登录
skill-1773567747636.md已公开
current skill~ /skills/skill-1773567747636

深度网页搜索

深度网页搜索:作为 超能模式 的研究子 skill,深度网页搜索 负责通过多轮搜索、交叉验证和证据整理形成结构化研究包,供主 skill 做门禁判断并交给下游生成使用,适合竞品调研、行业分析、趋势研究、事实核验和正式报告前的深度研究场景。

data, automation, search
downloads
30
updated
2026/04/18
author
nj90hou
visibility
已公开
downloads.trend.tsxlast 7 days

当前技能最近 7 天下载趋势

用和首页一致的趋势图,快速判断这个 skill 最近是否还在被持续下载和使用。

7d total
4
quickstart.shinstall
安装命令
npx skills add skill-1773567747636
使用建议

先看趋势和左侧结构化信息,再决定是直接下载、复制安装命令,还是继续阅读原始 `SKILL.md`。

overview.tsdecision summary
深度网页搜索
迭代式多轮深度搜索引擎。采用“边想边搜”循环逐步构建全面知识,交叉验证事实,并将发现综合为可供主 skill 门禁检查和下游生成器直接消费的结构化研究包。
SKILL.md previewcollapsible

name
深度网页搜索
description
深度网页搜索:作为 超能模式 的研究子 skill,深度网页搜索 负责通过多轮搜索、交叉验证和证据整理形成结构化研究包,供主 skill 做门禁判断并交给下游生成使用,适合竞品调研、行业分析、趋势研究、事实核验和正式报告前的深度研究场景。
---

name: 深度网页搜索
description: 使用“边想边搜”迭代循环进行多轮深度网页搜索,支持轻量侦察搜索与正式研究两种模式。侦察搜索用于发现隐藏维度并生成更好的澄清问题,正式研究用于形成兼容 v1/v2 的结构化证据包。当用户需要深度研究、行业分析、市场报告、竞争情报、趋势分析或任何需要多源彻底信息收集的任务时使用。

---

深度网页搜索

迭代式多轮深度搜索引擎。采用“边想边搜”循环逐步构建全面知识,交叉验证事实,并将发现综合为可供主 skill 门禁检查和下游生成器直接消费的结构化研究包。

核心机制:思考 → 搜索 → 验证 → 补洞 → 形成研究包

---

运行模式

本技能支持两种模式:

1. `mode=recon`
- 用于正式研究前的轻量侦察
- 目标是发现隐藏维度、候选方向、潜在前提风险
- 不直接替代正式研究
- 默认只跑 1 轮,必要时按题目复杂度继续侦察,但仍保持轻量

2. `mode=full`
- 用于正式研究
- 目标是形成合格的 `evidence_pack`(兼容别名:`research_artifact`)
- 必须满足当前档位预算与证据要求后,才允许结束
- 调研类正式交付任务不得用 `mode=recon` 直接替代 `mode=full`

---

研究输入协议

执行前,先读取上游主 skill 提供的结构:

```yaml
mode: recon | full
intent: 用户真实目标
topic: 研究主题
scope: 范围与时间窗口
research_question:
  angle: 主题角度
  time_range: 时间范围
  comparables: 对标对象
  output_purpose: 输出目的
constraints:
  time_budget: 可选
  format: 可选
  scope: 可选
  permissions:
    network: true | false
clarification:
  research_type: 用户确认的研究类型
  selected_directions: []
  audience: 阅读受众
  depth: 报告深度
  format: 文件或产物格式
  time_range: 用户确认或默认补全后的时间范围
  geo_scope: 用户确认或默认补全后的地域范围
  comparables: []
  key_metrics: []
  research_tier: 简报版 | 正式版 | 深度版 | 专题研究版
  source_types: []
  site_constraints:
    include: []
    exclude: []
  language_scope:
    languages: []
    region: 全球 | 中国 | 指定地区
  page_open_limit: Top N
  output_template: 结论/依据/风险/链接 | 对比表 | 时间线/演进脉络 | 清单式要点 | 证据卡片
  inherited_fields: []
  upgrade_options: []
existing_recon_findings:
  predicted_research_type: 已预测研究类型
  time_range:
    value: 已知时间范围
    reason: 一句话理由
  geo_scope:
    value: 已知地域范围
    reason: 一句话理由
  comparables:
    - label: 已知对标对象
      reason: 一句话理由
      priority: high | medium | low
  key_metrics:
    - label: 已知关键指标
      reason: 一句话理由
      priority: high | medium | low
  recommended_source_types:
    - type: official | docs | github | authoritative_media | paper
      reason: 一句话理由
      priority: high | medium | low
  recommended_sites:
    - domain: 推荐站点或域名
      site_type: official | docs | github | media | paper
      reason: 一句话理由
      priority: high | medium | low
artifact_registry: []
execution:
  stage:
    current: research | validation | resume
required_outputs:
  - source_matrix
  - key_findings
  - conflicting_claims
  - gaps
  - confidence
  - decision_log
  - validation_status
```

---

侦察搜索模式

当上游只需要“先看外部世界,再问更好的问题”时,使用侦察搜索模式,而不是正式研究模式。

侦察搜索规则:
- 查询量:3-5 个轻量查询
- 轮次:默认 1 轮,必要时按题目复杂度继续侦察,但仍保持轻量
- 目标:发现隐藏维度、生成候选调研方向、改进澄清问题
- 输出:只沉淀 `recon_findings` 与候选方向,不直接替代正式研究
- 侦察阶段可以并行找线索,但不进入正式深读;深读留给正式研究阶段
- 特殊情况:若发现用户前提明显有偏,可直接挑战前提并重构澄清问题
- 继续侦察的停止规则:能形成可选方向即停 / 达到时间或查询预算即停 / 新信息增益变低即停

侦察模式回传结构:

```yaml
mode: recon
sum

预览已截断。下载完整技能包可查看全部文件内容。

next-steps.mdrecommended flow

1. 先判断它是否匹配你的任务、运行环境和依赖边界。

2. 再结合最近 7 天下载趋势,决定是直接安装还是先下载完整包审阅。

3. 需要程序化集成时,再去 Docs 查看 API 和 OpenAPI 描述。