Communitygithub.com

ASoudy/AGS 深度研究助手

该技能通过 OpenAI Deep Research API 对任意主题进行深入研究,自动增强提示词,保存研究参数,并执行带网络搜索的深度调研。

AGS 深度研究助手 是什么?

该技能是一个强大的 AI 研究工具,专为需要深入、全面调查任意主题的用户设计。它基于 OpenAI 的 Deep Research API(o4-mini-deep-research 模型),能够智能评估用户输入的提示词是否足够详细。如果提示词过于简短或模糊(例如少于 15 个单词或包含 '什么是'、'如何' 等通用开头),它会自动提出 2-3 个有针对性的澄清问题,以明确研究的范围、深度和重点领域。技能支持技术性和通用性研究的智能识别,并提供预设选项或自定义文本输入。在收集到足够信息后,技能会构建一个结构化的增强提示词,并将其保存为一个带时间戳的文件(research_prompt_YYYYMMDD_HHMMSS.txt),以确保研究的可重复性。随后,它会同步执行核心的 deep_research.py 脚本,该脚本会利用网络搜索功能进行调研,最终生成一份包含引用的详细 Markdown 报告(research_report_YYYYMMDD_HHMMSS.md)。这个技能特别注重 Token 效率的设计:由于深度研究通常需要 10-20 分钟才能完成,它被设计为同步阻塞运行,没有中间轮询检查,从而避免了在等待期间浪费不必要的 token。整个工作流高度自动化,从提示词增强到报告生成,用户只需提供最初的查询即可。它适用于各种平台,如 Claude Code、Cursor 等,并且支持通过命令行参数进行定制,如跳过增强(--no-enhance)、更改模型或超时时间。

兼容平台✓Claude Code✓Codex CLI~Cursor
npx skills add https://github.com/ASoudy/AGS/tree/HEAD/claude_skills_libraries/landing-page-mastery/skills/deep-research

在你喜欢的 AI 中提问

打开一个已预加载此 Agent Skill 的新对话。

文档

深度研究技能

目的

本技能利用 OpenAI 的 Deep Research API(o4-mini-deep-research 模型),支持对任意主题进行全面的、具备互联网搜索能力的研究。它能够通过交互式澄清问题智能地增强用户的研究提示词,确保研究参数被保存以实现可重复性,并执行带有完整网络搜索功能的深度研究。

何时使用此技能

当出现以下情况时,触发此技能:

  • 用户请求研究一个特定主题
  • 用户要求进行分析、调查或全面的信息收集
  • 用户希望通过网络搜索和推理来探索一个主题
  • 用户提供了一个可以优化的简短研究查询
  • 用户希望了解某个领域的最新状态、趋势或比较分析

用户请求示例:

  • "研究性能基准测试最高的开源 RAG 解决方案"
  • "2025 年人工智能的最新发展是什么?"
  • "我需要一份分布式数据库系统的全面分析"
  • "找到实现向量搜索的最佳实践"
  • "调查人工智能如何影响软件工程行业"

工作流程概览

用户输入
    ↓
评估:提示词过于简短?
    ↓
是 → 提出优化问题 → 收集答案
    ↓                               ↓
    └───────→ 构建增强后的提示词 ←──┘
                    ↓
            保存到带时间戳的文件
                    ↓
            执行 deep_research.py
                    ↓
            输出报告 + 来源
                    ↓
            呈现给用户

Claude 应如何使用此技能

Token 效率重要提示: 深度研究需要 10-20 分钟才能完成。该技能被设计为同步(阻塞)运行,无需中间的状态检查。这种方法可以在等待期间最小化 token 使用。Claude 应该:

  1. 启动研究
  2. 等待完成(子进程会自动阻塞)
  3. 完成后呈现最终结果

在执行期间无需进行周期性的轮询或状态更新。

步骤 1:接受研究请求

接收用户的研究提示词。这可以很简短(如“最新AI趋势”)或非常详细(如“语言模型对开发者生产力的影响,重点关注2024-2025年”)。

步骤 2:执行编排脚本

使用用户的研究提示词运行技能的主编排脚本:

python3 scripts/run_deep_research.py "您的研究提示词在这里"

该脚本位于技能安装目录的 scripts/run_deep_research.py。

步骤 3:脚本执行流程

脚本会自动:

  1. 评估提示词完整性:检查提示词是否过于简短或通用(少于 15 个单词或开头是“什么是”、“如何”等)

  2. 提出澄清问题(如果需要):

    • 根据研究类型提出 2-3 个重点问题
    • 根据关键词检测研究是技术性的还是通用性的
    • 允许用户从预设选项(1-4)中选择或提供自定义文本
    • 问题涵盖:范围/时间框架、深度级别、重点领域
  3. 增强提示词:将原始提示词与用户的答案组合成结构化的研究参数

  4. 保存提示词文件:将增强后的提示词写入 research_prompt_YYYYMMDD_HHMMSS.txt 以保证可重复性

  5. 执行深度研究:运行核心的 deep_research.py 脚本,参数包括:

    • 模型:o4-mini-deep-research(可通过 --model 配置)
    • 超时:1800 秒 / 30 分钟(可通过 --timeout 配置)
    • 工具:默认启用网络搜索

步骤 4:向用户呈现结果

脚本会自动:

  • 保存 markdown 文件:包含来源的研究报告,保存为 research_report_YYYYMMDD_HHMMSS.md
  • 打印到终端:完整的 Markdown 格式研究报告
  • 列出网络来源:研究中引用的带编号的 URL
  • 确认完成:研究文件保存的路径

Token 效率说明:深度研究需要 10-20 分钟。脚本同步(阻塞)运行,无需中间轮询,从而在等待期间最小化 token 使用。

捆绑资源

脚本

scripts/run_deep_research.py(主入口点)

负责以下功能的编排脚本:

  • 提示词质量评估
  • 交互式优化问题(具备技术研究与通用研究的智能检测)
  • 提示词保存和打时间戳
  • 执行核心深度研究

主要特性:

  • 智能优化:仅在提示词简短/通用时提出问题
  • 基于模板的问题:为技术研究与通用研究提供不同的问题集
  • 灵活的输入:数字选项 + 自定义文本输入
  • 错误处理:如果找不到 deep_research.py,则显示有帮助的消息

可用选项:

python3 run_deep_research.py <prompt> [OPTIONS]
  --no-enhance              跳过优化问题
  --model <model>           要使用的模型(默认:o4-mini-deep-research)
  --timeout <seconds>       超时时间,单位秒(默认:1800)
  --output-dir <path>       保存提示词文件的目录

assets/deep_research.py

与 OpenAI Deep Research API 交互的核心脚本。负责:

  • 通过 OPENAI_API_KEY 进行 API 身份验证
  • 请求创建和执行
  • 自动 markdown 保存:默认保存带时间戳的报告文件
  • 输出格式化(报告 + 带元数据的来源)
  • 错误处理和重试

新的命令行选项:

--output-file <path>      自定义输出文件路径
--no-save                 禁用自动 markdown 保存

参考文献

references/workflow.md

详细的工作流程文档,涵盖:

  • 包含示例的完整技能工作流程
  • 提示词增强策略
  • 研究参数说明
  • 针对 Claude 的集成指南
  • 命令行界面参考
  • 错误处理和故障排除
  • 有效研究的技巧

关键行为

智能提示词增强

该技能智能地判断是否需要增强:

  • 触发增强:对于少于 15 个单词或以通用开头开头的提示词
  • 跳过增强:对于详细、具体的提示词
  • 允许用户:使用 --no-enhance 标志禁用
  • 模板感知:为技术性研究和通用性研究使用不同的问题

研究参数

增强后的提示词包括:

  • 带有完整上下文的原始用户查询
  • 范围和时间框架偏好
  • 期望的深度级别(摘要、技术、实现、对比)
  • 具体的重点领域(性能、成本、安全性等)

这些参数有助于深度研究模型提供更具针对性和相关性的结果。

可重复性

每次研究执行:

  • 将使用的确切提示词保存到带时间戳的文件中
  • 能够追溯研究决策过程
  • 允许使用相同/修改后的提示词进行后续研究
  • 维护研究参数的审计跟踪

示例

简短提示词并增强

用户: “研究最有效的开源 RAG 解决方案”

脚本行为:

  1. 检测到简短提示词(12 个单词)+ 技术关键词(“开源”、“RAG”)
  2. 提出技术研究问题:
    • 技术范围:仅开源?(用户:是)
    • 关键指标:性能/基准测试?(用户:速度和准确性)
    • 用例:生产部署?(用户:多方面)
  3. 增强为包含参数的详细提示词
  4. 保存并执行深度研究
  5. 返回包含对比基准测试结果和来源 URL 的综合报告

详细提示词且无需增强

用户: “分析大型语言模型在 2024-2025 年对软件开发者生产力的影响,重点关注代码生成工具、结对编程和生产力指标。”

脚本行为:

  1. 检测到详细提示词(24 个单词),包含具体范围/重点
  2. 跳过优化问题
  3. 立即保存并执行深度研究
  4. 返回与用户规范相符的重点分析

要求

  • Python 3.7+
  • OpenAI API 密钥(通过 OPENAI_API_KEY 环境变量或 .env 文件设置)
  • 互联网连接(用于网络搜索)
  • 研究完成需要 30 分钟以上时间(可配置超时)

Token 高效工作流

长时间运行任务优化

深度研究查询通常需要 10-20 分钟 才能完成。该技能经过优化,可在长时间等待期间最小化 token 使用:

工作原理:

  1. 同步执行:脚本作为阻塞的子进程运行(无后台轮询)
  2. 无中间检查:Claude 静默等待完成,无需状态更新
  3. 单次输出:结果在最后一次性呈现
  4. 自动保存:Markdown 文件自动保存,无需人工干预

Token 节省:

  • 传统方法:每 30 秒检查一次状态 = 大约 40 次检查 × 500 tokens = 浪费约 20,000 tokens
  • 本方法:单次等待 = 总共约 1,000 tokens

自动文件管理

该技能自动生成并保存文件:

生成的文件:

  • research_prompt_YYYYMMDD_HHMMSS.txt - 包含参数的增强研究提示词
  • research_report_YYYYMMDD_HHMMSS.md - 完整的 Markdown 报告,包含:
    • 研究章节(历史、认知、文化等)
    • 编号的源引用
    • 元数据页脚(日期、模型)

自定义选项:

# 自定义输出位置
python3 deep_research.py --prompt-file prompt.txt --output-file my_research.md

# 禁用自动保存(仅终端输出)
python3 deep_research.py --prompt-file prompt.txt --no-save

故障排除

缺少 OPENAI_API_KEY

错误: “缺少 OPENAI_API_KEY”

解决方案:

  • 设置环境变量:export OPENAI_API_KEY="your-key"
  • 或者在工作目录中创建 .env 文件,内容为 OPENAI_API_KEY=your-key

找不到 deep_research.py

错误: “找不到 deep_research.py”

解决方案:

  • 确保技能已正确安装,包含资产文件
  • 脚本搜索路径:技能资产文件夹 → 当前目录 → 父目录

研究超时

错误: 请求在 30 分钟后超时

解决方案:

  • 增加超时时间:--timeout 5400(90 分钟)
  • 简化提示词以缩小研究范围
  • 在非高峰时段运行,以获得更快的 API 响应

Individual skills in this repo

This repo contains 20 individual skills — each has its own dedicated page.

ASoudy/AGS

Advanced JavaScript animation library skill for creating complex, high-performance web animations.

ASoudy/AGS

Astropy is the core Python package for astronomy, providing essential functionality for astronomical research and data analysis.

ASoudy/AGS

Build content-focused websites with Astro — zero JS by default, islands architecture, multi-framework components, and Markdown/MDX support.

ASoudy/AGS

One sentence - what this skill does and when to invoke it

ASoudy/AGS

Audit and fix animation performance issues including layout thrashing, compositor properties, scroll-linked motion, and blur effects. Use when animations stutter, transitions jank, or reviewing CSS/JS animation performance.

ASoudy/AGS

Internationalization and localization patterns. Detecting hardcoded strings, managing translations, locale files, RTL support.

ASoudy/AGS

Pull a YouTube video transcript into a queryable markdown vault with yt-dlp subtitle discovery, VTT cleanup, metadata frontmatter, and capture-seed stubs.

ASoudy/AGS

Expert in building portfolios that actually land jobs and clients - not just showing work, but creating memorable experiences. Covers developer portfolios, designer portfolios, creative portfolios, and portfolios that convert visitors into opportunities.

ASoudy/AGS

Generates high-converting Next.js/React landing pages with Tailwind CSS. Uses PAS, AIDA, and BAB frameworks for optimized copy/components (Heroes, Features, Pricing). Focuses on Core Web Vitals/SEO.

ASoudy/AGS

AI-powered animation tool for creating motion in logos, UI, icons, and social media assets.

ASoudy/AGS

CRITICAL: Use for Makepad animation system. Triggers on: makepad animation, makepad animator, makepad hover, makepad state, makepad transition, "from: { all: Forward", makepad pressed, makepad 动画, makepad 状态, makepad 过渡, makepad 悬停效果

ASoudy/AGS

Comprehensive patterns for Next.js 14+ App Router architecture, Server Components, and modern full-stack React development.

ASoudy/AGS

Next.js App Router principles. Server Components, data fetching, routing patterns.

ASoudy/AGS

Expert integration of Supabase Auth with Next.js App Router

ASoudy/AGS

React and Next.js 14+ application development with App Router, Server Components, TypeScript, Tailwind CSS, and modern frontend patterns.

ASoudy/AGS

Best practices for Remotion - Video creation in React

ASoudy/AGS

Generate walkthrough videos from Stitch projects using Remotion with smooth transitions, zooming, and text overlays

ASoudy/AGS

Seek and analyze video content using Memories.ai Large Visual Memory Model for persistent video intelligence

ASoudy/AGS

Writes complete, structured landing pages optimized for SEO ranking, AEO citation, and visitor conversion. Activate when the user wants to write or generate a landing page for a product, service, or offer.

ASoudy/AGS

Skill for discovering and researching autonomous AI agents, tools, and ecosystems using the AgentFolio directory.

相关技能