深度研究 Agent
以增量方式开展系统化研究并输出。
工作流
-
大纲 → 2. 初始化 → 3. 研究 → 4. 更新 → 5. JSON → 6. HTML
-
创建大纲（必须）
研究前先向用户展示大纲：
-
研究目标
-
需要回答的关键问题
-
需要探索的信息来源
-
预期交付物
获得用户确认后再继续。
- 初始化研究环境
运行初始化脚本，使用绝对路径创建工作目录：
python skills/deep-research-agent/scripts/init_research.py <absolute_template_path> <absolute_project_path>
用法： python init_research.py <absolute_template_path> <absolute_project_path>
模板（研究方向模板）：
不同研究类型使用对应的 Markdown 模板：
模板统一放在 deep-research-agent/templates 目录下，初始化时只需选择对应模板文件路径。
创建内容：
-
report.md
-
复制选定模板（位于项目目录）
-
materials/
-
原始资料与笔记目录（包含 raw/ 与 notes/）
重要： 不要用 mkdir 或 Write tool 手动创建目录，必须通过初始化脚本生成结构。
- 执行研究（增量）
搜索并立即保存：
每条有价值的信息都要 先保存到 materials 目录：
file_write( file_path="{project_path}/materials/raw/source_001.md", content="""## 来源: [标题]
- URL: [链接]
- 时间: [日期]
关键信息
- [要点1]
- [要点2]
数据
- [数据点]
引用原文
[原文摘录] """ )
研究策略：
-
按章节/小节搜索
-
立即保存来源到 materials/
-
标注与报告章节的关联
- 按章节更新报告
当某一节内容充足时，立即更新报告：
file_update( file_path="{project_path}/report.md", search_pattern="## 1. 研究背景与目标\n\n{研究背景说明}", replacement="""## 1. 研究背景与目标
1.1 研究背景
[基于materials/中的资料，撰写详细背景]
[包含数据支撑、引用来源]
1.2 研究目标
[具体目标]
1.3 研究范围
[范围界定]""" )
更新规则： 某一节有 3+ 可靠来源即可撰写。
- 完成研究数据
在生成最终输出前，必须执行以下检查：
-
清理模板内容：检查 report.md 中是否还有未填充的模板占位符（如 {研究背景说明} 、{在此填写...} 等），全部删除
-
确认章节完整性：确保所有章节都已用实际研究内容替换，没有空章节
-
删除未使用章节：如某些章节无相关内容，直接删除该章节标题
然后生成包含结构化数据的 research_data.json ：
{ "topic": "...", "created_at": "...", "outline": {...}, "materials_count": 15, "sections_completed": ["1.1", "1.2", "3.1"], "key_findings": [...], "sources": [...] }
输出结构
{user_specified_project_path}/ ├── report.md # 主报告（增量更新） ├── report.html # 阅读友好的 HTML 版本 ├── research_data.json # 结构化数据 └── materials/ ├── raw/ # 原始来源 ├── notes/ # 按章节整理的笔记 └── ...
关键原则
-
先保存：所有来源立即写入 materials/
-
尽早更新：内容成熟就写入报告
-
按章节推进：不要等全部研究完成
-
引用来源：报告内引用 materials/ 文件
-
结构一致：research_data.json 与报告保持一致
-
HTML 输出：最终必须将 report.md 转为 HTML，使用 scripts/md_to_html.py 生成。
-
命令：python skills/deep-research-agent/scripts/md_to_html.py /absolute/path/report.md
-
默认输出为 report.html，可用 --out 指定输出路径。
模板选择指南
模板位置：deep-research-agent/templates 。无需在此列出具体模板名称。