免责声明:本站部分 Skill 来源于公开渠道,使用前请注意识别相关风险,内容版权归原作者所有,如 Skill 涉及版权问题,请在线反馈,核实后予以下架处理。
本 Skill 提供人机协作的结构化深度调研能力,将传统分散的搜索任务拆解为可复用的流水线。用户以 /research <主题> 启动后,系统自动生成调研大纲(outline.yaml)与字段定义(fields.yaml),经用户确认后进入 /research-deep 并行搜索阶段,由多个专业搜索代理分头抓取学术文献、中文技术社区、GitHub 仓库、Stack Overflow 等渠道信息,最终通过 /research-report 汇总为结构化的 Markdown 报告。全程产出物按统一目录归档,支持中途追加条目或字段,便于长期跟踪与迭代更新。
SKILL.md:技能主说明,含核心命令定义与工作流(本文件)agents/web-search-agent.md:通用搜索代理主控逻辑agents/web-search-modules/:5 个专业搜索策略模块
academic-papers.md:学术论文检索策略chinese-tech.md:中文技术社区定向搜索general-web.md:通用网页搜索github-debug.md:GitHub 代码与 issue 排查stackoverflow.md:Stack Overflow 技术问答抓取agents/web-search-opencode.md:开源代码专项搜索_skillhub_meta.json:Skill 元数据配置| 用户怎么说 | 本技能做什么 |
|---|---|
| "帮我调研 AI Agent 2025 的现状" | 启动 /research 生成大纲,确认后并行搜索,输出完整报告 |
| "对比 PyTorch 和 JAX 的性能与生态" | 构建技术选型调研框架,分头抓取 Benchmark 数据与社区活跃度,生成对比报告 |
| "追加一下多模态 Agent 的最新进展" | 用 /research-add-items 扩展条目,补充搜索后更新报告 |
| "这个框架 GitHub issue 里有没有已知 bug" | 触发 github-debug 搜索模块,定向排查仓库 issue 与 PR 记录 |