What is deep-research?

The Deep Research skill is a sophisticated agentic tool designed to perform exhaustive, multi-step investigations into complex topics. It goes beyond simple queries by systematically breaking down subjects into logical sub-topics, analyzing them from multiple perspectives, and synthesizing the findings into a professionally structured Markdown report. This skill is optimized for users who require comprehensive, high-quality information gathering and structured documentation for technical, business, or academic purposes.

When should I use deep-research?

deep-research is useful in the following scenarios: • Technical Deep Dives: Conducting thorough investigations into emerging technologies like quantum computing or biotechnology to understand core principles, current limitations, and future potential. • Market Trend Analysis: Researching specific industries, such as the global EV market or renewable energy sectors, to identify key players, growth drivers, and competitive landscapes. • Structured Report Generation: Automatically creating comprehensive business or academic reports that include executive summaries, detailed sub-topic analysis, and strategic recommendations. • Multi-Perspective Problem Solving: Analyzing complex social or economic issues by gathering data from various viewpoints to ensure a balanced and objective understanding of the topic.

name	deep-research
description	\|
author	skill-creator
version	1.0.0

Deep Research

複雑なトピックについて段階的に深く調査し、包括的なレポートを生成するスキル。

Overview

このスキルは以下のような場合に使用します：

複雑なトピックについて多角的な調査が必要な場合
単純な回答では不十分で、深い分析が求められる場合
調査結果を構造化されたレポートとしてまとめたい場合

Workflow

1. 調査計画の立案

ユーザーの質問・トピックを分析
調査すべき観点（サブトピック）を特定
調査の深さと範囲を決定

2. 段階的調査

各サブトピックについて以下を実施：

背景・定義: 基本的な概念と歴史的背景
現状分析: 最新の状況とトレンド
多角的視点: 異なる立場・視点からの分析
課題と論点: 主要な問題点と議論
将来展望: 今後の予測と可能性

3. 統合分析

収集した情報を統合
関連性や因果関係を分析
重要なポイントを抽出

4. レポート生成

以下の構造でMarkdownレポートを作成：

# [トピック名] 調査レポート

## エグゼクティブサマリー
- 主要な発見
- 重要な結論

## 1. 背景と概要
## 2. 詳細分析
### 2.1 [サブトピック1]
### 2.2 [サブトピック2]
...
## 3. 統合的考察
## 4. 結論と提言
## 5. 参考情報

5. 保存（オプション）

生成したレポートを保存：

python skills/deep-research/scripts/save_report.py \
  --topic "トピック名" \
  --output ./output/research_reports/

Available Resources

Scripts

scripts/save_report.py - 調査レポートをファイルに保存するスクリプト

References

references/research_template.md - レポートテンプレート
references/research_methodology.md - 調査手法のガイドライン

Examples

例1: 技術調査

ユーザー: 「量子コンピュータについて深く調査してください」

手順:
1. 調査計画:
   - 量子コンピュータの原理
   - 現在の技術レベル
   - 主要な企業・研究機関
   - 応用分野
   - 課題と展望

2. 各観点について詳細調査

3. 包括的レポート生成

例2: ビジネス分析

ユーザー: 「EV市場の動向をリサーチして」

手順:
1. 市場規模と成長率
2. 主要プレイヤー分析
3. 技術トレンド
4. 規制環境
5. 競合分析
6. 将来予測

Best Practices

調査の深さ

浅い調査: 3-5個のサブトピック、各300-500語
標準調査: 5-8個のサブトピック、各500-800語
深い調査: 8-12個のサブトピック、各800-1200語

情報の質

複数の視点を含める
具体的な例やデータを使用
主張には論拠を示す
不確実性や限界を明記

レポート構造

見出しを適切に使用（h2, h3）
箇条書きで要点を整理
重要な情報を強調（太字）
長い段落は避ける（3-5文程度）

Constraints

調査は利用可能な知識ベースに基づく
リアルタイムの情報取得は不可（API連携が必要）
非常に専門的な内容は限界がある場合がある
レポート生成には数分かかる場合がある
保存するレポートのファイル名は自動生成される（タイムスタンプ付き）

Output Format

レポートは以下の形式で出力：

画面表示: Markdown形式で全文表示
ファイル保存（オプション）: YYYYMMDD_HHMMSS_topic.md

Tips

具体的な調査範囲を指定すると精度が向上
「〜の観点から」と視点を指定可能
「簡易版」「詳細版」で深さを調整可能
途中経過の確認も可能

deep-research

When & Why to Use This Skill

Use Cases