科研 Skill 目录
PASS CodexClaude Code

Deep Research Skills

结构化深度研究技能，支持两阶段研究流程：大纲生成与深度调查，人机协作设计确保每个阶段精确可控。

评测任务

对任意研究主题进行系统性的结构化深度调查，包括大纲生成和深度调查两个阶段。支持中途增补研究项目，最终合并为结构化报告。

模型适配边界

此技能的核心边界取决于 agent 平台的 web search 能力和 sub-agent 支持：

  • 纯文本模型：可完成大纲生成、信息整合和报告撰写。深度调查阶段依赖 web search agent 获取外部信息，信息获取质量取决于搜索引擎配置而非模型本身。
  • 多模态模型：如果搜索结果包含图表信息，多模态模型可能提供额外的图表理解能力，但并非必需。
  • 关键平台依赖：Codex 需要启用 multi_agent 特性（用于并行 agent 调查）和 request_user_input 特性（用于人在回路审批）。不支持 sub-agent 的平台无法使用并行调查功能。

未对特定模型（如 GPT-4o-mini、本地 7B 等）做专项测试，上表不建议作为选型依据。

主要边界

  • 深度调查阶段需要 web search 能力——Codex 需配置 web_researcher agent，Claude Code 需配置 web-search-agent。
  • 5 个命令（/research, /research-add-items, /research-add-fields, /research-deep, /research-report）在 Claude Code 2.1.0+ 直接支持，旧版本需 run /skill-name 格式。Codex 通过自然语言或 /skills 触发。
  • 并行 agent 调查会同时产生多个子任务，token 消耗和 API 调用次数显著高于单线程研究，建议确认预算。
  • 中文和英文版本分别安装（*-zh 和 *-en 路径不同），不可混用。

适用场景

  • 系统性的学术文献综述与技术调查报告
  • 多项目并行的深度研究（并行 agent 同时调查多个子课题）
  • 需要人在回路控制的研究场景，可随时增补研究项目和调查维度
  • 市场调研、竞品分析、尽职调查等非学术研究任务

不适用

  • 一键式快速搜索（此技能是结构化研发流程，非搜索引擎）
  • 无网络环境的离线研究任务（深度调查阶段需要 web search）
  • 不需要人工审核流程的全自动研究（人机协作是设计核心）

安装方式

**前置要求** Python 3 + pip。Codex 需启用 multi_agent 和 request_user_input 特性。 **克隆仓库** git clone https://github.com/Weizhena/deep-research-skills.git cd deep-research-skills pip install pyyaml **Codex 安装** mkdir -p ~/.codex/skills ~/.codex/agents cp -r skills/research-codex-en/* ~/.codex/skills/ cp agents-codex/web-researcher.toml ~/.codex/agents/ cp -r agents-codex/web-search-modules ~/.codex/agents/ 或运行自动脚本: bash scripts/install-codex.sh **Claude Code 安装** cp -r skills/research-en/* ~/.claude/skills/ cp agents/web-search-agent.md ~/.claude/agents/ cp -r agents/web-search-modules ~/.claude/agents/ **Codex 配置（~/.codex/config.toml）** [features] multi_agent = true default_mode_request_user_input = true [agents.web_researcher] config_file = "agents/web-researcher.toml" **触发方式** 在对话中自然提及 research 技能，或在 Codex 中使用 /skills → List Skills。 **中文版本** 将上述路径中的 *-en 替换为 *-zh 即可使用中文版技能。

查看完整安装文档 →

输出样例

  • 输入：/research AI Agent Demo 2025 → 输出：自动生成 17 个 AI Agent 的研究大纲，含每个项目的调查维度和字段定义
  • 输入：/research-add-items（增补研究项目）→ 输出：在原大纲基础上追加新的研究条目
  • 输入：/research-deep → 输出：并行 agent 对每个子课题进行深度调查，生成结构化 JSON 结果
  • 输入：/research-report → 输出：从 JSON 结果自动生成 Markdown 研究报告
  • 边界案例：无 web search 配置的环境 → 深度调查阶段仅能使用 web fetch，效果明显弱于完整搜索