# 通用 深度研究 初步研究

> 对小说写作相关话题进行初步调研，生成调研outline。用于题材趋势、平台生态、专业知识、场景环境、人物原型、写作技法、读者市场等研究域的深度调研。

- Skill: `lornshrimp/skill-244` (Agent Skill, multi-file: 2 files)
- Install (CLI): `npx skillmds@latest add lornshrimp/skill-244`
- Raw SKILL.md: https://api.skillmd.com/api/skills/lornshrimp/skill-244/raw
- Safety review: pending
- Works with: Claude Code, Claude.ai, OpenAI Codex
- Category: Research & Search
- Author: lornshrimp (https://skillmd.com/u/lornshrimp)
- Updated: 2026-09-17
- Page: https://skillmd.com/skills/lornshrimp/skill-244

---


<!-- ===== Layer 1: 永久缓存 ===== -->


# 通用-深度研究-初步研究

## 触发方式
`/research <topic>`

触发后应首先加载主 `SKILL.md` 中的"小说写作七大研究域"分类体系，据此确定当前课题的主研究域。

## 执行流程

### Step 0: 确定研究域
基于用户输入的话题，从主 `SKILL.md` 的七大研究域中确认本次的主研究域：
- 题材趋势研究
- 平台生态研究
- 专业知识研究
- 场景/环境研究
- 人物原型研究
- 写作技法研究
- 读者/市场研究

一个课题可能跨多个研究域；若跨域，标记主域和辅助域。

### Step 1: 模型内部知识生成初步框架
基于 topic 和研究域，利用模型已有知识生成：
- 该领域的核心调研对象 / items 列表
- 建议的调研字段框架（每个字段指明 name、description、detail_level）

输出 `{step1_output}`，使用 AskUserQuestion 确认：
- items 列表是否需要增减？（明确哪些是核心必查项，哪些是可选项）
- 字段框架是否满足创作需求？（是否有遗漏的关键信息维度？）

### Step 2: Web Search 补充
使用 AskUserQuestion 询问时间范围（如：最近 6 个月、2024 年至今、不限）。

**参数获取**：
- `{topic}`: 用户输入的调研话题
- `{YYYY-MM-DD}`: 当前日期
- `{step1_output}`: Step 1 生成的完整输出内容
- `{time_range}`: 用户指定的时间范围
- `{research_domain}`: 确认的研究域

**硬约束**：以下 prompt 必须严格复述，仅替换 `{xxx}` 中的变量，禁止改写结构或措辞。

启动 1 个 web-search-agent（后台），**Prompt 模板**：
```python
prompt = f"""## 任务
小说写作研究课题: {topic}
研究域: {research_domain}
当前日期: {YYYY-MM-DD}

基于以下初步框架，从小说创作者视角补充最新 items 和推荐调研字段。

## 已有框架
{step1_output}

## 目标
作为小说创作者的深度研究助手，请：
1. 验证已有 items 是否遗漏了对创作者有实际价值的重要对象
2. 根据遗漏对象进行补充 items
3. 继续搜索 {topic} 相关且 {time_range} 内的 items 并补充
4. 补充对小说创作者真正有用的新 fields——优先补充那些"能让作者直接写进正文/设定/大纲"的信息维度

## 输出要求
直接返回结构化结果（不写文件）：

### 补充Items
- item_name: 简要说明（为什么这个对象对小说创作者有价值）
...

### 推荐补充字段
- field_name: 字段描述（这个维度能帮作者写出什么具体内容）
...

### 信息来源
- [来源1](url1)
- [来源2](url2)
"""
```

**One-shot 示例**（假设调研起点中文网都市悬疑题材趋势）：
```
## 任务
小说写作研究课题: 起点中文网都市悬疑题材 2025-2026 趋势
研究域: 题材趋势研究
当前日期: 2026-05-31

基于以下初步框架，从小说创作者视角补充最新 items 和推荐调研字段。

## 已有框架
### Items列表
1. 都市悬疑细分赛道分布: 刑侦、心理悬疑、社会派、怪谈灵异等子类型占比
2. 头部作品特征: 均订、收藏、月票等数据的代理信号分析
3. 读者偏好迁移: 2025-2026 热门元素与新出现的读者口味变化
...

### 字段框架
- 市场数据: 赛道占比、增长趋势、头部作品关键指标
- 内容特征: 热门设定模式、人物类型偏好、节奏特征
- 读者反馈: 高频好评元素、常见弃书原因、争议话题
...

## 目标
作为小说创作者的深度研究助手，请：
1. 验证已有 items 是否遗漏了对创作者有实际价值的重要对象
2. 根据遗漏对象进行补充 items
3. 继续搜索 起点中文网都市悬疑题材 2025-2026 趋势 相关且 2024年至今 内的 items 并补充
4. 补充对小说创作者真正有用的新 fields

## 输出要求
直接返回结构化结果（不写文件）：

### 补充Items
- item_name: 简要说明（为什么这个对象对小说创作者有价值）
...

### 推荐补充字段
- field_name: 字段描述（这个维度能帮作者写出什么具体内容）
...

### 信息来源
- [来源1](url1)
- [来源2](url2)
```

### Step 3: 询问用户已有字段
使用 AskUserQuestion 询问用户：
- 是否有已定义的研究字段文件？如有则读取并合并。
- 是否有当前项目的总纲、设定、人物传记等相关文件需要纳入参考？（这些文件中的信息缺口可能指示研究重点）

### Step 4: 检查既有研究报告
在当前项目目录或题材目录的 `写作研究/` 下检查是否已存在与本次课题相关的研究报告。若存在：
- 读取并提取已有结论作为参考
- 避免重复研究同一课题
- 若本轮课题是已有报告的深化或更新，在 outline 中标注
- 若本轮课题与已有报告高度重合且无新价值，建议调整研究角度

### Step 5: 生成 Outline（分离文件）
合并 `{step1_output}`、`{step2_output}`、用户已有字段和既有研究报告，生成两个文件：

**outline.yaml**（items + 配置）：
- topic: 调研主题（含研究域标注）
- research_domain: 主研究域 + 辅助域
- items: 调研对象列表（每个 item 含 name、category、description、创作价值说明）
- execution:
  - batch_size: 并行 agent 数量（需 AskUserQuestion 确认，默认 3）
  - items_per_agent: 每个 agent 调研项目数（需 AskUserQuestion 确认，默认 2）
  - output_dir: 结果输出目录（默认 `./results`）

**fields.yaml**（字段定义）：
- 字段分类和定义——分类名使用小说写作研究专用体系：

| 分类 | 适用研究域 |
|------|----------|
| 市场数据 | 题材趋势、平台生态、读者市场 |
| 内容特征 | 题材趋势、写作技法 |
| 读者反馈 | 题材趋势、平台生态、读者市场 |
| 专业知识 | 专业知识研究、场景环境研究 |
| 人物特征 | 人物原型研究 |
| 场景细节 | 场景环境研究 |
| 技法要素 | 写作技法研究 |
| 创作可迁移 | 全研究域通用——"这个研究发现能怎样用在你的小说里" |

- 每个字段的 name、description、detail_level
- detail_level 分层：极简 → 简要 → 详细
- uncertain: 不确定字段列表（保留字段，deep 阶段自动填充）
- **创作可迁移字段为必填**：每个 item 必须输出 `创作可用抓手` 字段，说明该研究发现能如何用于小说创作

### Step 6: 输出并确认

#### 6.1 创建目录与保存文件
- 创建目录: `./{topic_slug}/`
- 保存: `outline.yaml` 和 `fields.yaml`

#### 6.2 调研大纲确认（检查点1）
展示以下摘要，**必须获得用户确认后才能进入 /research-deep**：

```markdown
## 调研大纲摘要
- **研究课题**: [topic]
- **主研究域**: [domain]
- **辅助研究域**: [sub-domains，如有]
- **调研条目**: [N] 项
- **调研字段**: [M] 个（含 [K] 个创作可迁移字段）
- **并行配置**: [batch_size] agent × [items_per_agent] 项/agent
- **信息缺口预判**: [初步判断哪些维度信息可能稀缺——来自 nuwa-skill 的诚实前置原则]
```

#### 6.3 后续命令提示
- 若需追加条目或字段，可使用 `/research-add-items` 或 `/research-add-fields`
- 确认后执行 `/research-deep` 开始深度调研

## 输出路径
```
{当前工作目录}/{topic_slug}/
  ├── outline.yaml    # items列表 + execution配置 + 研究域标注
  └── fields.yaml     # 字段定义（含创作可迁移字段）
```

## 后续命令
- `/research-add-items` - 补充调研条目
- `/research-add-fields` - 补充调研字段
- `/research-deep` - 开始深度调研