Deep Research（深度调研 8 步法）

将用户提出的模糊主题，通过系统化方法转化为高质量、可交付的调研报告。

核心理念

• 结论来自机制对比，不是「我感觉像」
• 先钉牢事实，再做推导
• 资料权威优先：L1 > L2 > L3 > L4
• 中间结果必须保存，便于回溯和复用

参考文档

文档	内容
templates/intermediate-outputs.md	中间产物格式模板
templates/comparison-framework.md	对比框架模板
templates/fact-card.md	事实卡片模板
templates/report-structure.md	报告结构模板

---

工作目录结构

~/Downloads/research/<topic>/
├── 00_问题拆解.md          # Step 0-1 产出
├── 01_资料来源.md          # Step 2 产出
├── 02_事实卡片.md          # Step 3 产出
├── 03_对比框架.md          # Step 4 产出
├── 04_推导过程.md          # Step 6 产出
├── 05.5_校验记录.md        # Step 6.5 产出（独立 Agent 校验）
├── 05_验证记录.md          # Step 7 产出
├── FINAL_调研报告.md       # Step 8 产出
└── raw/                    # 原始资料存档

中间产物格式详见 templates/intermediate-outputs.md

---

资料分层

层级	资料类型	可信度
L1	官方文档、论文、规范、RFC	✅ 高
L2	官方博客、技术演讲、白皮书	✅ 高
L3	权威媒体、专家解读、教程	⚠️ 中
L4	社区讨论、个人博客、论坛	❓ 低

L4 社区来源（产品对比调研必查）：GitHub Issues/Discussions、Reddit、Hacker News

---

执行流程（8 步法）

每步完成后，立即写入对应文件。

Step 0: 问题类型判断

问题类型	核心任务	侧重维度
概念对比型	建立对比框架	机制差异、适用边界
决策支持型	权衡取舍	成本、风险、收益
趋势分析型	梳理演进脉络	历史、驱动因素、预测
问题诊断型	根因分析	症状、原因、证据链
知识梳理型	系统整理	定义、分类、关系

Step 0.5: 时效敏感性判断（BLOCKING）

敏感级别	典型领域	资料时间窗口
🔴 极高	AI/大模型、区块链	3-6 个月
🟠 高	云服务、前端框架	6-12 个月
🟡 中	编程语言、数据库	1-2 年
🟢 低	算法原理、设计模式	无限制

🔴 极高敏感领域强制规则：

1. 搜索时带时间约束（time_range: "month"）
2. 官方源优先（文档、博客、Changelog）
3. 版本号强制标注（禁止「最新版本支持」）
4. 超过 6 个月的博客仅作历史参考
5. 关键信息至少 2 个独立来源确认
6. 直接访问官方下载页面验证（不依赖搜索缓存）
7. 搜索产品支持的协议名称（MCP、ACP 等）

Step 1: 问题拆解与边界界定

把模糊主题拆成 2-4 个可调研的子问题，并明确研究对象边界（人群/地域/时间/层级）。

→ 保存：00_问题拆解.md

Step 2: 资料分层与权威锁定