lornshrimp/通用-深度研究-深度探索
读取调研outline,为每个item启动独立agent,从小说创作者视角进行深度调研。禁用task output。
npx skills add https://github.com/lornshrimp/Lorn.NovelWriteSkills --skill 通用-深度研究-深度探索
<!-- ===== Layer 1: 永久缓存 ===== -->
/research-deep
在当前工作目录查找 */outline.yaml 文件,读取 items 列表、research_domain、execution 配置(含 items_per_agent)。
参数获取:
{topic}: outline.yaml 中的 topic 字段{research_domain}: outline.yaml 中的 research_domain 字段{item_name}: item 的 name 字段{item_related_info}: item 的完整 yaml 内容(name + category + description 等){output_dir}: outline.yaml 中 execution.output_dir(默认 ./results){fields_path}: {topic}/fields.yaml 的绝对路径{output_path}: {output_dir}/{item_name_slug}.json 的绝对路径(slugify 处理 item_name:空格替换为 _,移除特殊字符)硬约束:以下 prompt 必须严格复述,仅替换 {xxx} 中的变量,禁止改写结构或措辞。
Prompt 模板:
prompt = f"""## 任务
作为小说创作者的深度研究助手,调研以下对象,输出结构化 JSON。
调研课题: {topic}
研究域: {research_domain}
调研对象: {item_related_info}
## 字段定义
读取 {fields_path} 获取所有字段定义。
## 输出要求
1. 按 fields.yaml 定义的字段输出 JSON
2. 不确定的字段值标注 [不确定]
3. JSON 末尾添加 uncertain 数组,列出所有不确定的字段名
4. 所有字段值必须使用中文输出(调研过程可用英文,但最终 JSON 值为中文)
5. **尤其注意"创作可迁移"分类下的字段**:必须把研究发现翻译成小说创作者可以直接在正文、设定、大纲中使用的具体建议,不能停留在抽象总结
## 搜索策略
优先搜索以下类型的信息源(根据研究域选择侧重点):
- 小说平台官方数据、榜单、推荐位信息
- 读者社区讨论、书评、本章说、论坛
- 行业研究报告、创作方法论文章
- 专业知识来源(技术文档、职业手册、学术论文)
- 作家访谈、创作经验分享
- 场景/环境相关的纪实报道、纪录片、实地考察文章
## 输出路径
{output_path}
## 验证
完成 JSON 输出后,运行验证脚本确保字段完整覆盖:
python {research_dir}/validate_json.py -f {fields_path} -j {output_path}
验证通过后才算完成任务。
"""
One-shot 示例(假设调研"起点中文网都市悬疑读者偏好"):
## 任务
作为小说创作者的深度研究助手,调研以下对象,输出结构化 JSON。
调研课题: 起点中文网都市悬疑题材 2025-2026 趋势
研究域: 题材趋势研究
调研对象: name: 读者偏好迁移
category: 读者反馈
description: 2025-2026 年起点中文网都市悬疑题材读者的口味变化、热门元素偏好与审美迁移趋势
## 字段定义
读取 /project/起点都市悬疑趋势/fields.yaml 获取所有字段定义。
## 输出要求
1. 按 fields.yaml 定义的字段输出 JSON
2. 不确定的字段值标注 [不确定]
3. JSON 末尾添加 uncertain 数组,列出所有不确定的字段名
4. 所有字段值必须使用中文输出
5. **尤其注意"创作可迁移"分类下的字段**:必须把研究发现翻译成小说创作者可以直接在正文、设定、大纲中使用的具体建议
## 搜索策略
优先搜索以下类型的信息源:
- 起点书评区、本章说、书友圈的读者反馈
- 知乎、龙空论坛的网文读者讨论
- 行业媒体对网文读者偏好变化的分析文章
- 起点官方发布的数据报告或品类分析
## 输出路径
/project/起点都市悬疑趋势/results/读者偏好迁移.json
## 验证
完成 JSON 输出后,运行验证脚本确保字段完整覆盖:
python /project/起点都市悬疑趋势/research/validate_json.py -f /project/起点都市悬疑趋势/fields.yaml -j /project/起点都市悬疑趋势/results/读者偏好迁移.json
验证通过后才算完成任务。
全部完成后,必须输出以下调研质量摘要(借鉴 nuwa-skill Phase 1.5 检查点方法论),供用户确认后再进入 /research-report:
## 调研质量摘要
| 维度 | 状态 | 说明 |
| --- | --- | --- |
| 完成条目 | N/N | |
| 不确定字段 | M 个 | [列出关键不确定字段] |
| 信息矛盾点 | K 处 | [列出主要矛盾,保留矛盾不调和] |
| 高置信度发现 | P 条 | [列出 top 3 核心发现] |
| 信息不足维度 | Q 个 | [标注缺口,诚实告知哪些问题未找到满意答案] |
| 三重验证通过率 | X% | 核心发现/参考发现/待验证线索 分布 |
### 关键信号
- **矛盾点详情**:[逐条说明,矛盾是信号而非噪音]
- **信息缺口**:[哪些想查但没查到]
- **意外发现**:[未在原始大纲中但搜索中浮现的重要信息]
用户确认调研质量 OK → 进入 /research-report。
用户觉得某维度不够 → 补充调研后再继续。
> 这个检查点的意义:调研质量决定了最终研究报告的上限。垃圾进垃圾出——在这里拦截比报告落盘后再返工成本低得多。
以下规则来自 nuwa-skill 品控方法论,在对每个 item 执行深度搜索时强制遵守:
搜索结果必须遵循主 SKILL.md 中"信息来源分级与黑名单"的规定——优先使用平台官方数据、一线从业者亲述、读者一线反馈;禁用知乎匿名回答、微信公众号、百度百科等信息源黑名单中的来源。
遇到不同来源对同一事物的描述不一致时,并列呈现,标注各自来源类型与可信度,不强行调和。矛盾本身就是有价值的创作信号。
每个 item 的 JSON 输出中,必须通过 uncertain 数组标注所有不确定的字段。不确定包括:
Take lornshrimp/通用-深度研究-深度探索 from the repository into ~/.claude/skills for personal
use, or into .claude/skills inside a project.
The agent identifies a skill by the name field in its header. Two skills with the
same name cannot sit side by side — one of them will be ignored.