deep-research-skill
Skillby feiskyer
clawhub⭐ 17/10
深度调研的多Agent编排工作流：把一个调研目标拆成可并行子目标，用 Claude Code 非交互模式（`claude -p`）运行子进程；联网与采集优先使用已安装的 skills，其次使用 MCP 工具；用脚本聚合子结果并分章精修，最终交付"成品报告文件路径 + 关键结论/建议摘要"。用于：系统性网页/资料调...
将复杂调研目标自动拆解为并行子任务，通过多Agent编排、联网采集与智能聚合，生成结构化深度报告，支持MCP工具扩展。
📊 商业分析
商业模式
freemium
独特价值
支持复杂调研目标自动拆解并行执行，生成结构化报告，传统方案无法实现
竞品
Perplexity AI（单Agent搜索）、Tavily Research API（简单聚合）、自建爬虫方案（无编排能力）
🎯 应用场景
目标用户
企业研究部门/战略规划团队咨询公司/市场分析师学术研究机构/数据科学团队
工具信息
- 类型
- Skill
- 平台
- clawhub
- Stars
- ⭐ 1
- 价值评分
- 7/10
- 子分类
- 多Agent编排与深度调研
- 可商业化
- ✅ 是
AI 标签
多Agent编排深度调研自动化报告生成并行处理MCP工具集成
相关工具推荐
skill-creatorSKILL
由Anthropic官方出品，支持从零创建AI Skill、编辑优化现有Skill、运行评估测试并进行方差分析的性能基准对比，实现AI能力工程化闭环管理。
9/10⭐ 86,759
conversation-memorySKILL
为LLM对话提供短期、长期、实体三层持久化记忆系统，让AI真正记住用户，支持跨会话上下文延续与知识积累。
9/10⭐ 22,346
self-improvingSKILL
具备自我反思、自我批评、持续学习与记忆组织能力的自进化Agent，自动评估并永久改进输出质量，无需人工反复校正。
9/10⭐ 638
proactive-agentSKILL
将AI Agent从被动任务执行者升级为主动预判伙伴，内置WAL协议、工作缓冲区与自主定时任务，支持持续自我改进的智能体框架
9/10⭐ 628
cellcogSKILL
DeepResearch Bench排名第一的全模态AI代理框架。通过多代理编排实现深度推理与文本、图像、音频、视频等全模态融合,支持复杂任务自动化。
9/10⭐ 6