deep-research

deep-research 技能概览

deep-research 做什么

deep-research 技能会把一个宽泛问题转成带来源的 Web 研究流程。它使用 firecrawl 和 exa MCP 工具来搜索、对比，并综合多个来源，生成一份带引用的报告。对于单次提示就能回答、但答案过于浅或风险过高不适合直接相信的问题，deep-research 技能最合适。

什么时候最适合用

当你要做竞品分析、技术评估、市场规模测算、尽职调查、现状总结，或者任何依赖多方证据才能下结论的决策时，都适合用 deep-research。它非常适合 Web Research 的 deep-research 模式：先收集，再交叉验证，最后写出一份可直接使用、并带出处的总结。

安装前最该确认什么

真正的使用门槛不是复杂度，而是工具可用性。只有当你的环境至少能调用一个受支持的 MCP：firecrawl 或 exa 时，deep-research 的安装才真正值得。如果你希望覆盖更全面、盲区更少，最好在依赖这个技能之前把两个工具都配置好。

如何使用 deep-research 技能

安装并接好工具

先执行 npx skills add affaan-m/everything-claude-code --skill deep-research 完成安装。然后在 ~/.claude.json 或 ~/.codex/config.toml 中确认你的 MCP 配置。这个技能最有价值的前提，是模型确实能搜网和抓取网页，所以在开始长篇研究任务之前，务必检查工具名和凭据是否正确。

先给出合适的输入

想把 deep-research 用好，不要只说“帮我研究一下”。你要给出主题、最终目标，以及任何限制条件。更好的提示像是：“研究 AI coding agents 的当前状态，用于产品决策，对比主流工具，并引用近期来源。” 这样技能才有足够的结构去拆分子问题、选择来源类型。

先读控制行为的文件

先看 skills/deep-research/SKILL.md，如果仓库里还有关联上下文，再继续检查。这个仓库里，技能主体文件就是行为指导的主要来源，所以关键任务是理解工作流、激活规则和 MCP 要求，而不是去找那些并不存在的额外支持文件。

用能提升产出的工作流

如果主题很宽，先让模型澄清范围，再把任务拆成 3–5 个研究子问题。如果你已经知道切入角度，就开门见山地说：“重点看 pricing、adoption 和 risks”，或者“排除 vendor marketing pages。” 这样能帮助 deep-research 指引产出更紧凑的报告，也能减少无关来源噪音。

deep-research 技能 FAQ

deep-research 比普通提示更好吗？

如果任务需要从多个页面做有来源的综合判断，答案是肯定的。普通提示可以概括已知事实，但 deep-research 技能是专门用来搜索网页、对比证据并返回引用的。如果你不需要最新信息，也不需要来源标注，普通提示就可能足够。

我需要同时装 firecrawl 和 exa 吗？

不需要。这个技能用其中任意一个都能运行。但对于 Web Research 场景下的 deep-research 来说，同时使用两个工具通常覆盖更好，因为它们是互补的：一个可能能找到并抓取另一个漏掉的页面。对于变化快、范围广的话题，这一点尤其重要。

它适合新手吗？

适合，只要你能把目标说清楚。这个技能一开始只会要求一些轻量澄清，在必要时也可以直接按“just research it”继续。新手最常见的错误，是只给一个模糊主题，却没有任何决策背景，结果把研究范围拉得过宽。

什么时候不该用它？

当你只需要一个快速事实答案、不需要联网，或者不需要引用时，就不要用 deep-research。它也不适合你已经有了精确来源、只需要改写的场景。在这些情况下，安装 deep-research 以及它的工作流带来的额外开销就没有必要了。

如何改进 deep-research 技能

给它一个决策框架

提升最大的地方，是告诉技能你为什么要做这次研究。“学习”、“选择供应商”和“写备忘录”会导向不同的来源选择和综合方式。如果你想要更好的输出，就要明确受众、时间跨度，以及什么才算有用的结论。

加上能减少噪音的限制

有用的限制包括时间范围、地理范围、竞争对手集合、排除来源，以及偏好的证据类型。例如：“只用过去 18 个月的来源，优先采用一手文档，除非 vendor blogs 提供独特数据，否则尽量避免。” 这样能提高 deep-research 指引的信噪比。

留意常见失败模式

最常见的失败模式是子问题过多、过度依赖营销页面，以及报告只罗列事实却没有回答真正的问题。如果第一轮结果太宽泛，就要求更聚焦的综合：“只看 risks” 或者“把它改写成 buyer recommendation。” 这种迭代通常比单纯要求“更详细”更有效。

从第一版结果继续迭代

拿到初版报告后，再要求第二轮去收紧一个维度：证据质量、比较深度，或者决策摘要。好的后续提示包括：“把已确认事实和推断分开”、“给最强的来源排序”，或者“把它改成 1 页 executive brief。” 这是让 deep-research 输出更可执行的最快方法。