Ultra Research

深度研究 Skill

三段式：理解需求 → 迭代探索 → 整合报告。

通过 Playwright MCP 控制多个 AI 服务进行并行研究。各服务交互细节见 reference 文件。

前置条件

• Playwright MCP 需以持久化浏览器模式运行（--user-data-dir），这样各 AI 服务的登录态才会保留
• 用户需要预先在 Playwright 浏览器中登录要使用的 AI 服务（Gemini、ChatGPT、Claude、Grok）——不需要全部登录，登录了哪些就用哪些
• 本 skill 的选择器基于中文 UI 环境；英文 UI 下按钮名和 placeholder 会不同，需用 browser_snapshot 实时探测

可用的 AI 服务与模式

这些是工具箱，不是流水线。 根据研究需要灵活选用和组合。

交互参考：

• references/gemini.md — Gemini 操作、选择器、提取
• references/chatgpt.md — ChatGPT 操作（最脆弱的服务，注意防御）
• references/claude-web.md — Claude 操作、选择器、提取
• references/grok.md — Grok 操作（X/Twitter 内容搜索的独特入口）
• references/extraction.md — 通用提取技术（分块、引用链接、保存）
• references/prompt-guide.md — 研究 prompt 构造建议

Part 1: 理解需求

目标：搞清楚用户要什么，然后开始。

先判断：用户的需求清楚吗？

收到用户 query 后，先判断你是否能理解研究的对象、范围、目的：

• 清楚 → 直接向用户确认你的理解（如需微调范围），然后开始
• 大致清楚但有细节模糊 → 先 WebSearch 搜 2-3 次补充认知，再和用户确认
• 不清楚 → 先 WebSearch 建立领域认知，再带着具体问题向用户澄清

澄清不是走流程——如果用户的意图一目了然，直接干活比问一堆问题有用。

构造查询

为选定的 AI 模式各准备一条查询。不同 AI 给不同角度比给同一个 prompt 更有效。见 prompt-guide.md。

创建研究目录

在合适位置创建研究目录（如 research-主题/），创建 todo.md 记录状态。

Part 2: 迭代探索

目标：多路并发搜索，逐步深入，直到信息充分。

深度由进展决定

不要预设研究深度，让研究过程自己说话：

• 起步：先用快速模式铺开（Gemini Pro、ChatGPT Thinking、Claude Opus、Grok 专家），快速建立基线认知
• 发现复杂度：如果快速模式的结果显示话题确实多维、有矛盾、需要更多来源 → 追加 Deep Research / DeepSearch
• 收敛：如果快速模式已经给出了一致的、充分的答案 → 不需要开 DR，直接整合

简单问题不要大炮打蚊子。复杂问题不要浅尝辄止。让信息本身告诉你该挖多深。

派发

每个 AI 服务的具体操作步骤见各自 reference 文件。通用流程：

1. 新开 Tab → 导航到服务 → 检查登录
2. 选择模式 → 输入查询
3. 记录到 todo.md（Tab 编号 + 查询内容）
4. 发完一个立刻切下一个，不等结果

登录处理：这些服务使用的是用户的账号。如果发现某个服务未登录，立即暂停并告知用户，让用户选择：

• 去 Playwright 浏览器中登录该服务，然后继续
• 跳过该服务，用其他已登录的服务继续

不要自动跳过——用户可能想登录。

轮询与提取

先到先提取，不等所有流完成。

• 快速模式：~30s 后开始检查
• DR/DeepSearch 模式：~90s 后开始检查
• 用 screenshot 判断是否完成（比 snapshot 可靠）——各服务完成标志见 reference

提取技术见 extraction.md。每份结果保存为独立 md（01-gemini-pro.md、02-chatgpt-thinking.md...）。

定向深入

每提取一份结果，立即评估：

• 发现了哪些子问题？
• 哪些维度数据不够或有矛盾？
• 有没有意外发现值得追查？

如果有 → 追加查询。选择最合适的工具：

• 快速模式 — 定向查证具体子问题（秒级）
• WebSearch/WebFetch — 交叉验证事实（比开新 AI Tab 更快）
• DR/DeepSearch — 仅用于发现的子问题确实需要广度覆盖时
• Grok — 特别适合查看某话题在 X/Twitter 上的讨论和观点

Tab 管理

• 控制在 ≤8 个活跃 Tab，多了浏览器会不稳定
• 提取完的 Tab 可以保留（可能需要追问），但不要无限堆积
• 浏览器断连时：browser_close → pkill -f "mcp-chrome" → sleep 2 → 重新 navigate

何时停止

• 核心问题有了交叉验证的答案
• 新搜索不再产出实质性新信息
• 用户要求的范围已充分覆盖

Part 3: 整合报告

目标：按主题维度重组内容，交叉验证，输出一份深度报告。

原则

• 按主题组织，不按来源罗列（不要 "Gemini 说... ChatGPT 说..."）
• 标注来源（[Gemini DR]、[Grok]、[ChatGPT Thinking] 等），让读者知道可信度
• 共识（多路一致）和分歧（各执一词）都要标注
• 保留引用 URL — 原始网络来源链接是高价值信息，必须传递到最终报告
• 分歧不强行裁决 — 保留并标注，让用户判断
• 信息权重：DR 通常更全面，快速模式更聚焦，WebSearch 最即时，Grok 的 X/Twitter 链接是独家信息

引用体系

报告有两层引用，都要做好：

1. 网络来源引用（报告 → 原始网页）

正文中关键事实、数据、观点旁标注原始网络来源。格式灵活——脚注、行内链接、段落末尾引用块都行，根据报告风格选择最可读的方式。核心原则：读者看到一个关键论断，能直接找到原始网页验证。

各 AI 的引用链接已在原始结果文件的 ## 参考链接 章节。整合时从那里挑选最相关的链接嵌入报告正文。不需要全部搬过来——只保留支撑关键论点的。

2. AI 来源标注（报告 → 哪个 AI 说的）

用行内标签 [Gemini DR]、[Grok]、[ChatGPT Thinking] 等标注信息来自哪个 AI 模式。这帮助读者判断可信度（DR 多源交叉 vs 快速模式单次推理）。多路一致的可以标 [多路共识]。

3. 原始结果索引（报告 → 原始文件）

报告末尾附 ## 原始结果索引，列出所有原始结果文件和对应的查询内容：

Copy code
## 原始结果索引
| 文件 | 服务 | 模式 | 查询摘要 |
|------|------|------|----------|
| 01-gemini-pro.md | Gemini | Pro | ... |
| 02-chatgpt-dr.md | ChatGPT | Deep Research | ... |

这让读者能回溯到完整的原始结果（含全部参考链接）。

流程

1. 写初稿 — 基于已有结果先写能写的，同步嵌入引用链接
2. 标记缺口 — 哪些数据不够？哪些只有单一来源？
3. 缺口重大 → 回到 Part 2 补充
4. 逐步更新 — 新信息到手就更新报告
5. 最终审校 — 检查引用完整性（关键论断有没有来源支撑？）→ 交付用户

报告保存为 00-final-report.md。

todo.md 持久化

研究可能跨会话。todo.md 是恢复点。

markdownCopy code
# 研究：[主题]
## 状态：[进行中/已完成]

## 搜索流
| # | 服务 | 模式 | Tab | 查询摘要 | 状态 |
|---|------|------|-----|----------|------|
| 01 | Gemini | Pro | 2 | ... | 已提取 |
| 02 | ChatGPT | DR | 3 | ... | 等待中 |
| 03 | Grok | 专家 | 4 | ... | 进行中 |

## 发现的子问题
- [ ] ...

## 整合进度
- [ ] 初稿
- [ ] 缺口填补
- [ ] 最终审校

跨会话恢复：读 todo.md → browser_tabs list 检查现有 Tab → 对照恢复。

错误处理

部分失败不影响产出：≥2 路成功仍出报告（注明来源范围）。