深度研究框架

概述

深度研究技能提供了一种系统化的方法，用于对任何主题进行深入调查。它结合多种工具和方法论，实现信息的收集、分析、验证与综合。

核心组件

1. 研究规划

• 明确研究目标
• 确定关键问题
• 建立搜索标准
• 确定验证要求

2. 信息收集

• 多源网络搜索
• 从不同格式中提取内容
• 验证来源多样性
• 评估时间相关性

3. 分析与综合

• 多个来源交叉比对
• 识别模式与矛盾点
• 评估来源可信度
• 系统化组织研究成果

4. 验证与核实

• 对照权威来源进行事实核查
• 交叉验证主张内容
• 识别潜在偏见
• 评估信息可靠性

研究工作流程

第一阶段：初步调查

1. 主题分析

- 明确研究范围

- 识别核心概念与术语

- 定义需要回答的具体问题

1. 广泛搜索

- 使用 web_search 识别主要来源

- 收集多元视角

- 绘制现有信息的全景图

1. 来源优先级排序

- 按权威性和相关性对来源排序

- 区分一手与二手资料

- 记录发布时间与背景信息

第二阶段：深入探究

1. 详细内容提取

- 使用 web_fetch 获取完整文章/页面内容

- 系统化提取关键信息

- 保持来源标注

1. 交叉比对分析

- 在多个来源间比较主张

- 识别共识与分歧

- 记录不一致之处以进一步调查

1. 专家来源

- 寻找学术论文、专家观点

- 查找同行评审资料

- 识别该领域的公认权威

第三阶段：综合与验证

1. 模式识别

- 识别各来源间的共性主题

- 突出存在争议的领域

- 标注现有信息的空白点

1. 事实验证

- 对照权威来源核对主张

- 验证日期、数据与引用准确性

- 识别潜在虚假信息

1. 偏见评估

- 评估来源客观性

- 识别潜在利益冲突

- 考虑信息的时间背景

第四阶段：报告生成

1. 结构化摘要

- 关键发现的概要

- 按主题组织的详细发现

- 每项主张的支持证据

1. 来源评估

- 来源可信度评价

- 识别研究局限性

- 不同主张的置信度评估

1. 待解决问题

- 需要进一步研究的领域

- 需要解决的矛盾信息

- 当前知识中的空白

工具集成

网络研究

• web_search：初始广搜以识别来源
• web_fetch：从特定网址获取详细内容
• browser：用于复杂网站或当 web_fetch 失败时

内容处理

• read：处理下载的内容或文档
• write：创建结构化的研究笔记
• edit：优化与整理研究成果

记忆与组织

• memory_get / memory_search：参考以往研究
• write：创建持久的研究记录
• 结构化文件组织方式用于成果归档

研究质量标准

来源多样性

• 在争议性话题中包含多方视角
• 平衡大众与学术来源
• 在相关情况下纳入国际观点
• 尽可能寻求一手资料

时间相关性

• 对快速变化的主题优先采用最新信息
• 在趋势分析中考虑历史背景
• 注明信息发布时间
• 标记可能过时的信息

权威性评估

• 优先选择同行评审的学术资料
• 考虑作者资质与机构归属
• 检查潜在的利益冲突
• 验证机构声誉

迭代式研究方法

第一周期：总体概览

• 广泛搜索以理解主题全貌
• 识别关键词、概念与利益相关方
• 建立初步研究问题

第二周期：聚焦调查

• 基于初步发现开展定向搜索
• 深入探讨具体方面
• 开始信息整合

第三周期：验证与优化

• 在多个来源中验证关键主张
• 解决矛盾点
• 根据证据优化理解

第四周期：综合与报告

• 将发现整合为连贯叙述
• 识别仍存在的不确定性
• 准备最终研究报告

输出结构

研究报告模板

# [研究主题] - 深度研究报告

## 执行摘要
[2-3句话总结关键发现]

## 研究问题
[所研究的具体问题]

## 方法论
[研究方法与使用工具的描述]

## 关键发现
[按主题组织的主要发现]

## 支持证据
[每项发现的证据及来源]

## 矛盾/争议点
[各来源之间的分歧区域]

## 来源可信度评估
[信息来源的评估结果]

## 局限性
[研究中已识别的局限]

## 后续研究需求
[需进一步调查的问题]

应用场景

学术研究

• 文献综述
• 主题探索
• 来源验证

商业情报

• 市场分析
• 竞争研究
• 技术趋势追踪

事实核查

• 主张验证
• 虚假信息识别
• 来源可信度评估

个人学习

• 主题深度探索
• 概念澄清
• 问题解答

• 始终通过多个来源验证关键声明
• 标记看似不可靠的信息
• 对夸张或耸人听闻的声明保持怀疑态度
• 优先选择权威来源，而非匿名来源
• 记录所有来源以备验证