SeanEllyJames/deep-research-skill
一个让AI Agent敢下判断而不是只会摆信息的调研提示词文件
市面上大多数AI做的所谓深度调研其实是把多个来源并行搜一遍再按主题分类，看着全面却没有真正的判断。这个仓库提供一个可以直接粘进Claude Code、Cursor等工具的SKILL.md文件，逼Agent在搜索前先拷问问题本身，最后落到一个业内人真会争论的结论上。它还总结了Agent最容易踩的六种坑及对应的识别信号。
它做什么
- 把默认的Wide Research（多来源并行搜索、按主题分类出checklist）和本skill倡导的Deep Research（精读少数一手源、提炼张力、论证出判断）做对比，指出前者只是排版整齐却没有观点的产出。
- 定义四阶段工作流：Phase 0在搜索前先拷问隐藏假设和那个显而易见但其实不对的标准答案；Phase 1要求完整精读3到5篇一手文献，如财报、创始人博文、电话会议逐字稿等。
- Phase 2选2到3个案例做深度对比并专门挖掘失败案例和批评声音；Phase 3交叉验证多个来源，对单源信息标注存疑，把矛盾本身当作最值得分析的发现。
- Phase 4强调段落优先于表格、每章只推进一个论点、诚实标注未知项，并要求自检：如果核心结论不会在业内引发争论就重写。
- 列出六种翻车方式并配有检测信号，其中一次真实事故是子agent递归fan-out，从3个变成13个、50多个，最终失控到149个agent，产生了一笔意外的API账单。
为什么重要
对于用AI做调研或写报告的人来说，这套方法提供了一个具体的标准，用来筛掉看着全面实则空洞的产出，逼出真正有价值的判断。它同时也是一个实际的警示，提醒人们警惕子agent无限递归导致成本失控的风险。
本仓库术语
- Wide Research · 并行搜索多个来源、按主题分类整理的浅层调研方式
- Deep Research · 精读少数一手源、分析矛盾并给出论证性判断的调研方式
- SKILL.md · 粘贴进AI Agent用来指定特定工作方式的Markdown文件
- subagent（子agent） · 主Agent派出去分担任务的辅助AI Agent
- fan-out · Agent不断分裂出更多子Agent的现象
仓库简介（英文）
让AI Agent 做真正会思考，有判断的深度调研，而不是会摆信息的汇总报告。一个即插即用的 skill 文件。
在 GitHub 打开热门仓库
- openai/codexOpenAI的编程智能体现在可以直接在终端里运行了
- cordiverse/cordis一个可以随时插拔功能模块的TypeScript编程框架
- ripienaar/free-for-dev一个仓库汇总了开发者能用的所有免费云服务、API和协作工具
- Wei-Shaw/sub2api让一份Claude、OpenAI、Gemini、Grok订阅可以被多人拼车共用的中转服务器
- multica-ai/andrej-karpathy-skills一份指令文件,防止AI编程助手偷偷瞎猜、乱改代码
- eneskirca/nodeterm把散乱的终端标签页和AI编程代理统一摆到一张可拖拽的画布上
- affaan-m/ECC让AI编程助手养成工程师式工作习惯的工具集
- n8n-io/n8n不用写代码,靠拖拽连接模块就能搭建自动化流程和AI智能体的工具n8n