deep-research/

Глубокое исследование

Исследует тему по нескольким источникам с отслеживанием цитат и проверкой фактов. Выдаёт отчёт со ссылками и оценкой надёжности источников.

Автор: 199-biotechnologiesОбновлён Бесплатно

Ставится на компьютере

С телефона скилл не поставить: Claude Code работает на Windows, macOS и Linux. Отправьте ссылку себе и откройте её на компьютере.

Что нужно: компьютер и Claude Code — он работает с подпиской Claude Pro и выше, на бесплатном плане его нет. Как поставить Claude Code →

Карточка

Имя папки
deep-research
Раздел
Утилиты
Автор
199-biotechnologies
Обновлён
Инструкция
на английском, задачу ставите по-русски
Файлы
  • SKILL.md
  • scripts/ · 10 файлов

Похожие скиллы

Подобраны по смыслу описания, а не по алфавиту.

  • Наука
    Поиск и подбор исследований

    Ищет свежие исследования через Perplexity Sonar Pro и Sonar Reasoning Pro.

    research-lookup · K-Dense-AI

  • Разработка
    Исследование по первоисточникам

    Фоновый агент изучает вопрос по официальной документации и коду и сохраняет выводы в Markdown со ссылками.

    research · mattpocock

  • Контент
    Отчёты по исследованию рынка

    Готовит подробные отчёты по рынку (50+ страниц) в стиле консалтинговых фирм.

    market-research-reports · K-Dense-AI

  • Утилиты
    NotebookLM

    Запрашивает ваши блокноты Google NotebookLM прямо из Claude Code с цитатами.

    notebooklm · PleasePrompto

  • Разработка
    Проектирование глубоких модулей

    Словарь и принципы проектирования модулей: маленький интерфейс, много поведения внутри, тесты на границе.

    codebase-design · mattpocock

  • Утилиты
    Поиск через Perplexity

    Ищет в интернете актуальные данные через Perplexity, LiteLLM и OpenRouter.

    perplexity-search · K-Dense-AI

Статьи по теме

Текст инструкции · SKILL.md

Оригинал инструкции (англ.)

Это оригинал автора на английском. Переводить его не нужно: Claude читает инструкцию сам, а задачу вы ставите ему по-русски.

Core Purpose

Deliver citation-tracked research reports through a structured pipeline with evidence persistence, source identity management, claim-level verification, and progressive context management.

Autonomy Principle: Operate independently. Infer assumptions from context. Only stop for critical errors or incomprehensible queries. Surface high-materiality assumptions explicitly in the Introduction and Methodology rather than silently defaulting.


Decision Tree

Request Analysis
+-- Simple lookup? --> STOP: Use WebSearch
+-- Debugging? --> STOP: Use standard tools
+-- Complex analysis needed? --> CONTINUE

Mode Selection
+-- Initial exploration --> quick (3 phases, 2-5 min)
+-- Standard research --> standard (6 phases, 5-10 min) [DEFAULT]
+-- Critical decision --> deep (8 phases, 10-20 min)
+-- Comprehensive review --> ultradeep (8+ phases, 20-45 min)

Default assumptions: Technical query = technical audience. Comparison = balanced perspective. Trend = recent 1-2 years.


Workflow Overview

PhaseNameQuickStdDeepUltra
1SCOPEYYYY
2PLAN-YYY
3RETRIEVEYYYY
4TRIANGULATE-YYY
4.5OUTLINE REFINEMENT-YYY
5SYNTHESIZE-YYY
6CRITIQUE--YY
7REFINE--YY
8PACKAGEYYYY

Note: Phases 3-5 operate as an evidence loop per section (retrieve → evidence store → refine outline → draft → verify claims → delta-retrieve if needed), not as strict sequential gates.


Execution

On invocation, load relevant reference files:

  1. Phase 1-7: Load methodology.md for detailed phase instructions
  2. Phase 8 (Report): Load report-assembly.md for progressive generation
  3. HTML/PDF output: Load html-generation.md
  4. Quality checks: Load quality-gates.md
  5. Long reports (>18K words): Load continuation.md

Templates:

  • Report structure: report_template.md
  • HTML styling: mckinsey_report_template.html

Scripts:

  • python scripts/validate_report.py --report [path]
  • python scripts/verify_citations.py --report [path]
  • python scripts/md_to_html.py [markdown_path]

Output Contract

Required sections:

  • Executive Summary (200-400 words)
  • Introduction (scope, methodology, assumptions)
  • Main Analysis (4-8 findings, 600-2,000 words each, cited)
  • Synthesis & Insights (patterns, implications)
  • Limitations & Caveats
  • Recommendations
  • Bibliography (COMPLETE - every citation, no placeholders)
  • Methodology Appendix

Output files (all to ~/Documents/[Topic]_Research_[YYYYMMDD]/):

  • Markdown (primary source of truth)
  • sources.jsonl — stable source registry with canonical IDs
  • evidence.jsonl — append-only evidence store with quotes and locators
  • claims.jsonl — atomic claim ledger with support status
  • run_manifest.json — query, mode, assumptions, provider config
  • HTML (McKinsey style, auto-opened)
  • PDF (professional print, auto-opened)

Quality standards:

  • 10+ sources, 3+ per major claim (cluster-independent, not just count)
  • All factual claims cited immediately [N] with evidence backing in evidence.jsonl
  • Claim-support verification mandatory: no unsupported factual claims pass delivery
  • No placeholders, no fabricated citations
  • Prose-first (>=80%), bullets sparingly

When to Use / NOT Use

Use: Comprehensive analysis, technology comparisons, state-of-the-art reviews, multi-perspective investigation, market analysis.

Do NOT use: Simple lookups, debugging, 1-2 search answers, quick time-sensitive queries.