CommunityRecherche & Datenanalysegithub.com

hashbulla/deep-research

Nachrichtendienstliche Multi-Source-Recherche als Claude Code Skill. 6-phasige Tavily-gestützte Pipeline mit NATO-Admiralitätsbewertung, CRAG-Absicherung und über 100 Quellen umfassenden, exhaustiven Durchläufen, kalibriert auf Perplexity Deep Research.

Was ist deep-research?

Dieser Skill, `hashbulla/deep-research`, verwandelt Claude Code in ein leistungsstarkes Tool für tiefgehende Recherchen, die denen nachrichtendienstlicher Analysen ähneln. Er nutzt eine sechsstufige Pipeline, die auf der Tavily-Such-API aufbaut und fortschrittliche Techniken wie die NATO-Admiralitätsbewertung zur Bewertung der Quellenzuverlässigkeit und die CRAG-Methode (Corrective Retrieval-Augmented Generation) zur Sicherstellung der faktischen Genauigkeit implementiert. Der Skill ist darauf ausgelegt, exhaustive Recherchen mit über 100 Quellen durchzuführen und die Ergebnisse an die Qualität von Perplexity Deep Research anzupassen. Dies macht ihn ideal für Entwickler oder Analysten, die automatisierte, mehrsprachige und zitatgestützte Forschung direkt in ihrer Entwicklungsumgebung benötigen, mit einer klaren Governance-Struktur und modularen Komponenten.

Funktioniert mit✓Claude Code~Codex CLI~Cursor
npx skills add hashbulla/deep-research

Installed? Explore more Recherche & Datenanalyse skills: affaan-m/uspto-database, affaan-m/scholar-evaluation, affaan-m/literature-review · View all 6 →

In Ihrer bevorzugten KI fragen

Öffnet einen neuen Chat, in dem dieser Agent-Skill bereits geladen ist.

Dokumentation

Was macht deep-research?

Nachrichtendienstliche Multi-Source-Recherche als Claude Code Skill. 6-phasige Tavily-gestützte Pipeline mit NATO-Admiralitätsbewertung, CRAG-Absicherung und über 100 Quellen umfassenden, exhaustiven Durchläufen, kalibriert auf Perplexity Deep Research.

Überblick

Dieser Skill ermöglicht es Claude Code, umfassende Rechercheaufgaben durchzuführen, bei denen Informationen aus mehreren Quellen gesammelt, bewertet und synthetisiert werden. Der Prozess ist in sechs klare Phasen unterteilt, die von der ersten Anfrage bis zur endgültigen, qualitätsgesicherten Ausgabe reichen.

Funktionsweise

  1. Phasen der Pipeline:

    • Phase 1: Anfrage-Initialisierung: Definition des Forschungsthemas und der Parameter.
    • Phase 2: Multi-Source-Erfassung: Nutzung der Tavily-API zur parallelen Abfrage mehrerer Suchmaschinen und Datenbanken.
    • Phase 3: Quellenbewertung: Anwendung der NATO-Admiralitätsbewertung (A-F) zur Klassifizierung der Glaubwürdigkeit jeder Quelle.
    • Phase 4: CRAG-Absicherung: Einsatz von Corrective Retrieval-Augmented Generation, um Fakten zu überprüfen und Fehlinformationen zu korrigieren.
    • Phase 5: Synthese: Zusammenführung der bewerteten Informationen zu einem kohärenten Bericht.
    • Phase 6: Qualitätssicherung: Endkontrolle auf Vollständigkeit und Genauigkeit.
  2. Unterstützte Plattformen:

    • Claude Code (primäre Plattform)
    • Allgemeine KI-Agenten-Frameworks (anpassbar)
  3. Exhaustive Research: Der Skill ist standardmäßig so konfiguriert, dass er über 100 Quellen durchläuft, um eine breite und tiefgehende Abdeckung zu gewährleisten.

Konfiguration

Der Skill verwendet Umgebungsvariablen für die Anpassung:

  • TAVILY_API_KEY: Ihr Tavily-API-Schlüssel (erforderlich)
  • MAX_SOURCES: Maximale Anzahl zu durchsuchender Quellen (Standard: 100)
  • DEPTH: Recherchetiefe ("standard" oder "exhaustive")

Verwendung

Um den Skill in Claude Code zu aktivieren, fügen Sie ihn zu Ihrer Konfigurationsdatei hinzu oder verwenden Sie den entsprechenden Befehl. Beispiel:

claude code --skill hashbulla/deep-research

Anschließend können Sie eine Rechercheanfrage stellen:

Führe eine exhaustive Recherche zu den neuesten Fortschritten in der Quantencomputing-Hardware durch.

Ausgabe

Der Skill generiert einen strukturierten Bericht im Markdown-Format mit:

  • Zusammenfassung der wichtigsten Erkenntnisse
  • Detaillierten Analysen pro Quelle
  • NATO-Admiralitätsbewertungen für jede Quelle
  • Vollständigen Referenzliste mit URLs

Lizenz

Dieses Projekt ist unter der MIT-Lizenz lizenziert.

Verwandte Skills