심층 연구 스킬
개요
이 스킬은 철저한 웹 연구를 수행하기 위한 체계적인 방법론을 제공합니다. 콘텐츠 생성 작업을 시작하기 전에 이 스킬을 로드하여 여러 각도, 깊이, 소스에서 충분한 정보를 수집하세요.
이 스킬을 사용해야 하는 경우
다음과 같은 경우 항상 이 스킬을 로드하세요:
연구 질문
- 사용자가 "X가 무엇인지", "X를 설명해줘", "X를 조사해줘", "X를 연구해줘"라고 요청하는 경우
- 사용자가 개념, 기술, 주제를 깊이 이해하려는 경우
- 질문에 최신의 포괄적인 정보가 여러 출처에서 필요한 경우
- 단일 웹 검색으로는 제대로 답변할 수 없는 경우
콘텐츠 생성 (사전 연구)
- 프레젠테이션(PPT/슬라이드)을 만드는 경우
- 프론트엔드 디자인 또는 UI 목업을 만드는 경우
- 기사, 보고서, 문서를 작성하는 경우
- 비디오 또는 멀티미디어 콘텐츠를 제작하는 경우
- 실제 정보, 예시, 최신 데이터가 필요한 모든 콘텐츠
핵심 원칙
절대 일반적인 지식만으로 콘텐츠를 생성하지 마십시오. 출력의 품질은 사전에 수행된 연구의 질과 양에 직접적으로 의존합니다. 단일 검색 쿼리로는 결코 충분하지 않습니다.
연구 방법론
1단계: 광범위한 탐색
광범위한 검색으로 시작하여 전체적인 상황을 파악합니다:
- 초기 조사: 주요 주제를 검색하여 전반적인 맥락을 이해합니다.
- 차원 식별: 초기 결과에서 더 깊이 탐색해야 할 주요 하위 주제, 테마, 각도, 측면을 식별합니다.
- 영역 매핑: 존재하는 다양한 관점, 이해 관계자, 관점을 기록합니다.
예시:
주제: "의료 분야의 AI"
초기 검색:
- "AI 의료 응용 2024"
- "인공지능 의료 진단"
- "헬스케어 AI 시장 동향"
식별된 차원:
- 진단 AI (영상의학, 병리학)
- 치료 추천 시스템
- 행정 자동화
- 환자 모니터링
- 규제 환경
- 윤리적 고려 사항
2단계: 심층 분석
식별된 각 주요 차원에 대해 집중적인 연구를 수행합니다:
- 특정 질의: 각 하위 주제에 대한 정확한 키워드로 검색합니다.
- 다양한 표현: 다양한 키워드 조합과 표현을 시도합니다.
- 전체 콘텐츠 가져오기:
web_fetch를 사용하여 스니펫이 아닌 중요한 출처를 전체적으로 읽습니다. - 참조 추적: 출처에서 다른 중요한 자료를 언급할 때, 그것들도 검색합니다.
예시:
차원: "영상의학 분야 AI"
집중 검색:
- "AI 영상의학 FDA 승인 시스템"
- "흉부 X선 AI 탐지 정확도"
- "영상의학 AI 임상 시험 결과"
그런 다음 가져와서 읽기:
- 주요 연구 논문 또는 요약
- 산업 보고서
- 실제 사례 연구
3단계: 다양성 및 검증
다양한 정보 유형을 추구하여 포괄적인 범위를 보장합니다:
| 정보 유형 | 목적 | 검색 예시 |
|---|---|---|
| 사실 및 데이터 | 구체적인 증거 | "통계", "데이터", "수치", "시장 규모" |
| 예시 및 사례 | 실제 적용 사례 | "사례 연구", "예시", "구현" |
| 전문가 의견 | 권위 있는 관점 | "전문가 분석", "인터뷰", "논평" |
| 동향 및 예측 | 미래 방향성 | "2024 동향", "전망", "미래" |
| 비교 | 맥락 및 대안 | "vs", "비교", "대안" |
| 과제 및 비판 | 균형 잡힌 시각 | "과제", "한계", "비판" |
4단계: 종합 점검
콘텐츠 생성을 진행하기 전에 다음을 확인합니다:
- 최소 3-5개의 다른 각도에서 검색했습니까?
- 가장 중요한 출처를 전체적으로 가져와서 읽었습니까?
- 구체적인 데이터, 예시, 전문가 관점을 확보했습니까?
- 긍정적인 측면과 과제/한계를 모두 탐색했습니까?
- 정보가 최신이며 권위 있는 출처에서 왔습니까?
만약 하나라도 '아니오'라면, 콘텐츠를 생성하기 전에 계속 연구하십시오.
검색 전략 팁
효과적인 질의 패턴
# 맥락을 구체적으로
❌ "AI 동향"
✅ "기업 AI 도입 동향 2024"
# 권위 있는 출처 힌트 포함
"[주제] 연구 논문"
"[주제] McKinsey 보고서"
"[주제] 산업 분석"
# 특정 콘텐츠 유형 검색
"[주제] 사례 연구"
"[주제] 통계"
"[주제] 전문가 인터뷰"
# 시간적 한정자 사용 — 항상 <current_date>에서 실제 현재 연도 사용
"[주제] 2026" # ← 실제 현재 연도로 대체, 과거 연도를 하드코딩하지 마십시오
"[주제] 최신"
"[주제] 최근 개발"
시간 인식
검색 쿼리를 작성하기 전에 항상 컨텍스트에서 <current_date>를 확인하십시오.
<current_date>는 년, 월, 일, 요일을 포함한 전체 날짜를 제공합니다 (예: 2026-02-28, 토요일). 사용자가 묻는 내용에 따라 적절한 정밀도 수준을 사용하십시오:
| 사용자 의도 | 필요한 시간적 정밀도 | 예시 질의 |
|---|---|---|
| "오늘 / 오늘 아침 / 방금 출시된" | 월 + 일 | "기술 뉴스 2026년 2월 28일" |
| "이번 주" | 주 범위 | "2026년 2월 24일 주 출시 기술" |
| "최근에 / 최신 / 새로운" | 월 | "AI 돌파구 2026년 2월" |
| "올해 / 동향" | 연도 | "소프트웨어 동향 2026" |
규칙:
- 사용자가 "오늘" 또는 "방금 출시된"에 대해 물을 때는 검색 질의에 월 + 일 + 연도를 사용하여 당일 결과를 얻으십시오.
- 일 단위 정밀도가 필요할 때 연도만 사용하지 마십시오 —
"기술 뉴스 2026"는 오늘의 뉴스를 표시하지 않습니다. - 여러 표현을 시도하십시오: 숫자 형식 (
2026-02-28), 문자 형식 (2026년 2월 28일), 상대적 용어 (오늘,이번 주)를 다양한 질의에 걸쳐 사용하십시오.
❌ 사용자가 "오늘 기술 뉴스 뭐 있어?"라고 물음 → "신기술 2026" 검색 → 오늘 뉴스 누락
✅ 사용자가 "오늘 기술 뉴스 뭐 있어?"라고 물음 → "신기술 2026년 2월 28일" + "오늘 기술 뉴스 2월 28일" 검색 → 오늘 결과 획득
web_fetch 사용 시기
다음과 같은 경우 web_fetch를 사용하여 전체 내용을 읽으십시오:
- 검색 결과가 매우 관련성이 높고 권위적으로 보일 때
- 스니펫 이상의 자세한 정보가 필요할 때
- 출처에 데이터, 사례 연구, 전문가 분석이 포함되어 있을 때
- 특정 발견의 전체 맥락을 이해하려고 할 때
반복적 개선
연구는 반복적입니다. 초기 검색 후:
- 학습한 내용을 검토합니다.
- 이해에 있어 격차를 식별합니다.
- 새롭고 더 집중된 질문을 공식화합니다.
- 포괄적인 범위를 확보할 때까지 반복합니다.
품질 기준
다음 질문에 자신 있게 답할 수 있을 때 연구는 충분합니다:
- 주요 사실과 데이터 포인트는 무엇입니까?
- 2-3개의 구체적인 실제 사례는 무엇입니까?
- 전문가들은 이 주제에 대해 무엇이라고 말합니까?
- 현재 동향과 미래 방향은 무엇입니까?
- 과제나 한계는 무엇입니까?
- 이 주제가 지금 관련성 있거나 중요한 이유는 무엇입니까?
피해야 할 일반적인 실수
- ❌ 1-2번 검색 후 중단하는 것
- ❌ 전체 출처를 읽지 않고 검색 스니펫에 의존하는 것
- ❌ 다면적인 주제의 한 측면만 검색하는 것
- ❌ 상충되는 관점이나 과제를 무시하는 것
- ❌ 최신 데이터가 존재함에도 오래된 정보를 사용하는 것
- ❌ 연구가 완료되기 전에 콘텐츠 생성을 시작하는 것
출력
연구를 완료한 후에는 다음을 확보해야 합니다:
- 다양한 각도에서 주제에 대한 포괄적인 이해
- 구체적인 사실, 데이터 포인트, 통계
- 실제 사례 및 사례 연구
- 전문가 관점 및 권위 있는 출처
- 현재 동향 및 관련 맥락
그런 다음에야 콘텐츠 생성으로 진행하여 수집된 정보를 사용하여 고품질의 정보에 기반한 콘텐츠를 만드십시오.