Research Deep
Agenti di ricerca paralleli fan-out su un outline.yaml, validati rispetto a uno schema di campo
Promosso
Cosa fa
Flusso di lavoro di ricerca in due fasi per Claude Code: legge un outline.yaml, avvia un agente in background per ogni elemento e scrive JSON strutturato che un validatore Python incluso controlla per la copertura completa dei campi. Si attiva su /research-deep o richieste di ricerca approfondita di ogni elemento di un outline di ricerca.
Rapporto di test
Eseguito il validate_json.py incluso in tempo reale contro due JSON di ricerca per lo stesso elemento: la baseline a forma libera ha ottenuto il 50% di copertura dei campi ed è FALLITA (ha scritto 'pricing' dove lo schema richiedeva 'pricing_model'), mentre l'output conforme alla skill ha raggiunto il 100% di copertura, è PASSATO e conteneva un array uncertain[] esplicito. L'uscita non zero del validatore è ciò che costringe l'agente a colmare la lacuna, quindi la disciplina dello schema è reale, non cosmetica.
Testato il: 2026-07-17 · Claude Code 2.x (agent harness)
Installazione
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
Comandi e prompt di esempio
/research-deepAgenti di ricerca paralleli fan-out su un outline.yaml, validati rispetto a uno schema di campo
Gli skill si attivano con richieste in linguaggio naturale, senza comandi da ricordare. Dopo l'installazione, prompt come questi lo attivano (in inglese):
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