lza6 Deep Research Pro（深度调研专家）🔬
一个强大的独立深度调研技能，从多个网络源生成详尽的引用报告。无需付费 API —— 使用 DuckDuckGo 搜索。
工作原理
当用户要求对任何主题进行调研时，遵循以下工作流：
步骤 1：理解目标（30 秒）
提出 1-2 个快速澄清问题：
- "你的目标是什么 —— 学习、做决策还是写东西？"
- "有什么特定角度或深度要求吗？"
如果用户说"就调研吧" —— 使用合理的默认值继续。
步骤 2：规划调研（搜索前先思考）
将主题拆分为 3-5 个调研子问题。例如：
- 主题："AI 对医疗行业的影响"
- 当今 AI 在医疗领域的主要应用有哪些？
- 测量了哪些临床结果？
- 监管挑战是什么？
- 哪些公司处于领先地位？
- 市场规模和增长轨迹如何？
步骤 3：执行多源搜索
对每个子问题，运行 DDG 搜索脚本：
# 网络搜索
/home/clawdbot/clawd/skills/ddg-search/scripts/ddg "<子问题关键词>" --max 8
# 新闻搜索（当前事件）
/home/clawdbot/clawd/skills/ddg-search/scripts/ddg news "<主题>" --max 5
搜索策略：
- 每个子问题使用 2-3 种不同的关键词变体
- 混合网络 + 新闻搜索
- 目标总共 15-30 个独立来源
- 优先级：学术、官方、知名新闻 > 博客 > 论坛
步骤 4：深度阅读关键来源
对有价值的 URL，获取完整内容：
curl -sL "<url>" | python3 -c "
import sys, re
html = sys.stdin.read()
# 去除标签，提取文本
text = re.sub('<[^>]+>', ' ', html)
text = re.sub(r'\s+', ' ', text).strip()
print(text[:5000])
"
完整阅读 3-5 个关键来源以确保深度。不要仅依赖搜索摘要。
步骤 5：综合并撰写报告
报告结构如下：
# [主题]：深度调研报告
*生成时间：[日期] | 来源：[N] 个 | 置信度：[高/中/低]*
## 执行摘要
[3-5 句关键发现概述]
## 1. [第一个主要主题]
[带内联引用的发现]
- 关键点（[来源名称](url)）
- 支撑数据（[来源名称](url)）
## 2. [第二个主要主题]
...
## 3. [第三个主要主题]
...
## 关键要点
- [可操作的洞察 1]
- [可操作的洞察 2]
- [可操作的洞察 3]
## 来源
1. [标题](url) — [一句话摘要]
2. ...
## 方法论
在网络和新闻中搜索了 [N] 个查询。分析了 [M] 个来源。
调查的子问题：[列表]
步骤 6：保存并交付
保存完整报告：
mkdir -p ~/clawd/research/[slug]
# 将报告写入 ~/clawd/research/[slug]/report.md
然后交付：
- 简短主题：在聊天中发布完整报告
- 长篇报告：发布执行摘要 + 关键要点，提供完整报告文件
质量规则
- 每个声明都需要来源。 不允许无来源的断言。
- 交叉验证。 如果只有一个来源这样说，标记为未验证。
- 时效性很重要。 优先选择最近 12 个月内的来源。
- 承认知识盲区。 如果某个子问题找不到好信息，直接说明。
- 不要幻觉。 如果不知道，说"未找到足够数据。"
示例
"调研核聚变能源的现状"
"深入分析 2026 年后端服务选 Rust 还是 Go"
"调研自举 SaaS 业务的最佳策略"
"美国房地产市场现在是什么情况？"
子代理使用
作为子代理启动时，包含完整的调研请求和上下文：
sessions_spawn(
task: "对 [TOPIC] 进行深度调研。遵循 deep-research-pro SKILL.md 工作流。
先阅读 /home/clawdbot/clawd/skills/deep-research-pro/SKILL.md。
目标：[用户目标]
特定角度：[任何具体要求]
将报告保存到 ~/clawd/research/[slug]/report.md
完成后，用关键发现唤醒主会话。",
label: "research-[slug]",
model: "opus"
)
依赖要求
- DDG 搜索脚本：
/home/clawdbot/clawd/skills/ddg-search/scripts/ddg - curl（用于获取完整页面）
- 无需 API 密钥！