Practice019 深度研究 Skill
三段式：理解需求 → 迭代探索 → 整合报告。
通过 Playwright MCP 控制多个 AI 服务进行并行研究。各服务交互细节见 reference 文件。
前置条件
- Playwright MCP 需以持久化浏览器模式运行（
--user-data-dir），这样各 AI 服务的登录态才会保留 - 用户需要预先在 Playwright 浏览器中登录要使用的 AI 服务（Gemini、ChatGPT、Claude、Grok）——不需要全部登录，登录了哪些就用哪些
- 本 skill 的选择器基于中文 UI 环境；英文 UI 下按钮名和 placeholder 会不同，需用
browser_snapshot实时探测
可用的 AI 服务与模式
| 服务 | 模式 | 耗时 | 特点 |
|---|---|---|---|
| Gemini Pro | 快速 | 10-60s | 快速问答、事实查证（有搜索能力） |
| Gemini Deep Research | 深度 | 5-10min | 多源综合、广度覆盖 |
| ChatGPT Thinking | 快速 | 10-120s | 深度推理、结构化分析 |
| ChatGPT Deep Research | 深度 | 5-30min | 多源综合、广度覆盖 |
| Claude Opus Extended | 快速 | 10-120s | 深度推理、方案设计 |
| Grok 快速/专家 | 快速 | 10-60s | X/Twitter 内容搜索、时效性讨论和趋势 |
| Grok DeepSearch | 深度 | 数分钟 | 深度搜索、社交媒体观点汇集 |
这些是工具箱，不是流水线。 根据研究需要灵活选用和组合。
交互参考：
- references/gemini.md — Gemini 操作、选择器、提取
- references/chatgpt.md — ChatGPT 操作（最脆弱的服务，注意防御）
- references/claude-web.md — Claude 操作、选择器、提取
- references/grok.md — Grok 操作（X/Twitter 内容搜索的独特入口）
- references/extraction.md — 通用提取技术（分块、引用链接、保存）
- references/prompt-guide.md — 研究 prompt 构造建议
Part 1: 理解需求
目标：搞清楚用户要什么，然后开始。
先判断：用户的需求清楚吗？
收到用户 query 后，先判断你是否能理解研究的对象、范围、目的：
- 清楚 → 直接向用户确认你的理解（如需微调范围），然后开始
- 大致清楚但有细节模糊 → 先 WebSearch 搜 2-3 次补充认知，再和用户确认
- 不清楚 → 先 WebSearch 建立领域认知，再带着具体问题向用户澄清
澄清不是走流程——如果用户的意图一目了然，直接干活比问一堆问题有用。
构造查询
为选定的 AI 模式各准备一条查询。不同 AI 给不同角度比给同一个 prompt 更有效。见 prompt-guide.md。
创建研究目录
在合适位置创建研究目录（如 research-主题/），创建 todo.md 记录状态。
Part 2: 迭代探索
目标：多路并发搜索，逐步深入，直到信息充分。
深度由进展决定
不要预设研究深度，让研究过程自己说话：
- 起步：先用快速模式铺开（Gemini Pro、ChatGPT Thinking、Claude Opus、Grok 专家），快速建立基线认知
- 发现复杂度：如果快速模式的结果显示话题确实多维、有矛盾、需要更多来源 → 追加 Deep Research / DeepSearch
- 收敛：如果快速模式已经给出了一致的、充分的答案 → 不需要开 DR，直接整合
简单问题不要大炮打蚊子。复杂问题不要浅尝辄止。让信息本身告诉你该挖多深。
派发
每个 AI 服务的具体操作步骤见各自 reference 文件。通用流程：
- 新开 Tab → 导航到服务 → 检查登录
- 选择模式 → 输入查询
- 记录到 todo.md（Tab 编号 + 查询内容）
- 发完一个立刻切下一个，不等结果
登录处理：这些服务使用的是用户的账号。如果发现某个服务未登录，立即暂停并告知用户，让用户选择：
- 去 Playwright 浏览器中登录该服务，然后继续
- 跳过该服务，用其他已登录的服务继续
不要自动跳过——用户可能想登录。
轮询与提取
先到先提取，不等所有流完成。
- 快速模式：~30s 后开始检查
- DR/DeepSearch 模式：~90s 后开始检查
- 用 screenshot 判断是否完成（比 snapshot 可靠）——各服务完成标志见 reference
提取技术见 extraction.md。每份结果保存为独立 md（01-gemini-pro.md、02-chatgpt-thinking.md...）。
定向深入
每提取一份结果，立即评估：
- 发现了哪些子问题？
- 哪些维度数据不够或有矛盾？
- 有没有意外发现值得追查？
如果有 → 追加查询。选择最合适的工具：
- 快速模式 — 定向查证具体子问题（秒级）
- WebSearch/WebFetch — 交叉验证事实（比开新 AI Tab 更快）
- DR/DeepSearch — 仅用于发现的子问题确实需要广度覆盖时
- Grok — 特别适合查看某话题在 X/Twitter 上的讨论和观点
Tab 管理
- 控制在 ≤8 个活跃 Tab，多了浏览器会不稳定
- 提取完的 Tab 可以保留（可能需要追问），但不要无限堆积
- 浏览器断连时：
browser_close→pkill -f "mcp-chrome"→sleep 2→ 重新 navigate
何时停止
- 核心问题有了交叉验证的答案
- 新搜索不再产出实质性新信息
- 用户要求的范围已充分覆盖
Part 3: 整合报告
目标：按主题维度重组内容，交叉验证，输出一份深度报告。
原则
- 按主题组织，不按来源罗列（不要 "Gemini 说... ChatGPT 说..."）
- 标注来源（
[Gemini DR]、[Grok]、[ChatGPT Thinking]等），让读者知道可信度 - 共识（多路一致）和分歧（各执一词）都要标注
- 保留引用 URL — 原始网络来源链接是高价值信息，必须传递到最终报告
- 分歧不强行裁决 — 保留并标注，让用户判断
- 信息权重：DR 通常更全面，快速模式更聚焦，WebSearch 最即时，Grok 的 X/Twitter 链接是独家信息
引用体系
报告有两层引用，都要做好：
1. 网络来源引用（报告 → 原始网页）
正文中关键事实、数据、观点旁标注原始网络来源。格式灵活——脚注、行内链接、段落末尾引用块都行，根据报告风格选择最可读的方式。核心原则：读者看到一个关键论断，能直接找到原始网页验证。
各 AI 的引用链接已在原始结果文件的 ## 参考链接 章节。整合时从那里挑选最相关的链接嵌入报告正文。不需要全部搬过来——只保留支撑关键论点的。
2. AI 来源标注（报告 → 哪个 AI 说的）
用行内标签 [Gemini DR]、[Grok]、[ChatGPT Thinking] 等标注信息来自哪个 AI 模式。这帮助读者判断可信度（DR 多源交叉 vs 快速模式单次推理）。多路一致的可以标 [多路共识]。
3. 原始结果索引（报告 → 原始文件）
报告末尾附 ## 原始结果索引，列出所有原始结果文件和对应的查询内容：
## 原始结果索引
| 文件 | 服务 | 模式 | 查询摘要 |
|------|------|------|----------|
| 01-gemini-pro.md | Gemini | Pro | ... |
| 02-chatgpt-dr.md | ChatGPT | Deep Research | ... |
这让读者能回溯到完整的原始结果（含全部参考链接）。
流程
- 写初稿 — 基于已有结果先写能写的，同步嵌入引用链接
- 标记缺口 — 哪些数据不够？哪些只有单一来源？
- 缺口重大 → 回到 Part 2 补充
- 逐步更新 — 新信息到手就更新报告
- 最终审校 — 检查引用完整性（关键论断有没有来源支撑？）→ 交付用户
报告保存为 00-final-report.md。
todo.md 持久化
研究可能跨会话。todo.md 是恢复点。
# 研究：[主题]
## 状态：[进行中/已完成]
## 搜索流
| # | 服务 | 模式 | Tab | 查询摘要 | 状态 |
|---|------|------|-----|----------|------|
| 01 | Gemini | Pro | 2 | ... | 已提取 |
| 02 | ChatGPT | DR | 3 | ... | 等待中 |
| 03 | Grok | 专家 | 4 | ... | 进行中 |
## 发现的子问题
- [ ] ...
## 整合进度
- [ ] 初稿
- [ ] 缺口填补
- [ ] 最终审校
跨会话恢复：读 todo.md → browser_tabs list 检查现有 Tab → 对照恢复。
错误处理
| 情况 | 建议 |
|---|---|
| 未登录 | 暂停，告知用户——让用户选择登录还是跳过该服务 |
| 浏览器断连 | browser_close → pkill -f "mcp-chrome" → sleep 2 → 重新 navigate |
| Cloudflare 拦截 | 重试 1-2 次 navigate，通常第二次就通过 |
| 单 Tab 超时（>40min） | 标记超时，继续其他流 |
| 提取返回空 | 见 extraction.md 的降级策略 |
| snapshot 返回空 | 等 2-3 秒重试，ChatGPT/Grok 有时会进入瞬时空状态 |
| DR 未启动 | ChatGPT DR 可能先回澄清问题，检测后回复让它直接开始 |
| DR/DeepSearch 配额用尽 | 跳过，改用快速模式或 WebSearch 补充 |
部分失败不影响产出：≥2 路成功仍出报告（注明来源范围）。
DSH 运行环境适配（本副本补充）
上游用 Playwright MCP 驱动浏览器；DSH 环境按下表替换，流程与产出格式不变：
| 上游写法 | DSH 对应 |
|---|---|
mcp__playwright__browser_navigate / click / type / snapshot / evaluate 等 |
走 browser-harness 技能（CDP 直连 Chrome），按该技能手册执行导航、点击、取快照、跑 JS |
browser_tabs list（检查现有 Tab） |
browser-harness 的标签页操作 |
mcp__playwright__browser_close |
browser-harness 关闭页/断开连接 |
pkill -f "mcp-chrome" |
pwsh：Get-Process chrome -ErrorAction SilentlyContinue | Stop-Process（只杀本项目用户数据目录起的实例时，先核对命令行） |
WebSearch / WebFetch |
web_search / web_fetch（补充用；多 AI 服务并行仍是主线） |
Bash 系列（mkdir/ls/mv/cp/sleep/date） |
pwsh（Windows：New-Item / Get-ChildItem / Move-Item / Copy-Item / Start-Sleep / Get-Date） |
注意：本机未安装 Playwright MCP，也没有对应的浏览器工具名；上面这些名字若直接当工具调用会失败。先确认 browser-harness 技能可用，再按它的手册开研究流程。若浏览器通道不可用，降级为 web_search + web_fetch 的多角度检索，并在报告里如实标注「未走多 AI 服务并行」。