解析 Topic、Scope、Depth、Time Range、Output，再按快速/标准/深度分级设定来源与角度要求。关键步骤包括：

• 广域探索：建立主题地图，形成研究角度清单。
• 定向深挖：按角度生成查询，读取高价值来源正文或关键段落。
• 多源验证：覆盖官方、学术、行业报告、新闻、开源社区等来源，并标注可信度。
• 证据抽取：将来源整理为 Source、Claim、Data、Context、Confidence 等字段。
• 冲突处理：并列展示口径不一致的数据，不强行合并成确定结论。
• 报告输出：默认生成 Markdown，并引导用户选择 PDF、Word、PPT 等后续格式。

它建议优先调用 orchestrator.py、research_engine.py、analysis_engine.py、report_generator.py 等辅助脚本完成编排、检索、分析和落盘，但前提是运行环境真实可用，不能硬编码不可用服务。

适用边界与注意点

适合需要外部事实、近期数据、来源引用和结构化报告的任务；不适合纯改写、翻译、润色已给文本，也不适合用户明确要求不检索的场景。使用时要注意：关键事实需双源验证；数据需注明年份、地域、样本和口径；弱来源新消息不能压倒权威旧来源；脚本失败时应回退手动分析并说明限制。