让 AI 帮你写学术级报告：deep-research Skill 让 AI 像研究员一样工作

让 AI 做学术级深度研究，这个 Skill 做到了！

你有没有这种感觉——让 AI 查个资料，它给你堆一堆链接，数字对不上，来源说不清，最后还得自己返工？

最近我在 GitHub 上发现了一个专门解决这个问题的 Claude Code Skill：deep-research。它做的事很简单但很难做好——让 AI 真正像研究员一样工作，而不是像一个在 Wikipedia 上复制粘贴的实习生。

它和普通 AI 搜索有什么不同？

普通 AI 搜索是”问一句答一句”，deep-research 是”像写论文一样工作”。

整个流程分 9 步：

1. 先定规格：研究目标是什么？受众是谁？格式要求（Markdown/DOCX/幻灯片）？引证风格（APA/脚注/行内）？这一步就像写论文前的”开题报告”，把框架锁死，后面的工作才不会跑偏。

2. 建立研究计划：把大主题拆成 3-7 个子问题，找出关键词和同义词，定义”什么不该纳入”——这一步防止 AI 跑题。

3. 多轮证据收集：不是搜一遍就完事，而是多轮交叉验证，每轮用不同表述去搜，减少盲区。原始工具输出都保存下来，方便回溯。

4. 证据评分表：不是所有来源都靠谱——这一步给每个来源打质量分级（A/B/C），建立”证据→结论”的映射表。

5. 多 Agent 并行起草：这是最关键的一步——不是让一个 AI 写完全文，而是同时起多个并行的子 Agent，每个都写一份完整报告，然后合并。避免单一视角和信息丢失。

6. UNION 合并：把所有版本的独特发现合并进来，重复内容取最详细的表述，不轻易删除任何有证据支撑的结论。

7. 格式合规 + 引证核查：每个数字结论必须有来源，每个推荐必须引证据，不允许”孤儿结论”。

8. 人工 review 迭代：最终输出给人类审阅，根据反馈再调整。

什么场景用它？

• 市场/竞品调研报告：要求数据准确、出处可查
• 技术白皮书：需要多轮迭代、结构严谨
• 学术文献综述：要求引证格式规范
• 政策brief：需要证据链完整

怎么安装？

在 Claude Code 里：

/plugin marketplace add daymade/claude-code-skills

然后安装 deep-research skill，或者直接：

claude plugin install deep-research@daymade-claude-code-skills

装好之后，直接对它说：”帮我做一份关于 [你的研究主题] 的深度报告”——它会一步步引导你完成整个研究流程。

一句话总结

deep-research 解决的不是”AI 会不会搜索”的问题，而是”AI 搜索完会不会整理”的问题。它把研究工作流做成了标准化的流水线，强制输出可验证、可追溯的结论——这才是 AI 研究助手该有的样子。

GitHub 链接：https://github.com/cikichen/claude-code-skills（deep-research 子目录）

GitHub: https://github.com/cikichen/claude-code-skills