deep-research

一套遞迴式資訊獲取流程,結合內建 todo 工具、研究日誌與三角論證,處理高度複雜研究任務。

SKILL.md

GitHub

Deep Research 遞迴研究法 (V2.5 - Integrated FC Workflow + Fact-Check Enhancements)

觸發條件

  • 當使用者要求 "deep research", 「深度調查」或「盡職調查 (Due Diligence)」時。
  • 當單次搜尋無法完整回答,且結果中出現多個需要進一步追蹤的關鍵點時。

核心邏輯 (Recursive Loop)

本技能要求 Agent 使用內建 todo 工具 進行動態任務管理,並遵循以下核心原則:

  • 二次研究迴圈 (Secondary Research Loop): 當第一份研究報告產出後,將該報告視為新輸入,針對新發現的實體或未釐清細節啟動第二輪 deep-research 流程。
  • 遞迴流程: Refine -> Todo(Plan) -> /fc (Search & Scrape) -> Log(Findings) -> Todo(Update Gaps & New Branches) -> Recursive Dive -> Synthesis

關於 /fc 工作流 (Understanding the /fc Process)

/fc 是本技能的核心數據獲取引擎,其目標是將「淺層的搜尋結果」轉化為「深層的結構化知識」。其操作邏輯如下:

  • Search (搜尋):利用 web_search 定位最相關的頂層網頁(最高 5 個)。
  • Scrape (抓取):不只讀取搜尋摘要,而是透過 Firecrawl SDK/CLI 將整個頁面轉化為乾淨的 Markdown 格式,保留所有細節。
  • Fallback (備援):當目標網站(如 X/Twitter)封鎖自動化抓取時,自動切換至 browser 模式,透過截圖分析或 DOM 提取來獲取資訊。
  • Combine (整合):將多個來源的深度內容彙整,形成一個完整的資訊快照,供後續分析與三角論證使用。

執行步驟

1. 初始化任務與知識庫 (Initialization)

  • 內建 Todo 管理: 立即調用 todo 工具將目標拆解為任務清單。
  • 建立 Artifact: 建立 research_log.md 作為長期知識庫,記錄事實、數據與來源 URL。

2. 術語優化與深度掃描 (Integrated /fc Workflow)

  • 執行深度抓取 (/fc 邏輯): 不要僅僅執行單次 web_search。針對每個研究分支,執行以下流程:
    1. 搜尋 (Search): 使用 web_search 獲取頂級結果(最高 5 個)。
    2. 深度抓取 (Scrape): 對每個 URL 使用 Firecrawl SDK 或 CLI (npx -y firecrawl@latest scrape \"<url>\") 獲取完整 Markdown 內容。
    3. 備援接管 (Fallback): 若 Firecrawl 遇到 InternalServerError 或 403,切換至 browser_navigate $\to$ browser_snapshot / browser_vision 模式手動提取。
    4. 整合 (Combine): 將所有內容按 ## Source: <url> 格式整合。
  • 術語提取: 從深度內容中提取「專業術語 (Jargon)」或「產業代碼」。
  • 優化指令: 更新 todo 任務,利用提取術語重新構建精確搜尋指令。

3. 缺口識別與三角論證 (Gap Identification & Triangulation)

  • 分析內容並在 research_log.md 標註 已知 (Known) 與 衝突 (Contradiction)。
  • 三角論證: 核心事實必須尋找 至少 3 個獨立來源。
  • 產地驗證: 區分「品牌國籍 (Brand Origin)」與「實際產地 (Country of Origin)」,優先搜索供應鏈報告。
  • 動態更新 Todo: 發現新缺口或衝突時立即新增「驗證」或「下鑽」任務。

4. 遞迴下鑽與邊際價值評估 (Recursive Dive)

  • 自主執行: 每步完成後立即啟動下一輪 /fc 流程 $\to$ Log $\to$ Update Todo,無需等待指令。
  • 並行加速: 調用 delegate_task 開啟子代理並行執行獨立項目,結果整合至 research_log.md。
  • 邊際價值評估: 貢獻極低的挖掘分支應標註為已完成或取消 (Pruning)。

5. 結構化綜合合成 (Structured Synthesis)

  • 核心任務完成後產出極其詳盡的報告:
    1. 執行摘要 (Executive Summary)
    2. 詳盡分析 (Exhaustive Analysis):包含具體數據、邏輯推演。強制要求:
      • 文中直接嵌入完整 URL:每個結論或數據點後必須附上對應的完整 URL,格式如 [來源名稱](https://full-https-url-here),不可僅用編號、簡略名稱或自訂參考 ID 代替。
      • URL 必須完整可點擊:不可省略域名、路徑或查詢參數,確保讀者可以直接複製貼上開啟。
      • 每個引用段落下都要有 URL:不要只在段落末尾給一個總 URL,每個有引用的句子或數據點都應獨立附上 URL。
    3. 三角驗證結果:說明高度確信與單一來源之結論。
    4. 矛盾、缺口與未解之謎
    5. 完整詳細的參考文獻列表 (References):
      • 必須列出所有使用過(含搜尋結果中獲得但未在正文引用)的 URL。
      • 格式:[編號] 來源名稱 — https://full-https-url-here (獲取日期:YYYY-MM-DD)
      • 不得省略任何一個曾獲取內容的 URL。

6. 提取失敗之備援方案 (Extraction Failure Recovery)

  • 診斷模式: 失敗時使用 terminal 執行 curl -ILs 檢查 HTTP 狀態碼。
  • 瀏覽器接管: 針對 403 或動態頁面使用 browser_navigate 與 browser_console / browser_snapshot。

7. 陷阱與防範 (Pitfalls)

7a. 同溫層與認知偏差

  • 必須搜索反對觀點。
  • 資訊過載:聚焦於對目標有貢獻的深度資訊。
  • 忽視內建工具:保持 todo 與進度同步。

7b. 時間精度陷阱(2026/5/16 更新)

  • 政治/立法事件日期:參議院投票、總統簽署、央行會議等事件必須交叉驗證確切日期。例如 Warsh 確認投票是 5/13(週三)而非 5/14(週四),票數 54-45 需雙源驗證。
  • 日內極值 vs 收盤價:報告道瓽時需區分「日內最大跌幅」(如跌 515 點)與「收盤跌幅」(如跌 407 點),不可混用。標明「盤中曾達」vs「收盤」。
  • 事件→市場反應的時序邏輯:川習峰會 5/14 市場因「期待突破」上漲(S&P 500 突破 7,500),5/15 因「失望」下跌。報告必須清楚區分「峰會前/中/後」各時點的市場反應,不可將前日漲幅與隔日跌幅混為一談。
  • 週幾一致性:如果報告寫「週五下跌」,確認該日確實是週五(或標註「假設週五收盤數據」)。

7c. 數據精度陷阱(2026/5/16 更新)

  • 殖利率/利率數據:10 年期美債殖利率 5/15 開盤飆至 4.55%(創一年新高),而非報告中的 4.46%。所有利率數據必須至少查兩個來源交叉驗證,並註明是「收盤」、「開盤」或「日內極值」。
  • 百分比變化:漲跌幅需確認計算基期(前日收盤 vs 前日收盤 vs 前日收盤 vs 前日收盤 vs 前日收盤)。
  • 複製貼上嫌疑檢查:如果同欄兩個數字完全相同(如 Russell 2000「月漲 +36.68%、年漲 +36.68%」),極可能是資料來源的複製錯誤,必須另行查證。

7d. 三角論證的正確用法(2026/5/16 更新)

  • 三角驗證的前提是「同一事件、同一時點」:不得將 5/14 的收盤數據(如 +0.75%)與 5/15 的跌幅比較,這會造成誤判一致性。
  • 所有比較數據必須標註時間戳:[5/14 收盤] +0.75% vs [5/15 收盤] -0.8%。

7e. 不可驗證聲明的處理(2026/5/16 更新)

  • 據報導標記法:對於無法直接驗證的具體聲稱(如「霍爾木茲海峽封鎖」、「美國海軍封鎖伊朗港口」),必須使用「據報導」、「一名消息人士稱」、「市場消息指出」等修飾語,不可斷言。
  • 來源可信度評估:匿名消息來源的聲明必須至少找到一個主流媒體獨立報導才能採信。

7f. 矛盾敘事的處理(2026/5/16 更新)

  • 當同一事件出現矛盾敘述時(如高盛 RAI 觸發看跌訊號,但另一來源說高盛認為科技股「up crash」是看漲訊號),必須:
    1. 追查原始資料(高盛報告原文、新聞稿)
    2. 不得僅依賴單一來源的二次解讀
    3. 在報告中明確列出矛盾敘述及其各自來源
  • 若無法解決矛盾,標註「有待進一步查證」而非強行結論。

7g. 歷史比較的精度(2026/5/16 更新)

  • 歷史性比較需精確:CNBC 說「上一次 Fed 主席卸任後留在理事會是將近 80 年前」(約 1946-1948,Marriner Eccles 1948 卸任主席但留任理事至 1951),而非籠統的「自 1948 年以來首見」。
  • 引用歷史比較時,應盡量找到原始出處並轉述,避免「據 CNBC 說」式的二次引用。

驗證步驟

  • 是否已調用內建 todo 工具管理搜尋路徑?
  • 是否在每個研究分支使用了 /fc 的「搜尋 → 深度抓取 → 整合」完整流程?
  • research_log.md 是否完整記錄了事實與來源?
  • 是否針對關鍵事實進行了至少 3 個來源的交叉驗證?
  • 最終報告中的每個結論/數據點是否都嵌入了完整可點擊的 URL?(不可省略域名或查詢參數)
  • 參考文獻列表是否包含所有使用過的 URL(含搜尋結果中獲得的),且格式為 [編號] 來源名 — https://full-url (日期)?
  • 報告是否包含「矛盾與不確定性」的詳細說明?
  • 時間精度檢查:政治/立法事件日期是否已雙源驗證?日內極值與收盤價是否區分清楚?事件→市場反應的時序邏輯是否清晰?
  • 數據精度檢查:殖利率/利率數據是否已雙源交叉驗證並標明時點(收盤/開盤/日內極值)?有無可疑的複製貼上錯誤(如月/年漲幅完全相同)?
  • 三角論證檢查:所有比較數據是否標註時間戳?是否確保「同一事件、同一時點」比較?
  • 不可驗證聲稱檢查:所有無法直接驗證的聲稱是否使用「據報導」等修飾語?匿名消息是否有主流媒體獨立報導佐證?
  • 矛盾敘事檢查:當同一事件出現矛盾敘述時是否追查原始資料?是否有無法解決的矛盾需標註「有待進一步查證」?
  • 歷史比較精度檢查:歷史性比較是否精確到年份/人物,而非籠統表述?