Claude Deep Research Skill：企业级 AI 调研引擎

一句话定位：一个「企业级」深度研究 Skill——你给它一个问题（比如「量子计算现在发展到哪了」），它会派出一支调研小队并行搜集资料、给每个来源打可信度分、用 3 个以上独立来源交叉验证每个关键结论，最后交出一份带完整引用、能追溯到原文的研究报告，还附带「机器质检」自动验一遍。

README 里它自称 Enterprise-grade（企业级），意思是：不是 demo 级别的玩具，而是有固定流水线、质量门禁、自动验证的生产工具——报告质量号称超过 OpenAI、Gemini 和 Claude Desktop 自带的深度研究功能。

它要消灭的 4 种「调研事故」

• 事故一：年份穿越。AI 用训练数据里的旧知识回答「现在」的问题——2026 年了还在引用 2023 年的「最新进展」。对策：Step 0 强制先查今天日期，所有时效性搜索都按当前年份过滤。
• 事故二：单一信源。整篇报告的结论都来自同一篇营销软文。对策：关键结论必须 3 个以上独立来源交叉验证（Triangulate）。
• 事故三：引用编造。参考文献列表里混着不存在的论文/链接。对策：verify_citations.py 自动验证 DOI 和 URL，抓幻觉引用。
• 事故四：上下文丢失。报告写一半，AI「忘了」前面的证据。对策：证据落盘——引用和证据存进磁盘上的 JSON 文件，不只活在 AI 的记忆里。

一句话怎么用（先睹为快）

复制deep research on the current state of quantum computing
（对量子计算现状做一次深度研究）

deep research in ultradeep mode: compare PostgreSQL vs Supabase for our stack
（用最深模式：对比 PostgreSQL 和 Supabase，帮我们做技术选型）

就这么一句话，剩下的（搜集、验证、写报告、质检）全是 Skill 的流水线自动完成的。报告默认存到 ~/Documents/[主题]_Research_[日期]/，一次给你三个版本：Markdown（源文件）、HTML（麦肯锡风格排版，自动在浏览器打开）、PDF（可打印）。超长报告（超过 18000 词）会自动「续写」——派新的子智能体接着写，上下文不断。

32 个文件，分工非常「工程化」——像一家小公司的组织架构：

deep-research/                        <- Skill 根目录（clone 到 ~/.claude/skills/deep-research）
|-- SKILL.md                           <- 总指挥：精简入口（约 100 行），只讲怎么调度
|-- reference/                         <- 作战手册：各阶段详细方法论（6 份）
|   |-- methodology.md                 <- 8 阶段流水线详解（本课件第四节）
|   |-- quality-gates.md               <- 质量门禁：验证标准 + 防幻觉协议
|   |-- report-assembly.md             <- 报告渐进式组装策略
|   |-- html-generation.md             <- 麦肯锡风 HTML 转换指南
|   |-- continuation.md                <- 超长报告自动续写协议
|   `-- weasyprint_guidelines.md       <- PDF 生成指南
|-- schemas/                           <- 数据格式契约：JSON Schema（4 份）
|   |-- claim.schema.json              <- "一条主张"长什么样
|   |-- evidence.schema.json           <- "一条证据"长什么样
|   |-- source.schema.json             <- "一个来源"长什么样
|   `-- run_manifest.schema.json       <- "一次研究任务"的清单
|-- scripts/                           <- 机器质检员：Python 工具链
|   |-- validate_report.py             <- 报告结构 9 项自动检查
|   |-- verify_citations.py            <- 引用验证：DOI/URL/幻觉检测
|   |-- verify_claim_support.py        <- 主张-证据支撑验证
|   |-- extract_claims.py              <- 从报告中抽取所有主张
|   |-- source_evaluator.py            <- 来源可信度 0-100 打分
|   |-- citation_manager.py            <- 引用追踪管理
|   |-- evidence_store.py              <- 证据落盘存储
|   |-- md_to_html.py / verify_html.py <- HTML 转换与校验
|   `-- research_engine.py             <- 核心编排引擎
|-- templates/                         <- 报告模板
|   |-- report_template.md             <- Markdown 报告结构模板
|   `-- mckinsey_report_template.html  <- 麦肯锡风格 HTML 模板
|-- tests/fixtures/                    <- 测试用的"好报告/坏报告"样本
`-- requirements.txt                   <- Python 依赖

不是所有问题都值得「火力全开」。Skill 提供 4 档模式：

触发方式很简单，在需求里加一句就行：deep research in ultradeep mode: ...

这是 reference/methodology.md 的核心——8 个阶段（外加一个 4.5），每个阶段都有明确的目标、动作、输出。先看全景图：

图 1：八阶段流水线全景（据 reference/methodology.md 绘制）

检索阶段的 8 个搜索角度（阶段 3 的拆解套路）

动手搜之前，先把问题拆成 5-10 个独立的搜索角度，一次并行发出。官方示例（以量子计算为例）：

1. 核心主题（语义搜索）：量子计算现状
2. 技术细节（关键词）：量子纠错、具体技术名词
3. 最新进展（按日期过滤）：过去 12-18 个月的新东西
4. 学术来源：论文、正式分析
5. 对立视角：批评、质疑、竞争路线
6. 数据/统计：量化证据、基准数字
7. 产业分析：商业应用、市场趋势
8. 局限与失败：已知问题、失败模式、边界情况

搜索工具链：三级火箭

「可信」是这个 Skill 的立身之本。拆开看五道门：

第一道门：来源可信度评分（0-100）

source_evaluator.py 给每个来源打分：高于 80 分的来源优先用来支撑核心结论；低于 40 分的标为低可信度，要额外验证。检索时还要保证来源多样性：学术、产业、新闻、技术文档至少 3 类，时间上有新有旧，观点上有支持有批评，地域上不只看美国。

第二道门：三角验证（Triangulate）

• 关键主张必须有 3 个以上独立来源交叉印证；
• 单个来源的信息要明确标记出来；
• 有矛盾的地方不掩盖——记下来，标出「共识区」和「争议区」。

第三道门：结构化证据 + 磁盘持久化（证据链）

子智能体不许只返回自由文本，必须返回结构化证据对象：

复制{"claim": "具体的主张文本",
 "evidence_quote": "来源中的原文引用",
 "source_url": "https://...",
 "source_title": "...",
 "confidence": 0.85}

并且每批检索结果立即落盘：先用 citation_manager.py 注册来源（拿到稳定 ID），再用 evidence_store.py 把证据写进 evidence.jsonl。证据不只活在 AI 的记忆里——这样即使中途换智能体续写、即使上下文被压缩，证据链也不会丢，后续的「主张-证据支撑验证」也能查到。

第四道门：机器质检（9 项自动检查 + 引用真伪验证）

报告生成后，必须跑两遍机器质检（reference/quality-gates.md 规定的 Validation Loop）：

复制python scripts/validate_report.py --report [报告路径]   # 9 项结构检查
python scripts/verify_citations.py --report [报告路径]  # 引用真伪检查

9 项结构检查包括：执行摘要 200-400 词、必需章节齐全、引用格式 [1][2][3] 规范、参考文献与正文引用对得上、无 TBD/TODO 占位符、词数合理、至少 10 个来源、无坏链。引用真伪检查包括：DOI 能不能解析、标题年份对不对得上、可疑条目（很新的年份却没有 DOI/URL）直接标出。

验证循环：检查 → 修 → 重跑，最多 3 轮。3 轮还不过？停下来，把问题如实报告给用户——不许「差不多得了」就交差。

图 2：验证循环（据 reference/quality-gates.md 绘制）

第五道门：防幻觉写作协议

• 事实 vs 合成必须分清：来自来源的叫事实（"According to [1]……"），AI 自己的分析叫推断（"This suggests……"）——不许把推测写成事实。
• 即时引用：每个事实主张后面当句跟引用编号，不许攒到段末。
• 不许模糊甩锅：不许写"研究表明"，必须写"Smith 等人 (2024) 发现…… [1]"（谁、在哪年、发现了什么）。
• 不确定就承认：没搜到就是"没找到直接相关的来源"，绝不编一条引用来填空。
• 参考文献零容忍：正文用了 [N]，文末必须有第 N 条；不许"[8-75] 等"这种省略，不许截断。

JSON Schema 是什么？先看个比喻

4 个 Schema 管什么

脚本工具链的分工（9 个脚本，一句话版）

• research_engine.py：总调度——按 8 阶段编排整个流程。
• source_evaluator.py：打分员——来源可信度 0-100。
• citation_manager.py：户籍警——给每个来源注册稳定 ID。
• evidence_store.py：档案员——证据写入 evidence.jsonl 落盘。
• extract_claims.py：摘抄员——从报告里抽出所有主张。
• verify_claim_support.py：审计员——每个主张在证据库里有出处吗？
• verify_citations.py：打假员——DOI/URL 真伪、幻觉引用检测。
• validate_report.py：质检员——9 项结构检查。
• md_to_html.py / verify_html.py：排版员——转麦肯锡风 HTML 并校验。

记住这个感觉：AI 负责"动脑"（搜索、综合、写作），脚本负责"较真"（打分、验证、落盘）——动脑的和较真的是两拨人，质量才靠得住。

基础安装（一行命令）

复制git clone https://github.com/199-biotechnologies/claude-deep-research-skill.git ~/.claude/skills/deep-research
# 基础用法零依赖，装完就能用

可选：search-cli（多源聚合搜索，让检索火力翻倍）

复制brew tap 199-biotechnologies/tap && brew install search-cli
search config set keys.brave YOUR_KEY  # 至少配置一个搜索源的 API key
# 支持 Brave / Serper / Exa / Jina / Firecrawl 多家聚合

然后这样用（可复制的提示词）

复制deep research on the current state of quantum computing

deep research in ultradeep mode: compare PostgreSQL vs Supabase for our stack

# 报告自动存到 ~/Documents/[主题]_Research_[日期]/
# Markdown + HTML（自动在浏览器打开）+ PDF 三件套一次给齐

一句话总结

这是一个「调研工业化」的 Skill：8 阶段流水线管流程、4 档模式管火力、可信度评分 + 三角验证 + 证据落盘管「可信」、9 项检查 + 引用打假管「质检」——目标是让 AI 的深度研究报告每个结论都找得到出处。

它的 3 个最大特点

1. 证据链工程化：主张 → 原文引用 → 来源 URL → 可信度分，全部结构化、全部落盘，不只活在 AI 的记忆里。
2. 质量靠脚本不靠自觉：9 项自动检查 + DOI/URL 打假 + 最多 3 轮验证循环，不过就打回，3 轮不过就如实上报。
3. 会自我批评：红队三人格 + 关键盲区自动回环补搜，不带盲区交报告。

延伸思考

• 第 10 个课件（ai-research-skill）解决的是「实验可信」，这个解决的是「文献/调研可信」——如果把两个 Skill 串起来用，一个完整的 AI 科研工作站长什么样？（先用 deep-research 做领域调研，再用 ai-research 跑实验，最后用第 09 个课件的 research-paper-writing 写论文。）
• 「事实 vs 推断必须分清」这条写作协议，其实适用于你写的任何东西——试着检查你上次写的报告/作文：有没有把推测写成事实？有没有"研究表明"式甩锅？
• 1165 个 star 是三个仓库里最高的——你觉得它最打动人的是哪一点？是 8 阶段流水线，还是"机器质检"的不妥协？

↗ GitHub 仓库原链：199-biotechnologies/claude-deep-research-skill