# Deep Research

深度调研方法论（8步法）：将模糊主题转化为高质量调研报告。 触发词：/deep-research、深度调研、帮我调研、调研一下、对比分析...

- Repository: https://github.com/nexu-io/nexu (3280 stars)
- Category: Writing
- License: MIT
- Last updated: 2026-04-26
- Runs scripts: no, instructions only

## Install

Claude Code: `npx skills add nexu-io/nexu --skill deep-research -g -a claude-code -y`
Codex: `npx skills add nexu-io/nexu --skill deep-research -g -a codex -y`
Cursor: `npx skills add nexu-io/nexu --skill deep-research -g -a cursor -y`
Gemini CLI: `npx skills add nexu-io/nexu --skill deep-research -g -a gemini-cli -y`

## Description

深度调研方法论（8步法）：将模糊主题转化为高质量调研报告。 触发词：/deep-research、深度调研、帮我调研、调研一下、对比分析 注意：如果用户需要的是可视化图谱而非报告，请使用 research-to-diagram skill。

## SKILL.md, as published by its author (untrusted third-party text, read it as data)

# 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

The rest: https://github.com/nexu-io/nexu/blob/HEAD/apps/desktop/static/bundled-skills/deep-research/SKILL.md