Deep Research Skill：让 AI 做研究不再”凭感觉编”——7阶段方法论全披露

你有没有这种感觉：让 AI 做一个”深度研究“，它给你三段话就完事了，引用来源全靠编？

最近我发现了一个开源 Skill，叫 Deep Research Skill，专门给 Claude Code 用。它背后是一套 7 阶段研究流程，从分类问题开始，一路到输出结构化报告——每个结论都标注来源，每条证据都经过交叉验证。

7 个阶段，步步留痕

这个 Skill 不是简单搜一下就完事。它的研究流程是：

• Classify — 判断研究类型（查找、合成、分析还是调查）
• Scope — 明确研究边界和核心问题
• Hypothesize — 先提出假设，防止被搜索结果带偏
• Plan — 制定查询策略
• Query — 并行执行多路搜索
• Triangulate — 用多个独立来源验证每个关键结论
• Synthesize + QA — 整合发现，输出可交付的报告

整个过程的所有搜索记录、来源评级、证据账本都会保存到本地文件。相当于给 AI 研究员配了一个”审计日志”，每一步怎么来的都有据可查。

Graph of Thoughts：不让 AI 一条道走到黑

这个 Skill 借鉴了苏黎世联邦理工的 Graph of Thoughts（GoT）方法论。研究路径不是线性的——它会主动构建多个假设分支，交叉验证后收敛到最可靠的结论。

这对付”AI 偏信第一个搜索结果”这个毛病特别有效。

专业领域叠加层

除了通用研究流程，它还内置了四个垂直领域叠加层：

• Healthcare — 医学文献 PMID 引用、FDA 数据、临床试验注册
• Financial — SEC 文件、EDGAR 财报、审计来源核查
• Legal — 判例引用、管辖权识别
• Market — 市场规模测算、竞争情报

说白了，一个 Skill 同时解决了”研究质量”和”专业可信度”两个问题。

安装方式

在 Claude Code 里直接 clone 到本地 skills 目录即可：

cd ~/.claude/skills
git clone https://github.com/standardhuman/deep-research-skill.git

装完之后，直接说”Deep research [你的主题]”，Claude 就会自动走完 7 个阶段。

适合谁用

如果你经常需要 AI 帮你做市场调研、技术调研、竞品分析，或者写需要引用的分析报告，这个 Skill 值得一试。它不保证结论 100% 正确，但至少能保证每一步都有来源可追溯——比让 AI”凭感觉回答”靠谱多了。

GitHub：https://github.com/standardhuman/deep-research-skill

GitHub: https://github.com/standardhuman/deep-research-skill