这个 GitHub 爆火的 Deep Research 深度研究 Skill 到底能干嘛？实测来了
一句话总结
Deep Research 是一个让你的 AI Agent 自动完成「搜索 → 精读 → 综合 → 写报告」全流程的深度研究 Skill。它来自 GitHub 上 16.9 万星的爆款项目 everything-claude-code，是 AI Agent 生态中最实用的技能之一。
原始项目简介
everything-claude-code 是目前 GitHub 上规模最大的 Claude Code 技能集合，拥有 169,885 颗 Star 和 26,000+ Fork。它包含了从 API 设计、安全审查到深度研究等数百个开箱即用的 Skill，几乎覆盖了开发者日常工作的方方面面。
这个项目的作者是 Affaan Mustafa（DCube AI），更新非常活跃，几乎每天都有新的 Skill 加入或改进。
Deep Research 能解决什么问题？
想象这个场景：你老板突然问你「调研一下当前核聚变能源的商业化进展」，或者「对比一下 2026 年 Rust 和 Go 在后端服务中的表现」。
以前你需要：
- 打开浏览器，逐个搜索引擎搜
- 一篇篇文章点开看
- 记笔记、做对比
- 最后整理成报告
Deep Research 把这套流程全部自动化了。 你只需要说一句「研究 XX 主题」，它就能自动完成搜索、精读、综合分析和报告生成。
核心功能亮点
🔍 多源搜索
- 同时支持 firecrawl 和 exa 两大 MCP 搜索工具
- 每个子问题使用 2-3 种关键词变体搜索
- 目标获取 15-30 个独立来源
- 自动按来源质量排序：学术 > 官方 > 权威新闻 > 博客 > 论坛
📖 智能精读
不是只看搜索摘要，而是自动抓取关键页面的完整内容进行深度阅读（3-5 篇核心来源），确保调研质量。
📝 结构化报告
自动生成的报告包含：
- 执行摘要：3-5 句话核心发现
- 主题分析：按主要发现分类的详细分析
- 关键要点：可直接行动的建议
- 来源列表：每个来源带标题、链接和一句话摘要
- 研究方法：透明的搜索和分析过程
🤖 并行研究
对于大主题，可以同时启动多个研究 Agent 并行工作：
- Agent 1 负责子问题 1-2
- Agent 2 负责子问题 3-4
- Agent 3 负责子问题 5 + 交叉主题
- 主 Agent 最终综合成完整报告
✅ 六大质量规则
Deep Research 最让我认可的是它的质量把控：
- 每个论断都需要来源——绝不凭空断言
- 交叉验证——单一来源的信息标注为「未验证」
- 时效性优先——优先 12 个月内的来源
- 承认信息缺口——找不到就直说
- 禁止编造——不知道就说「未找到足够数据」
- 区分事实与推论——估算和预测明确标注
使用方法
前提条件
你需要在 ~/.claude.json 或 ~/.codex/config.toml 中配置至少一个 MCP 搜索工具：
{ "mcpServers": { "firecrawl": { "command": "npx", "args": ["-y", "firecrawl-mcp"], "env": { "FIRECRAWL_API_KEY": "your-api-key" } }, "exa": { "command": "npx", "args": ["-y", "exa-mcp"], "env": { "EXA_API_KEY": "your-api-key" } } }}两个都配置效果最好，firecrawl 偏中文搜索，exa 偏英文搜索。
触发方式
直接对你的 AI Agent 说：
「调研核聚变能源的最新进展」「深入对比 2026 年 Rust 和 Go 在后端服务中的表现」「研究独立开发 SaaS 产品的最佳策略」「美国房地产市场现在什么情况？」「调研 AI 代码编辑器的竞争格局」Agent 会先问 1-2 个澄清问题（目的是什么、深度要求），然后自动开始研究流程。
适用场景
| 场景 | 说明 |
|---|---|
| 竞品调研 | 快速了解竞争对手的产品、定价、市场策略 |
| 技术选型 | 对比多种技术方案的优劣 |
| 市场研究 | 了解某个行业的规模、趋势、玩家 |
| 尽职调查 | 投资前对公司、技术、团队的背景调研 |
| 写文章/报告 | 收集素材和引用来源 |
| 个人学习 | 系统性地了解一个陌生领域 |
不适用场景
- 实时数据：需要秒级最新数据的场景（股票价格等），搜索引擎有时效延迟
- 付费内容：无法访问付费墙后面的内容
- 极度专业/小众：某些非常垂直的领域网上公开信息很少
- 需要人类判断的场景：比如商业谈判策略、人际关系分析
与其他同类 Skill 的对比
| Skill | 来源 | 特点 | 区别 |
|---|---|---|---|
| Deep Research（本篇） | everything-claude-code | 多源搜索 + 精读 + 结构化报告 | 最全面、质量规则最严格 |
| 一般搜索 Skill | 各种项目 | 通常只做简单搜索 | 缺少精读和综合步骤 |
| exa-only Skill | 部分项目 | 仅依赖 exa | 中文覆盖不如 firecrawl |
| firecrawl-only Skill | 部分项目 | 仅依赖 firecrawl | 英文覆盖不如 exa |
Deep Research 的核心优势：它不只是「搜索一下」，而是建立了一个完整的「搜索 → 精读 → 综合 → 报告」工作流，加上严格的质量规则，产出的结果可以直接用于商业决策。
个人评价
推荐指数：⭐⭐⭐⭐⭐（5/5）
这是我用过的最实用的研究类 Skill。它的设计思路非常清晰：先理解用户意图 → 拆解子问题 → 多源搜索 → 精读核心来源 → 结构化综合 → 质量保证。整个流程像是一个经验丰富的研究员在工作。
特别是「每个论断需要来源」和「区分事实与推论」这两条规则，直接解决了 AI 最常见的「一本正经胡说八道」问题。配合 firecrawl 和 exa 的中文/英文双引擎搜索，基本覆盖了绝大多数调研需求。
唯一的小遗憾是依赖外部 MCP 工具（需要 API Key），不是所有用户都能立刻用上。但如果你已经有这些工具，这个 Skill 绝对值得加入你的 arsenal。
📌 原始仓库：affaan-m/everything-claude-code — 169,885 ⭐ 📦 中文翻译版已收录至：awesome-ai-agent-skills-zh
文章分享
如果这篇文章对你有帮助，欢迎分享给更多人！
音乐
暂未播放