Deep Research

深度研究

使用 firecrawl 和 exa MCP 工具，从多个网络来源生成详尽且有引用的研究报告。

何时激活

• 用户要求深入研究任何主题
• 竞争分析、技术评估或市场规模测算
• 对公司、投资者或技术的尽职调查
• 任何需要综合多个来源信息的问题
• 用户提到"研究"、"深入探讨"、"调查"或"当前状况如何"

MCP 要求

至少需要以下之一：

• firecrawl — firecrawl_search, firecrawl_scrape, firecrawl_crawl
• exa — web_search_exa, web_search_advanced_exa, crawling_exa

两者结合可提供最佳覆盖范围。在 ~/.claude.json 或 ~/.codex/config.toml 中配置。

工作流程

步骤 1：理解目标

提出 1-2 个快速澄清性问题：

• "您的目标是什么——学习、做决策还是撰写内容？"
• "有任何特定的角度或深度要求吗？"

如果用户说"直接研究即可"——则跳过此步，使用合理的默认设置。

步骤 2：规划研究

将主题分解为 3-5 个研究子问题。例如：

• 主题："人工智能对医疗保健的影响"
  • 目前医疗保健领域的主要人工智能应用有哪些？
  • 测量到了哪些临床结果？
  • 存在哪些监管挑战？
  • 哪些公司在该领域处于领先地位？
  • 市场规模和增长轨迹如何？

步骤 3：执行多源搜索

对每个子问题，使用可用的 MCP 工具进行搜索：

使用 firecrawl：

firecrawl_search(query: "<sub-question keywords>", limit: 8)

使用 exa：

web_search_exa(query: "<子问题关键词>", numResults: 8)web_search_advanced_exa(query: "<关键词>", numResults: 5, startPublishedDate: "2025-01-01")

搜索策略：

• 每个子问题使用 2-3 个不同的关键词变体
• 混合使用通用查询和新闻聚焦查询
• 目标总共获取 15-30 个独特的来源
• 优先级：学术、官方、知名新闻 > 博客 > 论坛

步骤 4：深度阅读关键来源

对于最有希望的 URL，获取完整内容：

使用 firecrawl：

firecrawl_scrape(url: "<url>")

使用 exa：

crawling_exa(url: "<url>", tokensNum: 5000)

完整阅读 3-5 个关键来源以获得深度信息。不要仅依赖搜索片段。

步骤 5：综合并撰写报告

构建报告结构：

# [主题]：研究报告*生成日期：[date] | 来源数量：[N] | 置信度：[高/中/低]*
## 执行摘要[3-5 句关键发现概述]
## 1. [第一个主要主题][带有内联引用的发现]- 关键点 ([Source Name](url))- 支持性数据 ([Source Name](url))
## 2. [第二个主要主题]...
## 3. [第三个主要主题]...
## 关键要点- [可执行的见解 1]- [可执行的见解 2]- [可执行的见解 3]
## 来源1. [Title](url) — [一行摘要]2. ...
## 方法论搜索了网络和新闻中的 [N] 个查询。分析了 [M] 个来源。调查的子问题：[列表]

步骤 6：交付

• 简短主题：在聊天中发布完整报告
• 长篇报告：发布执行摘要 + 关键要点，将完整报告保存到文件

使用子代理进行并行研究

对于广泛的主题，使用 Claude Code 的 Task 工具进行并行处理：

并行启动3个研究代理：1. 代理1：研究子问题1-22. 代理2：研究子问题3-43. 代理3：研究子问题5 + 交叉主题

每个代理负责搜索、阅读来源并返回发现结果。主会话将其综合成最终报告。

质量规则

1. 每个主张都需要有来源。不要有无来源的断言。
2. 交叉验证。如果只有一个来源提及，请将其标记为未经验证。
3. 时效性很重要。优先选择过去 12 个月内的来源。
4. 承认信息缺口。如果某个子问题找不到好的信息，请如实说明。
5. 不捏造信息。如果不知道，就说"未找到足够的数据"。
6. 区分事实与推断。清楚标注估计、预测和观点。

示例

"研究核聚变能源的当前现状""深入探讨 2026 年 Rust 与 Go 在后端服务中的对比""研究自举 SaaS 业务的最佳策略""美国房地产市场目前情况如何？""调查 AI 代码编辑器的竞争格局"