Agent Skills: Deep Research

深度调研的多实例(多 Agent)编排工作流:把一个调研目标拆成可并行子目标,用 Codex CLI(`codex exec`)在默认 `workspace-write` 沙箱内运行子进程;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/资料调研、竞品/行业分析、批量链接/数据集分片检索、长文写作与证据整合,或用户提及“深度调研/Deep Research/Wide Research/多 Agent 并行调研/多进程调研”等场景。

UncategorizedID: feiskyer/codex-settings/deep-research

Install this agent skill to your local

pnpm dlx add-skill https://github.com/feiskyer/codex-settings/tree/HEAD/skills/deep-research

Skill Files

Browse the full folder contents for deep-research.

Download Skill

Loading file tree…

skills/deep-research/SKILL.md

Skill Metadata

Name
deep-research
Description
'深度调研的多实例(多 Agent)编排工作流:把一个调研目标拆成可并行子目标,用 Codex CLI 子进程采集和分析证据,再聚合、核验并精修为完整报告。用于系统性网页或资料调研、竞品与行业分析、批量链接或数据集分片、长文证据整合,以及用户提及深度调研、Deep Research、Wide Research、多 Agent 并行调研或多进程调研的场景。'

Deep Research

把深度调研作为可重复、可审计的生产流程执行。主控负责目标澄清、样本摸底、子任务设计、结果核验和最终综合;子进程负责边界清晰的采集或局部分析。

核心约束

  1. 保持用户当前模型和推理配置,不传 --model,不覆盖无关配置。
  2. 子进程默认使用 workspace-write;只有确实需要 shell 网络访问时才启用 runner 的 --network
  3. 先检查当前会话可用的 Skills、连接器和 MCP,再按来源适配能力;不要假设固定服务或工具名存在。
  4. 不使用 --dangerously-bypass-approvals-and-sandbox
  5. 所有运行产物写入独立的 .research/<name>/ 目录。
  6. 在开始批量执行前向用户展示拆分方案;需要明显成本、长时间运行或外部系统访问时,等待明确同意。

Bundled scripts

先解析当前 Skill 的绝对目录并记为 <skill-dir>

  • scripts/run_children.py:跨平台并行执行 codex exec,负责超时、重试、日志和结果状态。
  • scripts/aggregate.py:按 manifest 顺序聚合成功的子报告,缺失或空结果时失败。

两个脚本都使用 Python 标准库,不生成临时 shell 脚本。

Workflow

1. 澄清与摸底

明确目标、受众、时间范围、来源边界、评价标准和最终格式。通过当前可用工具获取少量真实样本,记录代表性来源和缺口,避免只凭经验拆分。

2. 创建运行目录

使用不重复的语义化名称,例如:

.research/20260712-codex-skills-a3f2/
├── prompts/
├── logs/
├── child_outputs/
├── raw/
├── cache/
└── manifest.json

把网页原文、数据和解析结果缓存到 raw/cache/,避免重复抓取。

3. 设计子任务

每个子任务只负责一个明确边界,Prompt 至少包含:

  1. 子目标、输入和允许访问的范围
  2. 输出结构和证据要求
  3. 失败时必须说明原因,不得编造结果
  4. 输出自然语言 Markdown,并把来源链接放在对应结论附近

将 Prompt 分别写入 prompts/,然后创建 manifest:

{
  "tasks": [
    {
      "id": "market-history",
      "title": "市场历史",
      "prompt_file": "prompts/market-history.md"
    },
    {
      "id": "current-competitors",
      "title": "当前竞品",
      "prompt_file": "prompts/current-competitors.md"
    }
  ]
}

id 只能包含字母、数字、点、下划线和短横线。Prompt 必须位于本次运行目录内。

4. 预检和执行

先预览命令,不启动 Codex 子进程:

python3 "<skill-dir>/scripts/run_children.py" \
  --run-dir ".research/<name>" \
  --workspace "$PWD" \
  --dry-run

检查 manifest 和 Prompt 后执行:

python3 "<skill-dir>/scripts/run_children.py" \
  --run-dir ".research/<name>" \
  --workspace "$PWD" \
  --parallel 8 \
  --timeout 600 \
  --retries 1

只有子任务必须通过 shell 直接联网时才添加 --network。根据任务成本调整并发和超时,先用 1–2 个子任务验证链路,再扩大并发。

Runner 固定输出:

  • child_outputs/<id>.md
  • logs/<id>.log
  • results.json

5. 核验和失败处理

读取 results.json,检查失败、超时、空输出和引用缺失。只重试失败的边界任务;不要因为单个失败重新运行所有成功任务。需要改变模型、权限或来源范围时先说明原因。

6. 聚合原始材料

python3 "<skill-dir>/scripts/aggregate.py" \
  --run-dir ".research/<name>"

默认生成 aggregated_raw.md。该文件只是按 manifest 顺序整理的内部材料,不是最终报告。

7. 综合与精修

通读子报告和关键原始来源,先设计章节大纲和素材映射,再分章节写入 polished_report.md。处理重复信息、来源冲突和证据强弱;验证关键数据和引用,不能把子报告简单拼接后直接交付。

8. 交付

最终回复提供:

  1. 成品报告绝对路径
  2. 关键结论和可执行建议摘要
  3. 未解决的证据缺口或失败子任务
  4. 是否启用了额外网络权限或其他例外

不要把内部 Prompt、调度日志或完整中间稿当作成品发送给用户。