深度调研工作流

🚦 硬上限：任意时刻并行 subagent ≤7 个。 维度多就分批，不要抬高上限。子 agent 禁止再派子 agent——递归 fan-out 是最烧钱的失败模式（见错误 6）。如果你的平台自带一个 fan-out 到几十个 agent 的"deep research"模式，不要用它，用本流程做受控并行。

元数据

• 类型: Workflow
• 适用场景: 需要对某个主题进行深度、全面、可验证的第三方调研，并且你要的是一个"判断"，不是一份综述
• 输出位置: 你指定的一个输出目录

核心原则

1. 一手源优先: 先找原始文献（官方公告、技术论文、创始人博文、财报电话会议），精读后再做广度搜索。二手信息层层转手会蒸发洞见
2. 论点驱动: 报告的结构是论证链（观察 → 分析 → 判断），不是主题分类（市场 → 竞争 → 趋势）。每一章推进一个论点，前后有逻辑递进
3. 交叉对比: 选 2-3 个核心案例做深度对比，找收敛点和分歧点。收敛本身就是洞见，分歧背后的原因更是洞见
4. 标注不确定性: 诚实区分"确定知道的"、"合理推断的"、"不确定的"。过于确定的结论是分析不严谨的信号
5. 可追溯性: 所有引用必须保留 URL，关键引用保留原文摘录
6. 单一交付: 最终只交付一个汇总报告，中间结果不保存

关键区分：Wide Research vs Deep Research

Wide Research（信息搬运）：搜索多个来源 → 按主题分类摆放 → 输出 checklist。这是 LLM 的默认模式，产出的是"正确的废话"。

Deep Research（分析）：精读一手源 → 提炼矛盾和张力 → 用分析框架产出独特判断。深度来自认知维度（你用什么框架看问题），不是信息维度（你覆盖了多少个角度）。

本 workflow 的目标是后者。

模型分工策略

调研 subagent（Phase 1/2 的信息搜索、抓取、摘要）使用便宜/快速的模型。这类任务判断密度低、信息密度高，小模型质量持平且成本低得多。

主 agent 保持最强模型执行 Phase 0（元思考）、Phase 3（交叉验证）、Phase 4（写作）。这些步骤需要综合判断力。

搜索工具选择规则

所有搜索和网页抓取操作，无论主 agent 还是 subagent，遵循以下优先级：

1. 首选专用搜索/抓取工具（如 Tavily 这类搜索 MCP，或等价工具）：返回内容更干净、更完整
2. 降级条件：仅当首选工具不可用（连接失败、工具未加载、返回错误）时，才切换到内置 WebSearch / WebFetch
3. 降级时必须告知：切换到备选工具时说明原因

工作流程

Phase 0: 元思考与框架对齐（主 agent 执行，不委派）

目标: 质疑问题本身，定义"好答案"的标准，确定分析视角

Step 0a: 质疑问题。动手搜索之前，先回答三个问题：

1. 用户为什么要问这个？背后的隐藏假设是什么？这些假设是否合理？
2. 如果突破这些假设，能否问出更好的问题？（例如："A 收购 B 意味着什么"，更好的问题可能是"为什么 A 必须在此刻用这种方式收购 B，而不是别的选项"）
3. 这个问题有没有一个"显而易见但其实不对"的标准答案？如果有，这篇报告的价值就在于说清楚它为什么不对

Step 0b: 定义好答案的标准。明确写出这篇报告要满足什么条件才算"好"，通常包括：

• 读者读完后获得了至少一个此前没有的判断（不是信息，是判断）
• 核心论点如果放到一群业内人面前，至少会引发争论（而非所有人点头说"没错"）
• 有明确的"我不知道什么"部分，诚实标注盲区

Step 0c: 框架选择与假设形成

1. 明确调研的核心问题（不是"主题"，是"问题"）
2. 选择 1-2 个分析框架，例如：价值链分析、Porter's Five Forces、技术采纳曲线、Jobs-to-be-Done、类比推理（历史上最相似的案例是什么，结局如何）、反事实分析
3. 形成 2-3 个待验证的假设/论点，其中至少一个应该是反直觉的

输出: 分析框架、初始假设、"好答案的标准"（在内存中，用于指导后续 agent prompt 和最终报告自检）

Phase 1: 一手源精读

目标: 找到 3-5 篇最重要的原始文献，提炼核心论点和矛盾

1. 启动 1-2 个 subagent（便宜模型），专门寻找和精读一手源：官方公告、新闻发布会原文、财报电话会议记录、创始人/CEO 的博客或采访原文、技术论文、产品文档、权威分析师的原始报告（不是媒体转述）
2. 每个 subagent 的 prompt 必须强调：
   • 找原文，不要找别人对原文的总结
   • 完整阅读每篇源文献，提取：核心论点、关键数据、内部矛盾、未说的东西（沉默本身是信号）
   • 注意作者的立场和利益关系（CEO 说自家产品好不算证据）

这一步的目标不是广度覆盖，而是对少数源文献的深度理解。

每个调研类 subagent 的 prompt 末尾必须附加的搜索工具指令：

## 搜索工具规则（硬性约束，违反即失败）
搜索和抓取必须优先使用专用搜索/抓取工具（搜索 MCP 或等价工具）。
只有首选工具不可用（连接失败或工具未加载）时才降级到 WebSearch/WebFetch。
降级时说明原因。

Phase 2: 对比分析与广度补充

目标: 通过对比产生洞见，用广度搜索补充数据和反例

1. 基于 Phase 1 的发现，启动 2-3 个 subagent（便宜模型）：
   • 对比 agent: 选 2-3 个最有代表性的案例做深度对比。他们的选择为什么不同？背后反映了什么假设的分歧？
   • 反例 agent: 专门寻找反面证据、失败案例、批评观点。搜索关键词加 "criticism"、"failure"、"problem"、"why not"
   • 数据 agent: 补充定量数据（市场规模、融资、用户量等），但数据服务于论点，不是论点服务于数据
2. 维度之间保持 ≥50% 的 overlap，让不同 agent 发现同一信息的不同解读

每个 subagent 的 prompt 必须包含：Phase 0 确定的分析框架和假设；明确的对比维度或反例搜索方向；要求返回 URL 和原文摘录（不是总结）；不需要将结果写入文件，只需返回给主 agent。

Phase 3: 整合、交叉验证与论点构建（主 agent 执行）

目标: 从原始材料中构建论证链，发现矛盾，形成独特判断

1. 对比各 subagent 返回的结果：多个 agent 都发现的信息 → 可信度高；只有单一来源 → 标注来源，提醒验证；互相矛盾的信息 → 特别标注，分析矛盾本身意味着什么
2. 回到 Phase 0 的假设，逐一验证：被确认（用什么证据）？被推翻（为什么，推翻本身是否产生新洞见）？无法判断（诚实标注）？
3. 构建论证链：观察 → 分析 → 判断 → 局限性
4. 如果发现重大矛盾或信息缺口，可以再启动 subagent 针对性验证

Phase 4: 撰写最终报告（主 agent 执行，不委派）

写作原则:

• 论点驱动结构: 每章推进一个论点，不是罗列一个主题。读者读完每章应该获得一个判断，不只是一堆信息
• 段落论证为主: 用自然语言段落展开论证，少用表格和 bullet points。表格用于速查数据，不用于传递洞见
• 交叉对比产出洞见: "A 和 B 从不同方向出发，收敛到了同一个结论"比"A 做了 X，B 做了 Y"有价值得多
• 诚实标注局限: 明确说出"这篇报告没有覆盖什么"、"哪些结论的确定性较低"、"哪些假设可能有问题"
• 原文引用: 关键论据引用原文，不要只给总结。让读者能验证你的解读是否准确
• 不做投行路演 deck: 不需要每个结论都乐观。如实呈现利好和风险，让读者自己判断
• 反直觉优先: 如果一个结论所有人都同意，花更多笔墨在"为什么这个共识可能错"上
• 写给聪明的外行: 技术细节服务于判断，不是炫技。一个好的类比比三段参数对比更有力
• 回扣 Phase 0 的标准: 写完后用 Phase 0b 定义的"好答案标准"自检。如果核心论点放到业内不会引发任何争论，重写

格式要求:

• Markdown
• 所有引用必须有 URL，关键引用保留原文摘录
• 报告末尾必须附"信息源"章节：集中列出本报告引用的所有原始链接，按引用顺序排列，每条包含来源标题/描述 + URL。这是报告的必要组成部分，不可省略

重要: 只生成一个最终报告文件；撰写必须由主 agent 完成（sub-agent 缺乏整体论证的上下文）；不保存中间结果。

URL 留存规范

必须保留 URL 的情况：直接引用他人原话或观点；任何数字/统计/评分；正面或负面评价的出处；产品/课程/公司的官方描述。

格式：

**来源描述**（URL）
> 原文摘录

避免："有人评价说..."（没有 URL）、"网上有文章批评..."（没有 URL）、只总结不引用原文（无法验证）。

执行纪律：最容易偷懒的地方

以下是实际执行中反复犯的错误。每次启动调研前，先检查自己有没有在犯这些错。

错误 1：跳过 Phase 0 直接派 subagent 搜索

最常见、最致命。跳过元思考意味着 subagent 在没有假设引导的情况下做广度搜索，返回的是信息碎片而非论证素材。正确做法：主 agent 先独立思考，写出假设和"好答案标准"，然后带着这些假设去设计 subagent 的 prompt。

检测信号：如果你的 subagent prompt 里没有包含"假设"或"待验证的论点"，说明你跳过了 Phase 0。

错误 2：用 subagent 的返回结构当报告骨架

subagent 返回的信息按搜索维度组织（功能、定价、用户评价），直接沿用这个结构写报告，产出的一定是主题分类式的信息汇总。正确做法：把 subagent 返回的所有信息打散，重新按论证链组织。报告的每一章推进一个论点，信息只是论点的证据。

检测信号：如果报告的章节标题可以直接用作搜索关键词（"定价对比"、"功能对比"、"适合谁"），结构大概率是信息分类而非论证链。好的章节标题应该包含判断（"能力趋同之后，竞争的新维度是什么"）。

错误 3：用表格和 bullet points 替代思考

表格是速查工具，不是论证工具。如果一个洞见可以用表格传递，那它大概率不是真正的洞见。正确做法：表格只用于读者需要反复查阅的参考数据（定价、参数），论证部分全部用段落展开。

检测信号：如果删掉报告中所有表格和 bullet points 之后，剩下的段落不能独立成文，说明思考量不够。

错误 4：结论太安全

"A 适合 X 人群，B 适合 Y 人群"这种结论任何人都能说，不需要调研就知道。报告的价值在于给出读者此前没有的判断，这意味着结论必须有被反驳的可能性。

检测信号：把你的核心结论发到一个相关领域的专业群里，如果没有人会出来反驳或讨论，这个结论太安全了。

错误 5：把"全面"当成"深度"

覆盖 10 个维度每个维度 3 句话，不如深入 3 个维度每个维度 3 段论证。深度来自认知维度（你用什么框架看问题），不是信息维度（你覆盖了多少个角度）。

检测信号：如果报告超过 5000 字但核心论点可以用 3 句话总结，大概率是广度过多、深度不足。

错误 6：子 agent 递归 fan-out

一次真实事故：主 agent 派 3 个 agent → 这 3 个拆成 13 个 → 13 个拆成 50+ → 最终 149 个 agent，一笔意外的 API 账单。子 agent 拿到宽泛的研究命题后，会自然地继续拆维度、继续派 agent，形成递归爆炸。

检测信号：如果你发现自己在给子 agent 的 prompt 里写了"你可以用 Agent 工具进一步搜索"之类的话，stop。马上要炸。

正确做法：

• 子 agent 只做搜索和摘要，不派孙 agent。在子 agent prompt 里明确写清楚
• 主 agent 自己控制并行度，需要更多维度时主 agent 亲自分批
• 有条件的话在平台层做硬限流（如 PreToolUse hook 限制每会话 agent 派发次数）。但不要依赖限流兜底——设计层面就该避免递归

写作自检清单（Phase 4 完成后执行）

1. 删掉所有表格和 bullet points 后，剩余段落能否独立成文？
2. 每章标题是否包含判断（而非主题词）？
3. 核心结论是否有被反驳的可能性？
4. 是否有至少一个反直觉的发现或判断？
5. 是否明确写出了"我不知道什么"？
6. 引用的一手源是否被精读过（而非只提取了标题和摘要）？
7. 报告结构是否可以用"因为 X → 所以 Y → 这意味着 Z"的链条串联？

如果有 3 条以上不通过，报告需要重写核心论证部分。

陷阱与对策

深度调研 Skill

逼 AI Agent 做「会下判断」的调研，而不是「会摆信息」的调研。

一个即插即用的 Markdown 文件　·　无需安装　·　粘进去就能用

市面上绝大多数所谓的「AI 深度调研」，本质是 Wide Research：并行搜一堆来源，按主题分好类，给你一份工整的 checklist。看起来很全，事实也没错，但没用——它只有目录，没有判断。

这个 skill 把 Agent 掰到另一条路上：Deep Research。精读一手源，把它们之间的矛盾挑出来，最后落到一个业内人真的会跟你争论的判断上。

一个区分，决定一切

Wide Research 是 LLM 的出厂设置，产出的是「正确的废话」。这个 skill 就是一套护栏，把它从默认模式里拽出来。

文件里装了什么

一套四阶段工作流，以及比工作流更重要的东西：不让 Agent 跳过 Phase 0 的纪律。

Phase 0　元思考 — 绝不外包 一次搜索都还没发起，先拷问问题本身：为什么问这个？隐藏假设是什么？有没有一个「显而易见但其实不对」的标准答案，而这篇报告的全部价值就是说清它为什么不对？然后写下「好答案」该长什么样：核心论点摆到一屋子业内人面前得能吵起来，而不是集体点头。

Phase 1　一手源精读 找到那 3 到 5 篇真正的原始文献（财报、创始人自己写的博文、电话会议逐字稿、论文原文），完整读完。二手总结每转一手，洞见就蒸发一层。

Phase 2　对比与反例 选 2 到 3 个案例做深度对比，专门去挖失败案例和批评声音。收敛本身是发现，分歧背后的原因是更大的发现。

Phase 3　交叉验证 多源印证的可信，单源的标注存疑，互相矛盾的——这才是最有意思的地方，去分析这个矛盾意味着什么。

Phase 4　把论证写出来 段落优先于表格，每一章只推进一个论点，诚实标注不知道的部分。最后一道自检：如果核心结论放到业内不会引发任何争论，重写。

六种翻车方式，以及怎么当场抓住自己

这个文件最值钱的部分是「翻车目录」：把 Agent 最容易走的捷径一条条写下来，每条都配一个检测信号，让你（或 Agent）当场判断是不是正在犯。

1　·　跳过 Phase 0 直接搜 没有假设引导，subagent 返回的是信息碎片，不是论证素材。

检测信号：subagent 的 prompt 里没有「假设」或「待验证的论点」。

2　·　拿 subagent 的返回结构当报告骨架 你会得到一个伪装成分析的主题目录。

检测信号：章节标题拿去当搜索关键词刚好合适（「定价对比」「适合谁」）——那是文件柜，不是论证。

3　·　用表格和 bullet 替代思考 一个洞见如果能塞进表格，它大概率不是洞见。

检测信号：删掉所有表格和 bullet 后，剩下的段落撑不起一篇文章。

4　·　结论太安全 「A 适合新手，B 适合老手」这种话不用调研就能说。

检测信号：核心结论发到专业群里，没人会出来反驳或讨论。

5　·　把「全面」当「深度」 10 个维度各 3 句，输给 3 个维度各 3 段。

检测信号：报告过万字，但核心论点三句话就能说完。

6　·　子 agent 递归 fan-out 一次真实事故就是这条规则的由来：主 agent 派 3 个 → 变 13 个 → 变 50+ → 最终 149 个 agent，一笔意外的 API 账单。

检测信号：你在给子 agent 的 prompt 里写了「你可以用 Agent 工具进一步搜索」。停，马上要炸。

快速开始

1.  把 SKILL.md 放进 Agent 的 skills 目录，或直接粘进系统提示词 / 项目指令
2.  要做正经报告时，让 Agent「按深度调研 skill 来」处理你的题目
3.  看着它在搜索之前先停下来做 Phase 0 —— 那个停顿，就是全部意义所在

任何能读 skill 文件、能派 subagent 的 Agent 都能用（Claude Code、Cursor、Cline 等）。搜索那一步默认你手上有一个搜索 / 抓取工具（比如 Tavily 这类搜索 MCP，或 Agent 自带的联网搜索），有什么用什么，skill 会自动降级适配。

• 中文主版　→　SKILL.md
• English　→　SKILL.en.md

为什么信这一份

因为它是对着一堆真实的翻车记录写出来的，不是在书房里空想的。文件里每一条反模式，都是真实调研过程中犯过、并且烧钱或丢脸到值得为它立一条规矩的错误。那个 149 个 agent 的失控故事是真的，「你的章节标题就是搜索关键词」那个信号也是真的。这是踩过的坑结成的疤，写成了提示词。

部分脱胎自 grapeot/context-infrastructure（MIT），核心框架与内容为本人原创扩展。 以 MIT License 发布