## 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

1. 行业趋势分析与竞品研究。
2. 政策解读与影响评估。
3. 技术方案选型对比。
4. 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

```bash
clawhub install deep-research
clawhub sync --all
```

### 2) 研究任务准备

1. 明确研究问题与时间范围。
2. 定义可信来源优先级（官方 > 一手资料 > 二手解读）。
3. 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

```text
/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：

1. 关键结论
2. 主要证据
3. 不确定性说明
4. 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

1. **防止信息污染**：避免把转载内容当一手证据。
2. **区分事实与观点**：输出时必须显式区分。
3. **标注时效性**：策略类结论要注明时间窗口。
4. **处理冲突信息**：给出冲突点与权重判断理由。
5. **避免过度自信**：不确定结论要保留概率表述。

## 六、常见问题

1. 报告很长但无重点：增加“必须先给 3 条结论”约束。
2. 来源很多但不可用：加入来源质量评分机制。
3. 建议空泛：把建议绑定到角色、动作、时间。

## 七、落地清单

1. 建立研究任务模板（问题、范围、来源、输出格式）。
2. 固化“证据分级”标准。
3. 每份报告都保留复核入口与更新时间。
4. 对关键结论设置人工审核。

## 八、参考资料

1. Deep-Research Skill：https://github.com/sundial-org/awesome-openclaw-skills/tree/main/skills/deep-research
2. OpenClaw Skills 文档：https://docs.openclaw.ai/skills