Research Deep
Despliega agentes de investigación paralelos sobre un outline.yaml, validados contra un esquema de campos
Probado · Funciona
Qué hace
Flujo de trabajo de investigación de dos fases para Claude Code: lee un outline.yaml, lanza un agente en segundo plano por cada elemento y escribe JSON estructurado que un validador Python incluido verifica para una cobertura completa de campos. Se activa con /research-deep o solicitudes para investigar en profundidad cada elemento de un esquema de investigación.
Informe de la prueba
Se ejecutó el validate_json.py incluido en vivo contra dos JSON de investigación para el mismo elemento: la línea base de forma libre obtuvo una cobertura de campo del 50% y FAILED (escribió 'pricing' donde el esquema quería 'pricing_model'), mientras que la salida conforme a la habilidad alcanzó el 100% de cobertura, PASSED, y contenía un array uncertain[] explícito. La salida no nula del validador es lo que obliga al agente a cerrar la brecha, por lo que la disciplina del esquema es real, no cosmética.
Probado el: 2026-07-17 · Claude Code 2.x (agent harness)
Instalación
git clone https://github.com/Weizhena/Deep-Research-skills.git mkdir -p ~/.claude/skills ~/.claude/agents cd Deep-Research-skills && cp -r skills/research-en/* ~/.claude/skills/ && cp agents/web-search-agent.md ~/.claude/agents/ && cp -r agents/web-search-modules ~/.claude/agents/ && pip install pyyaml
Comandos y prompts de ejemplo
/research-deepDespliega agentes de investigación paralelos sobre un outline.yaml, validados contra un esquema de campos
Los skills se activan con peticiones en lenguaje natural, sin comandos que memorizar. Tras instalarlo, prompts como estos lo activan (en inglés):
Deep-research every item in my outline.yaml into structured JSON outputFan out background agents to research each competitor in my reportValidate my research JSON against our field schema and flag missing gaps