Deep Research 技能架构：从问题拆解到证据合成

普通搜索回答“有哪些页面”，深度调研要回答“证据共同支持什么、彼此冲突在哪里”。两者的差别不只是多搜几次，而是一条完整的研究管线：界定问题、拆成可独立调查的子问题、并行取证、校验来源，再把证据合成为带引用的结论。

近年一些开源项目把这套流程写成 Claude Code 的 SKILL.md 或命令文件。它们让普通用户能复用研究方法，但“装一个技能”并不等于获得可靠研究员。真正决定质量的仍是检索可用性、来源选择、引用对应关系和最终审阅。

一条深度调研管线

Anthropic 开源的 research lead agent 提示词提供了一个清晰样本。主管 Agent 不负责包办所有搜索，而是承担四项工作：

这不是“多 Agent 天然更聪明”。并行的价值在于缩短独立检索的墙钟时间，并让不同视角互相补充；如果任务拆分重叠、来源同质，多个 Agent 只会更快地产生重复内容。

广度型任务可以按地区、公司、产品或时间段切分。好的子任务边界应尽量互斥，并规定输出字段和来源标准。主管还需要先确认候选集合，否则容易在并行后才发现漏掉关键对象。

深度型任务围绕同一问题采用不同证据路线，例如官方统计、同行评议研究、监管材料和反方论证。此时重点不是让每个 Agent 都写一篇完整报告，而是让每条路线提供可核查的证据与限制。

合成不能只是拼接摘要。主管应区分事实、来源主张和研究推断，检查数字的时间与口径，处理相互矛盾的证据，并把引用放在其直接支持的句子附近。如果没有做这一步，报告再长也只是搜索结果合集。

开发者 liangdabiao 的两个仓库展示了同一骨架如何封装成不同入口：

这些项目借鉴了 Anthropic cookbook 中公开的主管 Agent 思路。它们的价值主要是降低流程复用门槛，而非发明新的检索算法。仓库自带样例、完成度说明和“生产就绪”表述属于作者口径，不能替代独立评测。

技能把过去散落在人脑里的研究纪律变成可执行文本：什么情况下继续搜索、如何分工、什么来源优先、最后报告必须包含哪些部分。它还可以把领域要求固化下来，例如财务研究优先监管披露，医学研究优先指南和系统综述。

但文本协议只能约束行为，不能凭空补上工具能力。搜索 API 失败、网页不可访问、PDF 解析错误或上下文耗尽时，流程仍会退化。子 Agent 也可能共同引用同一个错误二手来源，形成虚假的“交叉验证”。

来源等级应根据问题调整，而不是机械打分。一个实用起点是：

“官方”也不等于中立：官方文档适合证明产品提供某项功能，不足以证明它优于竞争产品。厂商 benchmark 应注明测试设置，并尽量寻找可复现材料。

深度调研技能最适合生成研究初稿和证据地图，不应在医疗、法律、投资等高风险场景直接充当最终决策。它降低了调查的边际成本，却没有取消人对问题定义和证据质量的责任。

资料核验日期：2026-08-23。对开源技能效果的判断属于基于代码与公开材料的研究推断，不代表官方认证或统一基准结论。