research-deep
读取调研outline，为每个item启动独立agent进行深度调研。禁用task output。
npx skills add majiayu000/claude-skill-registry --skill research-deep-weizhena-deep-research-skills-4 --agent claude-code
Same command for any agent — swap --agent for codex, cursor, copilot.
Weekly change comes from our own snapshots, not the repository page — it measures attention, not adoption.
# Research Deep - 深度调研 ## 触发方式 `/research-deep` ## 执行流程 ### Step 1: 自动定位Outline 在当前工作目录查找 `*/outline.yaml` 文件，读取items列表、execution配置（含items_per_agent）。 ### Step 2: 断点续传检查 - 检查output_dir下已完成的JSON文件 - 跳过已完成的items ### Step 3: 分批执行 - 按batch_size分批（完成一批需要得到用户同意才可进行下一批） - 每个agent负责items_per_agent个项目 - 启动web-search-agent（后台并行，禁用task output） **参数获取**： - `{topic}`: outline.yaml中的topic字段 - `{item_name}`: item的name字段 - `{item_related_info}`: item的完整yaml内容（name + category + description等） - `{output_dir}`: outline.yaml中execution.output_dir（默认./results） - `{fields_path}`: {topic}/fields.yaml的绝对路径 - `{output_path}`: {output_dir}/{item_name_slug}.json的绝对路径（slugify处理item_name：空格替换为_，移除特殊字符） **硬约束**：以下prompt必须严格复述，仅替换{xxx}中的变量，禁止改写结构或措辞。 **Prompt模板**： ```python prompt = f"""## 任务 调研 {item_related_info}，输出结构化JSON到 {output_path} ## 字段定义 读取 {fields_path} 获取所有字段定义 ## 输出要求 1. 按fields.yaml定义的字段输出JSON 2. 不确定的字段值标注[不确定] 3. JSON末尾添加uncertain数组，列出所有不确定的字段名 4. 所有字段值必须使用中文输出（调研过程可用英文，但最终JSON值为中文） ## 输出路径 {output_path} ## 验证 完成JSON输出后，运行验证脚本确保字段完整覆盖： python ~/.claude/skills/research/validate_json.py -f {fields_path} -j {output_path} 验证通过后才算完成任务。 """ ``` **One-shot示例**（假设调研GitHub Copilot）： ``` ## 任务 调研 name: GitHu
- 触发方式
- 执行流程
- Step 1: 自动定位Outline
- Step 2: 断点续传检查
- Step 3: 分批执行
- Step 4: 等待与监控
- Step 5: 汇总报告
- Agent配置
What does the research-deep skill do?
读取调研outline，为每个item启动独立agent进行深度调研。禁用task output。
How do I install it?
Run `npx skills add majiayu000/claude-skill-registry --skill research-deep-weizhena-deep-research-skills-4 --agent claude-code` — it drops the skill into your project so the agent can pick it up. Swap the --agent value for codex, cursor or copilot if you use one of those.
Where does this skill come from?
From majiayu000/claude-skill-registry, a repository with 534 stars. We read it straight from the repository tree rather than a submitted listing, so what you see here is what is actually published.
Is a popular skill a good skill?
Not necessarily. Stars measure attention, not adoption — a repository can trend for a week and be abandoned. That is why we show the weekly change from our own snapshots next to the total, instead of a single flattering number.