TTokenySpace
返回 Skills 列表

深度研究引擎(免费版)

提供多源调研支持,包括范围界定、多向量搜索、五维来源评估及迭代深化,助力系统化深度研究(免费版)。

#中文
0

安装到 Tokeny(自动)

下载 ZIP
安装"in-depth-research-free"技能
技能信息:
- 名称: 深度研究引擎(免费版)
- 标识: in-depth-research-free
- 描述: 提供多源调研支持,包括范围界定、多向量搜索、五维来源评估及迭代深化,助力系统化深度研究(免费版)。
- 版本: 1.0.0
下载地址:
https://www.tokeny.space/api/skills/in-depth-research-free/download
继续

复制上方内容到 Tokeny 客户端并在会话中发送即可自动安装;也可直接 下载 ZIP并拖动到技能窗口安装。

SKILL.md

深度研究引擎(免费版)

系统化深度研究方法论,通过七步协议实现多源调研,覆盖范围界定、多向量搜索、来源评估与迭代深化.

输入格式

参数名类型必填说明
inputstring深度研究引擎(免费版)处理的输入数据或指令
optionsobject附加配置选项,如模式选择、格式偏好等
callback_urlstring异步处理完成后的回调通知URL

依赖说明

运行环境

  • Agent平台: 支持SKILL.md的任意AI Agent(Claude Code / Cursor / Codex / Gemini CLI等)
  • 操作系统: Windows / macOS / Linux

依赖项

依赖项类型是否必需获取方式
LLM APIAPI必需由Agent内置LLM提供

API Key 配置

需要配置对应API Key,详见上文环境配置章节

可用性分类

  • 分类: MD+EXEC()

API Key配置方式:

export API_KEY=${API_KEY:?请设置环境变量}

配置后需重启会话或开启新终端生效。API Key应妥善保管,避免泄露到版本控制系统.

核心能力

1. 研究范围界定

搜索前明确以下要素:

  • 需要回答的确切问题是什么?
  • 需要的深度级别?(概览 / 彻底 / 穷尽)
  • 这将支持什么决策?
  • 时间/精力预算?

将模糊问题重构为具体、可回答的查询.

2. 多向量搜索

多维度搜索方法:

  • 从宽到窄逐步聚焦
  • 多搜索引擎/多信息源并行
  • 追踪引用链(从二手到一手来源)
  • 主动寻找对立观点
  • 跟踪每个来源,不遗漏未标注信息

3. 来源可信度五维评估

对每个来源评估:

  • 权威性:谁写的?什么资质?
  • 时效性:何时发布?仍然有效?
  • 证据性:主张有数据支撑?
  • 偏见性:有任何议程或利益冲突?
  • 佐证性:其他来源是否确认?

标记低可信度来源,据此加权发现.

4. 迭代深化

研究是迭代的:

  • 初始发现揭示新问题
  • 跟踪有前景的线索
  • 填补已识别的空白
  • 停止条件:答案清晰、收益递减、预算耗尽

记录停止决策及原因.

快速开始

  1. 确认运行环境满足依赖说明中的要求
  2. 在AI Agent对话中调用本技能,提供必要的输入参数
  3. 检查输出结果,根据需要进行后续处理

详细的输入输出格式请参考下方章节说明。

深度级别

级别时间投入来源数量适用场景
Quick5-10分钟3-5简单事实问题
Standard30-60分钟8-15大多数研究请求
Thorough2-4小时20-30重要决策
Exhaustive数天50+关键高风险决策

开始前确认深度级别,发现需要调整时及时沟通.

适用场景

场景输入输出
技术选型调研候选技术+评估维度对比分析+推荐+置信度
竞品分析竞品列表+分析维度五维评估+差距矩阵
市场趋势研究行业/领域趋势发现+来源链+空白标注
事实核查待验证主张真伪判定+证据链+置信度

不适用于:快速查询(直接搜索即可)、合并已有文档、持续监控.

使用流程

  1. Scope:界定问题、深度级别、决策目标
  2. Search:多向量搜索,跟踪引用链
  3. Evaluate:五维评估每个来源
  4. Deepen:迭代深化,填补空白
  5. Synthesize:调和矛盾,标注置信度
  6. Document:记录来源链和搜索过程
  7. Deliver:按需求格式交付

结果验证: 任务完成后,查看输出确认状态。成功时返回摘要和数据;失败时根据错误信息排查,参考恢复章节获取修复步骤.

示例

示例1:技术选型研究

输入: "对比PostgreSQL和MongoDB用于电商订单系统,深度: Standard"
Scope: 问题=关系型vs文档型在电商场景的优劣 | 深度=Standard(30-60min, 8-15源)
Search: 官方文档+性能基准+电商案例+社区讨论
Evaluate: 官方文档权威性高,社区讨论需佐证
Synthesize:
  ANSWER: PostgreSQL更适合电商订单系统,事务一致性需求优先于灵活schema
  CONFIDENCE: High — 多个生产案例佐证
  KEY FINDINGS:
  - 订单需ACID事务(PostgreSQL原生支持)— pg官方文档
  - MongoDB 4.0+支持事务但性能开销更大 — 基准测试论文
  - 电商场景join查询频繁(PostgreSQL优化更好)— 3个生产案例
  GAPS: 超大规模(10亿+订单)的分片对比数据不足

错误处理

错误场景原因处理方式
搜索结果全部来自同一来源信息茧房或搜索策略单一强制使用不同搜索引擎,追踪引用链到一手来源,主动搜索对立观点
来源间严重矛盾无法调和信息不对称或利益方故意误导按五维评估加权,标注矛盾点和各方立场,明确哪个来源更可信及原因
深度级别与时间预算冲突Thorough/Exhaustive需要大量时间与用户确认优先级,可先交付Standard级别初步发现,标注"需进一步深化的领域"
关键信息完全找不到研究领域新颖或信息被刻意隐藏在GAPS章节明确标注"无法确定",不编造信息,建议替代信息源或专家咨询

常见问题

Q1: 深度研究的Quick和Standard级别有什么实际区别?

Quick(5-10分钟,3-5来源)适合简单事实确认,如"某API的速率限制是多少"。Standard(30-60分钟,8-15来源)适合需要多角度验证的常规研究,如"某技术的优缺点"。Quick通常1-2轮搜索即可,Standard需要3-5轮迭代深化,包括追踪引用链和交叉验证.

Q2: 五维评估中哪个维度最重要?

取决于研究主题。技术类研究时效性最重要(过时信息有害),学术类研究权威性和证据性最重要,争议性话题偏见性最重要。通用建议:先看偏见性(排除利益相关方),再看权威性和证据性(筛选可信信息),最后看时效性和佐证性(验证当前有效性).

Q3: 来源间矛盾时如何决定相信谁?

不简单"选边站",而是:1)检查各方利益冲突(谁可能从特定结论中获益);2)比较证据质量(有数据vs仅观点);3)看独立佐证数量(多个独立来源支持的结论更可信);4)在输出中明确标注矛盾和各方立场,让用户了解不确定性.

已知限制

  • 研究质量受信息源可访问性限制
  • 付费墙后的学术/行业报告可能无法获取
  • 实时变化的信息(如市场价格)有时效性风险

升级提示

本免费版提供基础功能。升级到完整版 in-depth-research 获取全部能力和高级特性.

输出格式

{
  "success": true,
  "data": {
    "result": "深度研究引擎(免费版)处理结果",
    "execution_time": "0.5s",
    "metadata": {
      "version": "1.0",
      "processor": "in-depth-research"
    }
  },
  "execution_log": [
    "解析输入参数",
    "执行核心处理",
    "格式化输出结果"
  ],
  "error": null
}

评论

加载中…