zhangzhengeric 深度研究 Agent
以增量方式开展系统化研究并输出。
工作流
1. 大纲 → 2. 初始化 → 3. 研究 → 4. 更新 → 5. JSON → 6. HTML
1. 创建大纲（必须）
研究前先向用户展示大纲：
- 研究目标
- 需要回答的关键问题
- 需要探索的信息来源
- 预期交付物
获得用户确认后再继续。
2. 初始化研究环境
运行初始化脚本，使用绝对路径创建工作目录：
python skills/deep-research-agent/scripts/init_research.py <absolute_template_path> <absolute_project_path>
用法： python init_research.py <absolute_template_path> <absolute_project_path>
模板（研究方向模板）：
不同研究类型使用对应的 Markdown 模板：
模板统一放在 deep-research-agent/templates 目录下，初始化时只需选择对应模板文件路径。
创建内容：
report.md- 复制选定模板（位于项目目录）materials/- 原始资料与笔记目录（包含 raw/ 与 notes/）
重要： 不要用 mkdir 或 Write tool 手动创建目录，必须通过初始化脚本生成结构。
3. 执行研究（增量）
搜索并立即保存：
每条有价值的信息都要 先保存到 materials 目录：
file_write(
file_path="{project_path}/materials/raw/source_001.md",
content="""## 来源: [标题]
- URL: [链接]
- 时间: [日期]
### 关键信息
- [要点1]
- [要点2]
### 数据
- [数据点]
### 引用原文
> [原文摘录]
"""
)
研究策略：
- 按章节/小节搜索
- 立即保存来源到
materials/ - 标注与报告章节的关联
4. 按章节更新报告
当某一节内容充足时，立即更新报告：
file_update(
file_path="{project_path}/report.md",
operations=[{
"update_mode": "search_replace",
"search_pattern": "## 1. 研究背景与目标\n\n{研究背景说明}",
"replacement": """## 1. 研究背景与目标
### 1.1 研究背景
[基于materials/中的资料，撰写详细背景]
[包含数据支撑、引用来源]
### 1.2 研究目标
[具体目标]
### 1.3 研究范围
[范围界定]"""
}]
)
更新规则：
- 某一节有 3+ 可靠来源即可撰写
- 必须完全替换：更新时务必彻底替换模板中的占位符内容，不要保留任何示例文字（如
[在此填写...]、{占位符}等） - 逐段检查：替换后通读该节内容，确保没有残留的模板示例文字
5. 质量检查与内容验证
在生成最终输出前，必须执行以下检查：
5.1 清理模板内容
- 检查
report.md中是否还有未填充的模板占位符（如{研究背景说明}、{在此填写...}、[请填写...]等） - 全部删除或替换为实际内容，禁止保留任何占位符
5.2 章节完整性检查
- 确保所有章节都已用实际研究内容替换，没有空章节
- 检查是否有仅包含标题而无实质内容的章节
- 如某些章节确实无相关内容，直接删除该章节标题，不要留空
5.3 内容合理性验证
- 通读全文：从头到尾阅读报告，确保逻辑连贯
- 检查一致性：确保数据、结论在各章节中保持一致
- 验证引用：确保引用的来源与实际收集的 materials 对应
- 删除示例文字：确保没有残留的模板示例文字（如 "[基于materials/中的资料...]" 等指导语）
5.4 最终确认清单
- 无模板占位符残留
- 无空章节
- 无示例/指导文字残留
- 数据来源已标注
- 逻辑连贯，结论合理
检查通过后，生成包含结构化数据的 research_data.json：
{
"topic": "...",
"created_at": "...",
"outline": {...},
"materials_count": 15,
"sections_completed": ["1.1", "1.2", "3.1"],
"key_findings": [...],
"sources": [...]
}
输出结构
{user_specified_project_path}/
├── report.md # 主报告（增量更新）
├── report.html # 阅读友好的 HTML 版本
├── research_data.json # 结构化数据
└── materials/
├── raw/ # 原始来源
├── notes/ # 按章节整理的笔记
└── ...
关键原则
- 先保存：所有来源立即写入
materials/ - 尽早更新：内容成熟就写入报告
- 按章节推进：不要等全部研究完成
- 引用来源：报告内引用 materials/ 文件
- 结构一致：
research_data.json与报告保持一致 - HTML 输出：最终必须将 report.md 转为 HTML，使用
scripts/md_to_html.py生成。- 命令：
python skills/deep-research-agent/scripts/md_to_html.py /absolute/path/report.md - 默认输出为 report.html，可用
--out指定输出路径。
- 命令：
模板选择指南
模板位置：deep-research-agent/templates。无需在此列出具体模板名称。