Deep Research

深度研究（双图版 / DualGraph）

把研究过程变成双图协同的知识构建：提纲图（Outline Graph，OG）负责"要写什么"，知识图（Knowledge Graph，KG）负责"已知道什么"；两者之间的缺口驱动每一轮搜索。先积累结构化知识，再以证据约束写作。

默认按以下顺序工作：

• 先从研究问题生成 OG（4-7 章节的骨架）
• 再循环：缺口检测 → 精准搜索 → 抓取全文 → 提炼摘要+三元组 → 更新 OG 引用 + KG 节点
• 直到各章节平均覆盖度 ≥ 0.65 或达到 15 轮上限
• 最后按 OG 拓扑顺序逐章写作，每章精准注入对应证据

依赖与分流

• 当前环境有 search 和 url_fetch 时，优先用它们完成检索与正文抓取。
• 需要处理动态网页、JavaScript 页面、搜索摘要不足或必须核对原网页最新内容时，先阅读 skills/browser/SKILL.md，再使用 browser。
• 先阅读 references/deliverable-routing.md，判断最终交付属于聊天内结论、HTML，还是需要切换到 docx / pptx / pdf / xlsx / wps 等现有 skill。
• 知识缺口的检测规则详见 references/gap-detection.md。
• 来源优先级和场景化检索策略详见 references/source-priority.md。

双图数据结构与沉淀物

正式任务默认沉淀以下研究中间件：

• og.md：提纲图——章节列表、各章节描述、引用 ID 列表、覆盖度分数
• kg.md：知识图——实体节点与实体关系三元组
• evidence-bank.md：证据库——所有已抓取的页面摘要与三元组（按 ID 索引）

按最终交付路径，再补充以下文件：

• HTML：按任务语义命名的 xxx.html 或 report.html
• 通用 Word / PPT / PDF / 表格：研究完成后切换到对应 skill

开始正式研究任务时，优先读取并复用以下模板：

• assets/og-template.md
• assets/kg-template.md
• assets/evidence-bank-template.md

小任务或用户只要聊天内结论时，可以不落盘，但仍要遵守同样的证据标准。

覆盖度计算规则

章节覆盖度（coverage_score）使用指数衰减公式：

coverage_score = 1 - 0.7^n

其中 n 为该章节绑定的引用数（evidence_id 条数）：

终止条件：所有叶节点的平均 coverage_score ≥ 0.65，且已完成至少 3 轮迭代。

每轮更新覆盖度时，重新计算每个章节节点的 coverage_score 并写入 og.md。

工作流

第 0 步：交付路径分流

进入本技能后，先阅读 references/deliverable-routing.md，再判断最终交付属于哪一类：

• 聊天内结论 / 无文件路径：用户只要研究结论、对比、建议时，直接在聊天内交付，不强制生成文件。
• HTML 路径：只有当用户明确要求网页阅读稿、HTML 最终稿或浏览器预览稿时，才继续留在本技能内生成 HTML。
• 外部包装 skill 路径：如果最终交付是普通 Word 报告、PPT、PDF、表格或 金山云文档，先在本技能中完成研究与内容整理，再切换到对应 skill 做最终包装。

第 1 步：界定研究任务

如果用户目标还不清楚，最多补 3 个关键问题，优先问：

• 最终要解决什么问题
• 输出更偏"决策报告"还是"专题分析"
• 是否限定时间、地区、行业、对象、语言或来源类型

如果用户已经讲清楚，就直接进入下一步，不要为了提问而提问。

第 2 步：初始化双图

2a. 生成初始提纲

根据研究问题，生成包含 4-7 个章节 的结构化提纲，每个章节需包含：

• 标题（清晰简短）
• 描述（本章节应覆盖的具体内容和关键点）

章节应覆盖研究问题的核心方面，典型结构为：背景与现状 → 核心机制/方法 → 实验/评估/数据 → 挑战与局限 → 未来展望。根据具体任务调整。

2b. 写入初始文件

用 file(brief=..., action=write, path=og.md, content=...) 创建提纲图，参照 assets/og-template.md 格式。每个章节初始覆盖度为 0.00，引用列表为空。

用 file(brief=..., action=write, path=kg.md, content=...) 创建空的知识图。

用 file(brief=..., action=write, path=evidence-bank.md, content=...) 创建空的证据库。

第 3 步：迭代探索循环（最多 15 轮）

每轮包含以下子步骤，全部完成后再计算终止条件：

3a. 检测知识缺口

先阅读 references/gap-detection.md 了解完整缺口类型。核心检测逻辑：

1. 弱覆盖章节（WEAK_SECTION） ← 最高优先级

   • 读取 og.md，找出 coverage_score < 0.65 的叶节点
   • 覆盖度越低，优先级越高（priority = 1.0 - coverage_score）

2. 缺失实体（MISSING_ENTITY）

   • 对每个叶节点，提取标题和描述中的关键术语（引号内内容、连续大写词等）
   • 读取 kg.md，检查这些术语是否作为节点存在
   • 未出现在 KG 中的术语 → 生成 MISSING_ENTITY 缺口（priority=0.8）

3. 孤立实体（ISOLATED_ENTITY）

   • 读取 kg.md，找出没有任何关系边的实体节点
   • 这些节点表明知识存在"孤岛"（priority=0.7）

4. 稀疏区域（SPARSE_REGION）

   • 找出关系边数 < 2 的非孤立实体节点（priority=0.5）

5. 知识孤岛（KNOWLEDGE_ISLAND）

   • 若 KG 中存在明显互不连通的子图群组（priority=0.6）

将所有缺口按优先级排序，取前 4 个进入下一步。若无任何缺口，提前终止循环。

3b. 生成搜索查询

根据当前前 4 个知识缺口，结合研究问题和 KG 现有知识，生成 3-5 条精准搜索查询：

• 每条查询针对一个具体缺口
• 查询要具体，包含关键实体名或术语（专有名词、英文缩写、模型/方法名保留原文）
• 不同查询覆盖不同缺口，避免重复
• 中文查询时，最后 1 条提供英文变体

3c. 搜索与抓取

对每条查询依次执行：

3c-i. 搜索

使用 search 工具。类型选择：

• 学术论文、白皮书、政府/行业报告：type="research"
• 官网说明、产品文档、事实性资料：type="info"
• 近期动态、时效性事件、发布消息：type="news"
• 公开统计、数据源、榜单、数据库：type="data"

3c-ii. URL 过滤

对搜索结果中的 URL 进行过滤，跳过以下类型（详见本文档末尾的 URL 过滤规则）：

• PDF/PPT/DOC 等不可爬取文件
• YouTube、Twitter/X、Facebook、Instagram、TikTok、Reddit
• 中文字典/古诗词类网站（zdic、汉典等）
• 视频平台（B站视频页、优酷、爱奇艺等）
• 电商平台（淘宝、京东商品页等）

arxiv 链接统一转换为 HTML 格式（/pdf/ 或 /abs/ → /html/）。

每条查询最多取 3 个不重复 URL 进入下一步。已处理过的 URL 直接跳过。

3c-iii. 抓取全文

用 url_fetch 抓取每个 URL 的完整正文。

若 url_fetch 失败或内容明显不完整（< 200 字符）：

• 检查是否是 JavaScript 渲染页面
• 若是，切换到 browser 工具（先阅读 skills/browser/SKILL.md）

必须使用 browser 的场景：

• url_fetch 拿不到有效正文
• 页面强依赖 JavaScript
• 搜索结果与原网页发布时间、标题、数据不一致
• 需要翻页、查看隐藏内容

3c-iv. 提炼摘要 + 三元组

对每个成功抓取的页面内容：

1. 摘要：针对当前搜索查询，从页面提炼关键信息（200 字以内，保留数字、事实、关键术语）。若页面与查询完全无关，摘要写"无相关内容"并跳过该页面。

2. 三元组：从内容中抽取实体-关系-实体三元组（最多 15 条，只抽取明确表达的事实），格式为 (实体A, 关系动词, 实体B)。

3d. 更新双图与证据库

对每条有效证据（摘要不为"无相关内容"的）：

更新 evidence-bank.md：

• 分配唯一 ID（如 ev_001、ev_002）
• 记录 URL、标题、查询词、摘要、三元组
• 用 file(brief=..., action=append, ...) 追加到 evidence-bank.md

更新 kg.md：

• 将三元组中的实体加入 KG（节点去重，同名实体合并）
• 将关系边加入 KG（去重：相同 head-relation-tail 不重复）
• 用 file(brief=..., action=write, ...) 更新 kg.md

更新 og.md（引用绑定）：

1. 将证据摘要与各章节标题+描述对比，判断最匹配的章节
2. 匹配逻辑（按优先级）：
   • 摘要中出现章节标题的关键词（英文词交集 or 中文 3-gram 命中）
   • 若无明确匹配，找最相关的章节（语义最近）
3. 将证据 ID 加入匹配章节的引用列表（citations）
4. 重新计算该章节的 coverage_score = 1 - 0.7^n（n = 引用数）

自动扩展提纲（可选）：

• 若证据揭示一个明确重要但当前 OG 中完全没有覆盖的新话题，且 OG 总章节数 < 8：
  • 在最相关的章节下新增子章节（或新增顶级章节）
  • 将当前证据的 ID 绑定到新章节

更新完成后，用 file(brief=..., action=write, ...) 将最新 og.md 和 kg.md 写回。

3e. 终止判断

每轮迭代结束后检查：

1. 计算所有叶节点的平均 coverage_score
2. 若 平均 coverage_score ≥ 0.65 且已完成至少 3 轮：终止循环
3. 若 已达到 15 轮：强制终止
4. 若 本轮无知识缺口（3a 检测为空）：提前终止

满足任一条件即可终止，进入写作阶段。

第 4 步：关键判断定向核验

以下内容必须优先做二次核验：

• 精确数字、增长率、准确率、市场份额、效率提升
• "行业第一""主流""广泛采用"等带比较含义的表述
• 带时间敏感性的政策、产品版本、组织数量、融资或财务数据
• 明显会影响结论方向的争议点

若无法核验：删除该数字，或改写成保守的定性判断，明确标注"待验证"或"无法确认"。

第 5 步：分章节写作

按 OG 的 BFS（宽度优先）层序 逐章撰写：

1. 从 og.md 读取章节顺序（根节点 → 子节点，按层次展开）

2. 跳过虚拟根节点，只写有内容的章节

3. 对每个章节：

   a. 注入证据（精准上下文）：

   • 从 evidence-bank.md 中读取该章节 citations 列表对应的所有证据
   • 只使用这些证据写作，不引入其他章节的证据（避免跨章干扰）

   b. 维护 running_context（跨章连贯性）：

   • 每完成一章，提取该章的前 120 字作为摘要
   • 将摘要格式为 [章节标题]: 摘要内容... 追加到 running_context
   • running_context 保留最近 600 字，防止无限膨胀
   • 下一章写作时，将 running_context 作为上下文注入

   c. 写作要求：

   • 深入分析，不要泛泛而谈
   • 有条理地展开（可使用子标题、列表、表格等）
   • 与前文保持逻辑连贯，不重复已写内容
   • 正文引用时在句末或关键断点处标注编号，如 [1]、[2]；编号与 evidence-bank.md 中的编号保持一致
   • 若某章节引用为空，基于通用知识撰写，并注明"内容待补充"
   • 标题级别：一级章节用 ##，二级用 ###，以此类推

4. 所有章节写完后，整理 参考文献列表：

   • 从 evidence-bank.md 中提取正文中实际引用过的所有条目
   • 按引用顺序编号，格式为：[n] 作者/机构. 标题. 年份. URL
   • 若缺作者、年份，可留空，但 URL 和标题必须有
   • 格式由用户指定决定：默认使用编号引用；若用户指定 APA 或 GB/T 7714，则按对应格式统一整理
   • 将参考文献列表追加到报告末尾（## 参考文献 章节）

5. 拼接所有章节与参考文献列表，补充报告标题和研究问题说明，生成完整 Markdown 报告

第 6 步：按交付类型输出

聊天内结论：直接在对话中呈现完整报告内容。

落盘输出：

• 先写入 evidence-bank.md（最终版本）
• 再写入 og.md 和 kg.md（最终状态）
• 若 HTML 路径：先阅读 references/html-report.md，再生成 report.html
• 若其他格式：研究完成后切换到对应 skill

提交前必须阅读 references/final-gate.md，通过质量检查后再交付。

核心原则

1. 双图驱动，缺口导向：不是机械地搜索，而是让 OG-KG 缺口告诉你下一步搜什么。
2. 原始来源优先：优先官方文档、论文、标准、财报、监管披露、原始数据。
3. 证据精准注入：每个章节只用该章节的引用证据写作，不混入其他章节证据。
4. 覆盖度可量化：用 1 - 0.7^n 公式跟踪每章节的知识充盈程度。
5. 关键结论可回溯：正文里的每个重要判断都要能在 evidence-bank.md 里找到支撑。
6. 宁可少写，不要补空话：证据薄弱就缩短该节，不要用行业套话填篇幅。

URL 过滤规则

处理搜索结果时，跳过以下模式的 URL：

文件类型：.pdf、.ppt、.pptx、.doc、.docx、.xls、.xlsx

社交/短视频平台：youtube.com、youtu.be、twitter.com、x.com、facebook.com、instagram.com、tiktok.com、reddit.com/r/

中文字典/古诗词类：zdic.net/hans/、zdic.net/ci/、hanyuguoxue.com/zidian/、chagushici.com/zidian/、hanziyuan.net、hanyu.baidu.com/item/、hanyucidian.org

视频/直播平台：iqiyi.com、youku.com、mgtv.com、sohu.com/v/、v.qq.com、bilibili.com/video/

电商/购物平台：amazon.com、amazon.co.uk、jd.com/product/、taobao.com/item、tmall.com、pinduoduo.com

百度百科短词条：baike.baidu.com/item/X 中若词条名 X 为 1-2 个汉字则跳过

arXiv 格式转换：arxiv.org/pdf/XXXX 或 arxiv.org/abs/XXXX → 统一改为 arxiv.org/html/XXXX，去掉 .pdf 后缀

反空话约束

以下写法默认视为低质量，除非 evidence-bank.md 里有明确证据：

• "近年来得到了广泛关注和应用"
• "某头部机构 / 某业内公司内部测试显示"
• "显著提升效率""大幅降低成本""效果显著优于"
• "未来将全面普及""预计将达到"

对这类句子，优先改成以下三类表达：

• 事实句：谁在什么时候发布了什么、做了什么
• 比较句：不同来源在哪些口径上得出不同结论
• 限定句：这个判断只适用于什么场景、时间窗口或样本范围

写作规则

• 主体段落优先使用"观点句 → 证据 → 分析 → 过渡"的结构
• 不要把文献逐条罗列；要按主题、方法、结论或争议组织
• 任何精确数字都要能回溯到 evidence-bank.md 中的来源；如果缺出处，就删掉
• 不能把搜索摘要、营销文案或媒体转述当作最终证据
• 如果一个小节只有共识性常识，没有新的研究发现，就缩短或合并
• 如果用户研究的是行业落地，不要把主体篇幅浪费在通用技术原理介绍上
• 对关键来源说明其性质：原始研究、综述、官方说明、行业报告、媒体报道等
• 如果用户没有指定格式，默认使用可回查的编号引用；若指定 APA、GB/T 7714，再统一整理
• 章节有 citations 为空时，注明"本章节证据待补充"，不要编造数据

HTML 交付（仅显式要求时）

只有当用户明确要求 HTML 最终稿或网页预览稿时，才输出 report.html：

• 先阅读 references/html-report.md
• 再阅读 references/final-gate.md
• HTML 内正文引用使用编号锚点，参考文献区列出所有 evidence-bank.md 中引用的来源

质量门槛

提交前至少自检以下问题：

• 是否存在无 evidence-bank.md 支撑的关键结论
• 是否存在无出处的精确数字或排名
• 是否过度依赖单一网站或单一立场
• 是否核对了关键数字、日期、名称、版本
• 是否单独说明了争议点与不确定性
• 是否把搜索摘要误当成最终证据
• 是否把"趋势判断"写成了"已证实事实"
• OG 各章节是否都至少有一条引用（无引用章节需说明）
• KG 中是否有明显孤立节点（孤立实体说明知识存在空白）
• 若额外生成了 report.html，其正文引用是否都能跳转到参考文献条目

提交前必须再阅读一次 references/final-gate.md。若未通过，先重写再交付。