# Deep Research

> >

- **Type:** Skill
- **Install:** `agentstack add skill-laborany-laborany-deep-research`
- **Verified:** Yes — security-reviewed for prompt injection and unsafe behavior
- **Seller:** [laborany](https://agentstack.voostack.com/s/laborany)
- **Installs:** 0
- **Category:** [Agent Skills](https://agentstack.voostack.com/c/agent-skills)
- **Latest version:** 0.1.0
- **License:** MIT
- **Upstream author:** [laborany](https://github.com/laborany)
- **Source:** https://github.com/laborany/laborany/tree/main/skills/deep-research
- **Website:** https://laborany.github.io

## Install

```sh
agentstack add skill-laborany-laborany-deep-research
```

Requires the [AgentStack CLI](https://agentstack.voostack.com/docs/cli). Works with Claude Code, Cursor, and any MCP-compatible agent.

## About

# Deep Research

## Overview

将用户的研究请求转化为系统性的深度研究报告。核心流程：

1. 分析请求 → 识别研究类型、关键实体、复杂度、**研究领域**
2. 发现领域权威源 → 搜索该领域的权威中英文网站和社区
3. 生成研究提示词 → 选择框架、拆解子问题、基于领域权威源定义信息来源
4. 用户确认提示词 → 支持快速调整
5. 执行多源搜索 → 广度搜索 + **领域权威平台**定向搜索 + 深度阅读
6. 整合信息 → 交叉验证 → 产出带引用链接的 Markdown 报告

## Workflow

按以下阶段顺序执行，每个阶段的详细指令见 `stages/` 目录下对应文件。

### 阶段1：分析请求与发现领域权威源

详见 `stages/01-analyze-request.md`

用户提出研究需求后：
- 识别核心研究主题，提取关键词
- 判断研究类型（事实收集 / 趋势分析 / 观点整理 / 深度研究 / 探索了解）
- 识别关键实体（人物、事件、组织、时间、地点、主题）
- **识别研究领域**（科技、金融、医疗、法律、教育、商业、文化、科学、社会、生活等）
- **搜索该领域的权威中英文网站和社区**，确定本次研究的定向搜索平台
- 评估研究复杂度（简单 / 中等 / 复杂）
- 向用户展示分析摘要（含领域权威信息源列表）

### 阶段2：生成研究提示词

详见 `stages/02-generate-prompt.md`

基于阶段1的分析结果，生成包含4个优化维度的完整提示词：
- 维度1：研究框架/结构（根据研究类型选择，详见 `templates/research-framework.md`）
- 维度2：具体子问题拆解（3-5个核心子问题）
- 维度3：信息来源指引（**基于阶段1发现的领域权威源动态定制**，而非硬编码平台列表）
- 维度4：输出格式要求（详见 `templates/output-format.md`）

组装完整提示词后展示给用户确认。

### 阶段3：确认与调整

详见 `stages/03-refine-adjust.md`

将生成的提示词展示给用户确认：
- 用户回复"可以"、"好"、"没问题"等 → 进入阶段4
- 用户提出修改意见 → 调整后再次确认
- 支持调整详细程度（快速版 / 标准版 / 完整版）
- 支持调整维度、输出格式等
- 最多迭代2轮调整

### 阶段4：执行研究

详见 `stages/04-execute-research.md`

这是核心执行阶段：

1. 确认报告保存路径（建议 `./docs/{主题关键词}-{YYYY-MM-DD}.md`）
2. 制定多源搜索计划（基于阶段1发现的领域权威平台）
3. 执行搜索：
   - 第一轮：广度搜索 + **领域权威平台**定向搜索（`mcp__laborany_web__search`）
   - 第二轮：深度阅读 5-8 篇最相关文章（`mcp__laborany_web__read_page`）
   - 第三轮：补充搜索（按需，最多3次）
4. 信息整理与交叉验证
5. 合成研究报告（含 YAML frontmatter、行内/脚注引用、来源汇总、研究局限性）
6. 保存并展示摘要
7. 询问后续操作

## 搜索平台覆盖

搜索平台不再硬编码，而是根据研究领域动态确定。

### 领域权威源发现（阶段1执行）

在分析用户请求时，自动搜索该领域的权威中英文网站和社区：
- 中文平台：搜索 `"{领域名称} 权威网站 论坛 社区 推荐"`
- 英文平台：搜索 `"best {domain} websites forums communities for research"`

从搜索结果中筛选 5-8 个中文平台和 5-8 个英文平台，作为本次研究的定向搜索目标。

### 兜底通用平台

如果领域权威源搜索结果不足，使用以下通用平台补充：

| 语言 | 通用平台 |
|------|---------|
| 中文 | 知乎、微博、百度学术、微信公众号搜索 |
| 英文 | Reddit、Twitter/X、Google Scholar、Wikipedia |

### 通用来源（所有研究必搜）
- 官方网站/文档、该领域权威媒体、学术/报告

## 输出文件

应该同时输出 Markdown 和 html 格式的文件：
| 文件类型 | 保存位置 |
|---------|----------|
| Markdown | `docs/{主题关键词}-{YYYY-MM-DD}.md` |
| html | `docs/{主题关键词}-{YYYY-MM-DD}.html` |

## 引用规则

报告中所有关键信息必须附带可点击的引用链接：
- 行内引用：关键论断后直接附带来源链接
- 脚注引用：密集引用段落使用 `[^1]` 格式
- 每个主要段落至少1个引用链接
- 数据/统计、直接引用、观点归属必须有引用
- 来源按平台分类汇总

## Key Principles

1. 好的研究始于好的问题，花时间优化 prompt
2. **先识别领域，再确定信息源**——不同领域有不同的权威平台，不要用科技网站搜医疗问题
3. 搜索前必须获得用户确认，避免方向偏差
4. 多轮搜索，根据发现迭代搜索策略
5. 每个论点都要有来源，区分事实与观点
6. 报告结构服务于读者理解，不是信息堆砌
7. 中英文搜索互补，扩大信息覆盖面
8. 关键事实至少2个独立来源交叉验证

## 并行调研

当研究包含多个独立子课题时，可以使用子 Agent 并行执行搜索：
- 每个子 Agent 独立使用 `mcp__laborany_web__search` 和 `mcp__laborany_web__read_page`
- 主 Agent 负责分配子课题和汇总结果
- 子 Agent 的浏览器操作在独立 tab 中进行，互不干扰
- 适合：多个独立来源的采集、多平台定向搜索
- 不适合：有前后依赖的串行搜索

## Source & license

This open-source skill is cataloged on AgentStack and links to its original source — we do not rehost the code.

- **Author:** [laborany](https://github.com/laborany)
- **Source:** [laborany/laborany](https://github.com/laborany/laborany)
- **License:** MIT
- **Homepage:** https://laborany.github.io

Install and usage instructions live in the source repository linked above.

## Pricing

- **Free** — Free

## Security capabilities

Automated source analysis of v0.1.0 — what this tool can access:

- **Network access:** no
- **Filesystem access:** no
- **Shell / process execution:** no
- **Environment & secrets:** no
- **Dynamic code execution:** no

*"Yes" means the capability is present in the source — more access means more to trust, not that it is unsafe.*


## Versions

- **0.1.0** — security scan: passed — Imported from the upstream source.

## Links

- Listing page: https://agentstack.voostack.com/l/skill-laborany-laborany-deep-research
- Seller: https://agentstack.voostack.com/s/laborany
- Browse the marketplace: https://agentstack.voostack.com/browse

---
Listed on AgentStack — the marketplace for AI agent skills and MCP servers. Every listing is security-reviewed. Creators keep 70%.