OpenSkillIndex← back to search
claude-code

Laborany deep-research

install
source · Clone the upstream repo
git clone https://github.com/laborany/laborany
Claude Code · Install into ~/.claude/skills/
T=$(mktemp -d) && git clone --depth=1 https://github.com/laborany/laborany "$T" && mkdir -p ~/.claude/skills && cp -r "$T/skills/deep-research" ~/.claude/skills/laborany-laborany-deep-research && rm -rf "$T"
manifest: skills/deep-research/SKILL.md
source content

Deep Research

Overview

将用户的研究请求转化为系统性的深度研究报告。核心流程：

  1. 分析请求 → 识别研究类型、关键实体、复杂度、研究领域
  2. 发现领域权威源 → 搜索该领域的权威中英文网站和社区
  3. 生成研究提示词 → 选择框架、拆解子问题、基于领域权威源定义信息来源
  4. 用户确认提示词 → 支持快速调整
  5. 执行多源搜索 → 广度搜索 + 领域权威平台定向搜索 + 深度阅读
  6. 整合信息 → 交叉验证 → 产出带引用链接的 Markdown 报告

Workflow

按以下阶段顺序执行，每个阶段的详细指令见 

stages/
目录下对应文件。

阶段1：分析请求与发现领域权威源

详见 

stages/01-analyze-request.md

用户提出研究需求后：

  • 识别核心研究主题，提取关键词
  • 判断研究类型（事实收集 / 趋势分析 / 观点整理 / 深度研究 / 探索了解）
  • 识别关键实体（人物、事件、组织、时间、地点、主题）
  • 识别研究领域（科技、金融、医疗、法律、教育、商业、文化、科学、社会、生活等）
  • 搜索该领域的权威中英文网站和社区，确定本次研究的定向搜索平台
  • 评估研究复杂度（简单 / 中等 / 复杂）
  • 向用户展示分析摘要（含领域权威信息源列表）

阶段2：生成研究提示词

详见 

stages/02-generate-prompt.md

基于阶段1的分析结果，生成包含4个优化维度的完整提示词：

  • 维度1：研究框架/结构（根据研究类型选择，详见 
    templates/research-framework.md
    ）
  • 维度2：具体子问题拆解（3-5个核心子问题）
  • 维度3：信息来源指引（基于阶段1发现的领域权威源动态定制，而非硬编码平台列表）
  • 维度4：输出格式要求（详见 
    templates/output-format.md
    ）

组装完整提示词后展示给用户确认。

阶段3：确认与调整

详见 

stages/03-refine-adjust.md

将生成的提示词展示给用户确认：

  • 用户回复"可以"、"好"、"没问题"等 → 进入阶段4
  • 用户提出修改意见 → 调整后再次确认
  • 支持调整详细程度（快速版 / 标准版 / 完整版）
  • 支持调整维度、输出格式等
  • 最多迭代2轮调整

阶段4：执行研究

详见 

stages/04-execute-research.md

这是核心执行阶段：

  1. 确认报告保存路径（建议 
    ./docs/{主题关键词}-{YYYY-MM-DD}.md
    ）
  2. 制定多源搜索计划（基于阶段1发现的领域权威平台）
  3. 执行搜索：
    • 第一轮：广度搜索 + 领域权威平台定向搜索（
      mcp__laborany_web__search
      ）
    • 第二轮：深度阅读 5-8 篇最相关文章（
      mcp__laborany_web__read_page
      ）
    • 第三轮：补充搜索（按需，最多3次）
  4. 信息整理与交叉验证
  5. 合成研究报告（含 YAML frontmatter、行内/脚注引用、来源汇总、研究局限性）
  6. 保存并展示摘要
  7. 询问后续操作

搜索平台覆盖

搜索平台不再硬编码，而是根据研究领域动态确定。

领域权威源发现（阶段1执行）

在分析用户请求时，自动搜索该领域的权威中英文网站和社区：

  • 中文平台：搜索 
    "{领域名称} 权威网站 论坛 社区 推荐"
  • 英文平台：搜索 
    "best {domain} websites forums communities for research"

从搜索结果中筛选 5-8 个中文平台和 5-8 个英文平台，作为本次研究的定向搜索目标。

兜底通用平台

如果领域权威源搜索结果不足，使用以下通用平台补充：

语言通用平台
中文知乎、微博、百度学术、微信公众号搜索
英文Reddit、Twitter/X、Google Scholar、Wikipedia

通用来源（所有研究必搜）

  • 官方网站/文档、该领域权威媒体、学术/报告

输出文件

应该同时输出 Markdown 和 html 格式的文件：

文件类型保存位置
Markdown
docs/{主题关键词}-{YYYY-MM-DD}.md
html
docs/{主题关键词}-{YYYY-MM-DD}.html

引用规则

报告中所有关键信息必须附带可点击的引用链接：

  • 行内引用：关键论断后直接附带来源链接
  • 脚注引用：密集引用段落使用 
    [^1]
    格式
  • 每个主要段落至少1个引用链接
  • 数据/统计、直接引用、观点归属必须有引用
  • 来源按平台分类汇总

Key Principles

  1. 好的研究始于好的问题，花时间优化 prompt
  2. 先识别领域，再确定信息源——不同领域有不同的权威平台，不要用科技网站搜医疗问题
  3. 搜索前必须获得用户确认，避免方向偏差
  4. 多轮搜索，根据发现迭代搜索策略
  5. 每个论点都要有来源，区分事实与观点
  6. 报告结构服务于读者理解，不是信息堆砌
  7. 中英文搜索互补，扩大信息覆盖面
  8. 关键事实至少2个独立来源交叉验证

并行调研

当研究包含多个独立子课题时，可以使用子 Agent 并行执行搜索：

  • 每个子 Agent 独立使用 
    mcp__laborany_web__search
    和 
    mcp__laborany_web__read_page
  • 主 Agent 负责分配子课题和汇总结果
  • 子 Agent 的浏览器操作在独立 tab 中进行，互不干扰
  • 适合：多个独立来源的采集、多平台定向搜索
  • 不适合：有前后依赖的串行搜索