Community研究與資料分析github.com

深度研究

針對一個問題執行端到端的深度研究:將其拆解為子問題、並行搜尋多個來源、深入挖掘每個子問題,然後將所有內容合併成一份帶有引用的 Markdown 報告,並透過 Telegram 傳送。

深度研究 是什麼?

此技能「深度研究」能讓 AI 代理(如 Claude Code、Cursor)將一個複雜的研究問題,自動化地拆解成多個子問題,並透過並行搜尋與遞迴深入分析來產出高品質的書面報告。它會產生一份帶有編號引用與參考文獻的 Markdown 檔案,並能透過 Telegram 將報告傳送給使用者。技能的核心是嚴格的流程管理:從範圍定義、規劃、廣度搜尋、深度研究(可委託給多個研究員代理),到最後的整合撰寫與發布,每一步都有清晰的規範。它特別強調事實的正確性與可追溯性,要求每個事實陳述都必須附上對應的來源 ID,並且嚴格禁止憑空捏造資訊。此技能支援 Hermes 平台,並針對 Telegram 傳送與檔案輸出進行了最佳化。

相容平台~Claude Code~Codex CLI~Cursor
npx skills add https://github.com/ramzacc/deep-research-skill/tree/HEAD/skills/deep-research

Installed? Explore more 研究與資料分析 skills: affaan-m/uspto-database, affaan-m/scholar-evaluation, affaan-m/literature-review · View all 6 →

在你喜歡的 AI 中提問

開啟一個已預先載入此 Agent Skill 的新對話。

說明文件

深度研究 是做什麼的?

您將產出一份謹慎的分析師也能接受的、帶有引用的報告。工作在固定的工作目錄中,由 ${HERMES_SKILL_DIR}/scripts/research.py 以及委派的研究員執行。

輸出

  • ~/research/<slug>.md — 最終報告,包含編號與連結的引用以及參考文獻,並透過 MEDIA: 行以文件形式傳送給使用者。
  • ~/research/.work/<slug>/ — 計劃、來源、證據、發現、草稿(可從此處恢復狀態)。

嚴格規則(絕不違反)

  1. 絕不發明任何 URL、來源、引用 ID、編號、日期或發現。僅引用存在於 <WORK>/sources.json 中的 S# ID。
  2. 草稿中的每個事實陳述都必須附有引用:[S12]、[S3, S7] 或 [S3][S7]。
  3. 不得跳過步驟,也不得重新排序。如果命令失敗,請遵循失敗處理。
  4. 請勿將原始搜尋結果直接貼到報告中。請進行綜合整理。
  5. 將下方的 <WORK> 替換為 init 所輸出的確切絕對路徑。Shell 變數無法在終端機呼叫之間保留 — 請始終使用完整路徑。
  6. 健康、藥物或法律風險主題:報告來源對選項、可用性、價格、監控和風險的說法。請勿對於配製、製造或採購獸用/未經監管的產品提供逐步說明。在提及這些內容時,請加上風險警告。
  7. 只有當人名(個人、團體、實驗室、計畫、獎學金、產品)確實出現在證據摘錄或已擷取的頁面中時,才能將其納入報告。否則,請將其省略,或將其列在「未經證實」部分。

步驟 0 — 範圍界定(10 秒)

  • 如果請求缺少主題、範圍,或(對於比較性問題)缺少比較對象,請提出一個確切的釐清問題,然後停止。否則繼續。
  • 如果請求是一次快速的事實查詢,單次搜尋即可回答,請直接說明並直接回答,無需執行此流程。
  • 如果使用者要求對結果執行後續動作(更新任務、傳送訊息、寫入檔案),請在 plan.json 的 post_actions 中記下其確切意圖。
  • 否則,請用一行回覆:開始對「<主題>」進行深度研究。 然後繼續。

步驟 1 — 初始化

  1. 取得今天的日期:date +%F。
  2. 選擇 slug:<YYYY-MM-DD>-<3-6 個小寫單詞,以連字號分隔>;長度 2-61 個字元,符合 ^[a-z0-9][a-z0-9-]{1,60}$。範例:2026-11-15-eu-ai-act-enforcement。
  3. 執行並複製輸出的 work dir: 路徑 — 這就是後續每個命令的 <WORK>:
python3 ${HERMES_SKILL_DIR}/scripts/research.py init --slug <SLUG>

請勿手動建立目錄。

步驟 2 — 規劃

使用檔案寫入工具(而非 shell heredoc)寫入 <WORK>/plan.json。格式如下:

{
  "topic": "一句話描述的主題",
  "slug": "<SLUG>",
  "asks": ["使用者提示中的每個明確請求,每項一項"],
  "user_context": "來自提示的個人資料/限制條件,以及 Hermes 對使用者的了解;允許空字串",
  "identify": ["提示所指的特定工件(如果有的話)"],
  "post_actions": ["使用者要求對結果執行的後續動作,確切意圖"],
  "subquestions": [
    {
      "id": "q1",
      "question": "一個明確的問題",
      "queries": ["搜尋查詢", "另一種措辭", "查詢 2026", "site:official-domain query"],
      "covers": [0]
    }
  ]
}

規則:

  • asks:使用者提示中的每個明確請求,一項一項。請勿發明 asks。至少一個。
  • user_context:使用者提示中的限制/目標,以及 Hermes 從記憶體或對話中知道的任何資訊。保持事實性;當沒有內容可添加時,"" 是有效的。
  • identify:可選清單,列出提示中透過引用所指的特定工件(指南、報告、文章或頁面)。如果沒有,則省略或使用 []。如果提示說「某人在論壇 X 上寫的指南」,這是一個工件:主題是該規範文件,而不是提及它的論壇貼文。
  • post_actions:可選清單,預設為 []。記錄使用者要求對結果執行的每個後續動作,使用確切意圖(例如「用結果更新任務 Y」或「將報告路徑寫入 ~/done.txt」)。後續動作步驟會在 finalize 之後執行它們;它們必須在背景研究員喚醒後仍然存在,因此之後請重新讀取 plan.json(或執行 status)。
  • 如果 identify 非空,則 q1 必須是:確切識別所指的 <artifact> 為何:其規範名稱、當前 URL 和作者歷史。對 q1 使用官方/主要查詢,並偏好規範的、維護中的文件,而非提及它的論壇貼文。
  • covers:此子問題所回答的 asks 索引(0 為基礎)。每個 ask 必須至少被一個子問題覆蓋;q1 可能會涵蓋識別性的 ask。只有純粹的識別性子問題才允許使用空清單。
  • 4-8 個子問題,ID 為 q1..q8,依序、不重複。
  • 每個子問題涵蓋一個不同的角度。請使用此選單:背景/定義;當前狀態與時間表;關鍵參與者/公司/機構;數據與數字;證據與案例研究;批評、風險與反證;近期發展(過去 12 個月);前景與競爭性預測。
  • 如果請求是一個決策(選擇、購買、申請、搬家、開始、比較可採取的選項),則讓最後一個子問題成為執行性子問題:「對這個使用者來說,採取最佳選項需要什麼:步驟和文書工作、時間表、總成本、主要風險以及備用計畫?」它涵蓋關於決策本身的 asks。對於純資訊性的請求,請跳過此步驟。
  • 每個子問題有 3-5 個查詢。使其多樣化:(a) 單純的問題措辭,(b) 替代詞彙/同義詞措辭,(c) 一個包含當年份的,(d) 一個針對主要來源的(report filetype:pdf、site:gov、site:edu、annual report、statistics、dataset),(e) 一個對抗性措辭(criticism、risks、limitations、failed)。切勿重複相同的查詢。

填入的範例(顯示 4+ 個子問題中的 3 個):

{
  "topic": "2025 年歐盟 AI 法案的執行情況",
  "slug": "2026-11-15-eu-ai-act-enforcement",
  "asks": [
    "解釋 2025 年適用的義務",
    "解釋誰來執行該法案以及他們做了什麼",
    "總結合規成本和批評"
  ],
  "user_context": "政策分析師;需要簡短摘要,非法律建議。",
  "identify": [],
  "post_actions": [],
  "subquestions": [
    {"id": "q1", "question": "歐盟 AI 法案規定了哪些義務,哪些在 2025 年適用?",
     "queries": ["EU AI Act obligations timeline 2025", "AI Act prohibited practices February 2025",
                 "European Commission AI Act guidelines 2025", "EU AI Act regulation text official journal"],
     "covers": [0]},
    {"id": "q2", "question": "誰來執行該法案,他們到目前為止做了什麼?",
     "queries": ["EU AI Office enforcement 2025", "national competent authorities AI Act list",
                 "AI Act enforcement actions fines 2025", "site:digital-strategy.ec.europa.eu AI Act enforcement"],
     "covers": [1]},
    {"id": "q3", "question": "公司和批評者對合規成本和差距有什麼看法?",
     "queries": ["AI Act compliance cost criticism", "industry reaction EU AI Act 2025",
                 "AI Act loopholes civil society report", "AI Act GPAI obligations criticism 2025"],
     "covers": [2]}
  ]
}
  1. 在搜尋前進行驗證(離線,無 API 呼叫):
python3 ${HERMES_SKILL_DIR}/scripts/research.py search --work <WORK> --dry-run

預期會看到 plan ok: N subquestions, M queries。任何 error: 行 → 修正 plan.json 並重複。 乾執行也會檢查每個 ask 是否都被覆蓋、每個 covers 索引是否有效,以及 identify/q1 規則是否滿足;如果失敗,它會指出需要修正的確切欄位。

步驟 3 — 廣度搜尋

python3 ${HERMES_SKILL_DIR}/scripts/research.py search --work <WORK>

此命令會並行執行所有查詢、對 URL 進行去重、指派穩定的 S# ID、寫入 <WORK>/sources.json,並為每個子問題寫入 <WORK>/evidence/<qid>.md。

檢查印出的摘要:

  • queries: X ok, Y failed — 注意失敗的查詢;它們會被跳過,不算是致命錯誤。
  • unique sources: — 如果少於 15 個,則在來源最少的子問題中新增 1-2 個新查詢(使用寫入工具編輯 plan.json),然後重新執行相同的命令。ID 會保持穩定。
  • 任何有 0 個來源的子問題:重寫其查詢(放寬措辭、減少術語),重新執行。如果嘗試兩次後仍為 0,則繼續進行 — 稍後在報告中提及此缺口。

步驟 4 — 深入分析(委派研究員)

一次 delegate_task 呼叫,每個子問題一個任務 — 永遠不要每個子問題呼叫一次:

delegate_task(tasks=[<q1 的任務>, <q2 的任務>, ...])

為每個子問題填入以下任務範本:將 <WORK>、<QID>、<QUESTION>、<TOPIC>、<N>(子問題總數)替換掉。路徑已經是絕對路徑,因為此技能在載入時已展開(如果 ${HERMES_SKILL_DIR} 仍然是字面值,請在委派前將其替換為技能目錄)。不要讓研究員進一步委派。

goal: |
  研究子問題 <QID>: <QUESTION>
  屬於以下主題的更大報告的一部分:<TOPIC>
  使用者背景:<USER_CONTEXT>
  此子問題涵蓋的 asks:<ASK_INDICES: 每個索引的確切 ask 文字>
  今天日期:<TODAY, YYYY-MM-DD>

context: |
  您是 <N> 位研究員之一。完全從本地工作目錄 <WORK> 開始工作。
  不要提問;您不能進一步委派。

  步驟 1 — 讀取 <WORK>/evidence/<QID>.md(候選來源的摘要,帶有穩定的 S-ID)。

  步驟 2 — 後續研究:最多 4 次搜尋呼叫。總共擷取至少 2 個、最多 4 個頁面:
    python3 ${HERMES_SKILL_DIR}/scripts/research.py search --work <WORK> --subq <QID> --query "your query"
    (每次呼叫最多重複 --query 3 次)
    python3 ${HERMES_SKILL_DIR}/scripts/research.py fetch --work <WORK> --id S12 --max-chars 20000
  重新擷取頁面是免費的:擷取的文字會快取在 `<WORK>/pages/<S#>.md` 中。
  對於每個價格、截止日期、資格規則或其他對決策至關重要的數字,請對其來源執行 fetch,並在完整文字中確認該值。使用擷取的完整文字,而不是證據摘錄。如果能夠回答問題的官方頁面 URL 已經出現在證據中,請擷取它,而不是再次搜尋。後續搜尋是並發安全的;請使用它們印出的新 S-ID。

  步驟 3 — 回答子問題。僅使用證據檔案中或您擷取的頁面中存在的事實。引用這些輸出中出現的 S-ID。如果來源衝突,請記錄衝突,而不是默默地選擇一邊。如果證據遺失,請在 gaps 中說明。
  對於每個日期,請根據今天的日期設定 date_status:"open"、"past" 或 "unknown"。切勿將過去的截止日期呈現為可行的;如果來源顯示了下一個週期,請提供它。
  專有名詞:只有在人名/團體/實驗室/計畫/獎學金/產品確實出現在證據檔案或擷取的頁面中時,才包含它。否則省略它,或將其放在 gaps 中。

  步驟 4 — 使用檔案寫入工具將有效的 JSON 寫入 <WORK>/findings/<QID>.json:
  {"id": "<QID>",
   "question": "<QUESTION>",
   "answer_summary": "3-6 個句子回答子問題,每個陳述後需附上其 S-id 引用",
   "findings": [{"claim": "一個可驗證的事實,帶有數字/日期/名稱", "source_ids": ["S3"],
                 "confidence": "high", "verified": true, "date_status": "open"}],
   "contradictions": ["來源 A 說 X [S4] 而來源 B 說 Y [S9]"],
   "gaps": ["無法確立什麼及原因"]}

  JSON 的規則:3-8 個發現;source_ids 僅為 S-id,絕不是 URL;confidence 必須是 "high"、"medium" 或 "low";只有當主張在擷取的完整文字中得到確認時,verified 才為 true,否則為 false;date_status 在日期主張上是必需的,並且必須是 "open"、"past" 或 "unknown"(對於非日期主張則省略);contradictions 和 gaps 是陣列(可能為空)。使用以下命令驗證它:
    python3 -m json.tool <WORK>/findings/<QID>.json > /dev/null && echo ok
  然後僅回覆該 JSON 物件,不含其他文字。

output_schema: {
  "type": "object",
  "required": ["id", "question", "answer_summary", "findings", "contradictions", "gaps"],
  "properties": {
    "id": {"type": "string"},
    "question": {"type": "string"},
    "answer_summary": {"type": "string"},
    "findings": {"type": "array", "items": {"type": "object",
      "required": ["claim", "source_ids", "confidence", "verified"],
      "properties": {"claim": {"type": "string"},
                     "source_ids": {"type": "array", "items": {"type": "string"}},
                     "confidence": {"type": "string", "enum": ["high", "medium", "low"]},
                     "verified": {"type": "boolean"},
                     "date_status": {"type": "string", "enum": ["open", "past", "unknown"]}}}},
    "contradictions": {"type": "array", "items": {"type": "string"}},
    "gaps": {"type": "array", "items": {"type": "string"}}
  }
}

呼叫後:如果結果已經包含研究員的結果,請立即繼續執行 status。否則,告訴使用者 N 位研究員正在執行。 然後結束您的回合;結果會作為新訊息送達。不要輪詢、不要休眠、不要在等待時自己完成工作。

當結果送達時(或當您恢復時):

  1. python3 ${HERMES_SKILL_DIR}/scripts/research.py status --work <WORK>(它會印出 post_actions;重新讀取 plan.json 以便它們在喚醒後仍然存在)。
  2. 每個在 findings: 下列為遺失的子問題 → 自行研究它,一次一個:讀取其證據檔案,選擇性執行最多 4 次臨時搜尋並擷取至少 2 個、最多 4 個頁面,然後使用寫入工具以相同格式寫入 <WORK>/findings/<qid>.json。
  3. 如果 delegate_task 不可用或發生錯誤:自行順序完成所有子問題,使用相同格式、相同檔案。

步驟 5 — 綜合整理

  1. 讀取每個 <WORK>/findings/*.json。當發現需要更多細節時,讀取 <WORK>/evidence/<qid>.md。不要讀取所有的 sources.json。

…

[為便於翻譯,此處截斷]

相關技能