古法编程

Appearance

Everything Claude Code 的 deep-research Skill 能自动调用 Firecrawl 和 Exa MCP，聚合多源 Web 检索，智能拆分调研子问题，并生成含引用、可追溯的结构化调研报告。无论是技术评估、竞品分析还是市场趋势洞察，均可一键获得高质量、可验证的调研输出，极大提升 AI 辅助编程与决策效率。

Everything Claude Code Deep Research Skill：Firecrawl + Exa 多源研究并生成含引用的调研报告 ​

在 AI 编程助手日常使用中，遇到“需要深入调研某一技术、市场、竞品或行业现状”时，传统做法往往依赖人工 Google/Bing 检索、手动筛选资料、整理笔记和引用，既耗时又容易遗漏关键信息。Everything Claude Code 的 deep-research Skill 正是为此场景而生：它能自动调用 Firecrawl 和 Exa 两大 MCP，聚合多源 Web 数据，自动拆解子问题、并行检索、深度阅读权威来源，最终生成结构化、含引用的调研报告，极大提升调研效率和结果可信度。

本指南将详细介绍 deep-research Skill 的应用场景、触发条件、分步操作流程、输出示例，以及与其他 Agent/Skill 的协作关系，帮助你在实际项目中高效用好这一能力。

1. 适用场景与激活条件 ​

1.1 解决的问题 ​

  • 多源深度调研自动化：无需手动切换搜索引擎、整理资料，Skill 自动完成全流程。
  • 引用溯源与可信度保障：每一条结论都附有来源链接，便于核查和后续追溯。
  • 子问题拆解与并行处理：复杂主题自动分解为 3~5 个子问题，支持多 Agent 并行检索与分析。
  • 适用于多种调研场景：如技术选型、竞品分析、市场规模评估、尽职调查等。

1.2 触发条件 ​

当你在 Claude Code 或 Codex 等 AI 编程助手中提出如下需求时，deep-research Skill 会自动激活：

  • “请深入调研 XX 技术/市场/公司”
  • “帮我做一份关于 XX 的竞品分析”
  • “研究一下 XX 领域的最新进展”
  • “当前 XX 行业的现状如何？”
  • “请做一次深度调查并给出引用”

Skill 会自动识别“research”、“deep dive”、“investigate”、“what's the current state of”等关键词，也可通过显式调用触发。

2. Deep Research Skill 使用流程（Step by Step） ​

Step 1：明确调研目标 ​

Skill 会主动追问 1~2 个澄清性问题，确保理解你的真实需求。例如：

  • “你的目标是学习、决策还是要写报告？”
  • “有无特别关注的角度或深度要求？”

如用户仅说“帮我调研 XX”，则自动采用合理默认设置。

Step 2：自动拆解子问题 ​

Skill 会将主题拆解为 3~5 个可独立检索的子问题。例如：

主题：“AI 对医疗行业的影响”

子问题示例：

  1. 当前医疗行业主要的 AI 应用有哪些？
  2. 已有的临床效果数据如何？
  3. 面临哪些监管挑战？
  4. 主要的领先企业是谁？
  5. 市场规模及增长趋势如何？

Step 3：多源并行检索 ​

Skill 自动调用 MCP 工具进行检索：

Firecrawl 检索 ​

typescript
firecrawl_search(query: "<子问题关键词>", limit: 8)

Exa 检索 ​

typescript
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")
  • 每个子问题会使用 2~3 组关键词变体，混合常规与新闻型检索，确保覆盖面。
  • 优先级顺序：学术/官方/权威新闻 > 专业博客 > 论坛讨论。
  • 目标总检索来源数：15~30 个唯一来源。

Step 4：深度阅读关键来源 ​

Skill 会自动筛选出最有价值的 3~5 个 URL，抓取全文内容：

Firecrawl 深度抓取 ​

typescript
firecrawl_scrape(url: "<url>")

Exa 深度抓取 ​

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

Skill 不仅依赖搜索摘要，而是深度解析原文，确保结论有据可查。

Step 5：结构化报告生成（含引用） ​

Skill 根据统一模板输出结构化调研报告，包含：

  • 报告标题、生成时间、来源数量、可信度评级
  • Executive Summary（核心结论摘要）
  • 3~5 个主题分节，所有结论均带内联引用
  • Key Takeaways（可执行洞察）
  • Sources（完整来源列表，含一行摘要）
  • Methodology（方法说明，含检索方式、子问题列表）

报告结构示例：

markdown
# [主题]：Research Report
*Generated: 2026-04-15 | Sources: 22 | Confidence: High*

## Executive Summary
- [3~5 句核心结论]

## 1. [主题一]
- 主要发现 ([来源名](url))
- 支持数据 ([来源名](url))

## 2. [主题二]
...

## Key Takeaways
- 洞察 1
- 洞察 2

## Sources
1. [标题](url) — [一行摘要]
...

## Methodology
Searched 18 queries across web and news. Analyzed 22 sources.
Sub-questions: [列表]

Step 6：结果交付 ​

  • 短报告：直接在会话中输出完整报告
  • 长报告：会话输出 Executive Summary + Key Takeaways，完整报告保存为文件

3. 并行子 Agent 与协作模式 ​

对于主题广泛、信息量大的调研，deep-research Skill 可自动调用 Claude Code 的 Task 工具，分派多个子 Agent 并行处理不同子问题。例如：

bash
# 并行启动 3 个子 Agent
1. Agent 1：负责子问题 1-2
2. Agent 2：负责子问题 3-4
3. Agent 3：负责子问题 5 及交叉主题

主会话负责最终汇总、去重与结构化输出。这一模式显著提升大规模调研的速度与覆盖度，适合团队协作和高并发场景。

4. 输出示例 ​

假设你输入：“请调研 2026 年 AI 代码编辑器的竞品格局”，Skill 可能输出如下结构：

markdown
# 2026 年 AI 代码编辑器竞品格局：Research Report
*Generated: 2026-04-15 | Sources: 19 | Confidence: High*

## Executive Summary
2026 年，AI 代码编辑器市场由 Claude Code、Cursor、OpenCode 等主导，集成多模态协作和端侧推理能力。主流产品在插件生态、安全防护和团队协作上差异明显，市场竞争加剧，预计年复合增长率达 28%（[Gartner](https://www.gartner.com/...)）。

## 1. 主流产品与功能比较
- Claude Code 支持 38 Agent、156 Skill，强调自动化与安全（[官方文档](https://everythingclaudecode.com/...)）
- Cursor 强调端侧推理与本地隐私（[TechCrunch](https://techcrunch.com/...)）

## 2. 市场规模与增长
- 2025 年市场规模 12 亿美元，预计 2028 年达 32 亿美元（[Gartner](https://www.gartner.com/...)）

## Key Takeaways
- 插件生态和安全能力成为差异化关键
- 团队协作与多平台支持为主要增长点

## Sources
1. [Gartner 2026 AI Code Editor Market Report](https://www.gartner.com/...) — 市场规模与增长预测
2. [TechCrunch: AI Code Editor Trends](https://techcrunch.com/...) — 竞品功能对比
...

## Methodology
Searched 15 queries across web and news. Analyzed 19 sources.
Sub-questions: [主流产品、市场规模、功能差异、增长趋势]

5. 常见配套 Agent/Skill 与协作关系 ​

  • 与 Exa Search Skill 协作：可单独调用 Exa 进行神经搜索，适合代码、公司、人员深度检索。
  • 与 Market Research Skill 配合：适用于市场规模与竞品分析场景，deep-research Skill 更强调多源证据和结构化输出。
  • 与 Search First Skill 结合：可在编码前先自动调研，防止重复造轮子。
  • 与 Team Builder Skill 协作：支持多 Agent 并行调研，适合大规模、跨领域主题。

更多 Agent/Skill 体系说明可参考 Everything Claude Code 完全指南。

6. 质量保障与注意事项 ​

  • 每条结论都需有来源，无引用内容会被自动标记为“未验证”。
  • 优先近 12 个月内的权威来源，保证信息时效性。
  • 如某子问题无可靠资料，Skill 会明确说明“未找到足够数据”，避免幻觉。
  • 区分事实与推断，所有预测、估算、观点均需显式标注。
  • 配置要求：需在 ~/.claude.json 或 ~/.codex/config.toml 配置至少一个 MCP（firecrawl 或 exa），建议两者都启用。

FAQ ​

Q: deep-research Skill 和普通 Web 检索有何区别？
A: 它能自动拆解子问题、并行多源检索、深度抓取全文，并输出含引用的结构化报告，而非仅返回搜索摘要。

Q: 没有配置 firecrawl 或 exa MCP 能用吗？
A: 至少需配置其中一个 MCP，否则无法自动检索和抓取网页内容，建议同时启用以获得最佳覆盖。

Q: 如何保证报告内容的可信度？
A: 所有结论均带权威来源引用，Skill 自动优先近 12 个月的学术、官方或主流媒体，并标记未验证或信息缺口，避免幻觉。

友情链接： 能跑吗 · 打工算 · 车主算 · 开发工具 · 人工不智能

Copyright © 2026 地豆 蜀ICP备2021007188号 | 关于本站 | 隐私政策