一、Skill 定位 #
Deep-Research 面向“复杂问题研究”而不是简单问答。
它强调多源检索、证据交叉、结构化结论和明确假设边界。
二、适用场景 #
- 行业趋势分析与竞品研究。
- 政策解读与影响评估。
- 技术方案选型对比。
- 需要附来源链路的研究报告输出。
三、安装与准备 #
1) 安装命令 #
clawhub install deep-research
clawhub sync --all
2) 研究任务准备 #
- 明确研究问题与时间范围。
- 定义可信来源优先级（官方 > 一手资料 > 二手解读）。
- 明确结论格式（摘要、证据、风险、建议）。
四、使用方法 #
Step 1：先限定研究边界 #
/skill deep-research
研究“OpenClaw 在企业自动化场景的落地模式”，时间范围限定近 12 个月，并区分官方信息与社区实践。
Step 2：执行多轮检索 #
第一轮做广覆盖，第二轮做重点深挖，第三轮只做争议点验证。
Step 3：输出结构化报告 #
建议固定四段式：
- 关键结论
- 主要证据
- 不确定性说明
- 可执行建议
Step 4：保留引用链路 #
每条重要结论都应保留来源，方便后续复核。
五、注意事项 #
- 防止信息污染：避免把转载内容当一手证据。
- 区分事实与观点：输出时必须显式区分。
- 标注时效性：策略类结论要注明时间窗口。
- 处理冲突信息：给出冲突点与权重判断理由。
- 避免过度自信：不确定结论要保留概率表述。
六、常见问题 #
- 报告很长但无重点：增加“必须先给 3 条结论”约束。
- 来源很多但不可用：加入来源质量评分机制。
- 建议空泛：把建议绑定到角色、动作、时间。
七、落地清单 #
- 建立研究任务模板（问题、范围、来源、输出格式）。
- 固化“证据分级”标准。
- 每份报告都保留复核入口与更新时间。
- 对关键结论设置人工审核。
八、参考资料 #
- Deep-Research Skill：https://github.com/sundial-org/awesome-openclaw-skills/tree/main/skills/deep-research
- OpenClaw Skills 文档：https://docs.openclaw.ai/skills