npx skills add majiayu000/claude-skill-registry --skill research-weizhena-deep-research-skills-2 --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 Skill - 初步调研 ## 触发方式 `/research <topic>` ## 执行流程 ### Step 1: 模型内部知识生成初步框架 基于topic，利用模型已有知识生成： - 该领域的主要研究对象/items列表 - 建议的调研字段框架 输出{step1_output}，使用AskUserQuestion确认： - items列表是否需要增减？ - 字段框架是否满足需求？ ### Step 2: Web Search补充 使用AskUserQuestion询问时间范围（如：最近6个月、2024年至今、不限）。 **参数获取**： - `{topic}`: 用户输入的调研话题 - `{YYYY-MM-DD}`: 当前日期 - `{step1_output}`: Step 1生成的完整输出内容 - `{time_range}`: 用户指定的时间范围 **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。 启动1个web-search-agent（后台），**Prompt模板**： ```python prompt = f"""## 任务 调研话题: {topic} 当前日期: {YYYY-MM-DD} 基于以下初步框架，补充最新items和推荐调研字段。 ## 已有框架 {step1_output} ## 目标 1. 验证已有items是否遗漏重要对象 2. 根据遗漏对象进行补充items 3. 继续搜索{topic}相关且{time_range}内的items并补充 4. 补充新fields ## 输出要求 直接返回结构化结果（不写文件）： ### 补充Items - item_name: 简要说明（为什么应该加入） ... ### 推荐补充字段 - field_name: 字段描述（为什么需要这个维度） ... ### 信息来源 - [来源1](url1) - [来源2](url2) """ ``` **One-shot示例**（假设调研AI Coding发展史）： ``` ## 任务 调研话题: AI Coding 发展史 当前日期: 2025-12-30 基于以下初步框架，补充最新items和推荐调研字段。 ## 已有框架 ### Items列表 1. GitHub Copilot: Microsoft/GitHub开发，首个主流AI编程助手 2. Cursor: AI-first IDE，基于VSCode ... ### 字段框架 - 基本信息: name, release_date, company - 技术特性: underlying_model, context_window ... ## 目标 1. 验证已有items是否遗漏重要对象 2. 根据遗漏对象进行补充item
- 触发方式
- 执行流程
- Step 1: 模型内部知识生成初步框架
- Step 2: Web Search补充
- Step 3: 询问用户已有字段
- Step 4: 生成Outline（分离文件）
- Step 5: 输出并确认
- 输出路径
- 后续命令
What does the research skill do?
对目标话题进行初步调研，生成调研outline。用于学术调研、benchmark调研、技术选型等场景。
How do I install it?
Run `npx skills add majiayu000/claude-skill-registry --skill research-weizhena-deep-research-skills-2 --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.