Research Deep

Fan-out parallella forskningsagenter över en outline.yaml, validerade mot ett fältschema

av Weizhena · Weizhena/Deep-Research-skills

Testad · Fungerar ★ 9.2/10

Research Deep — Fan-out parallella forskningsagenter över en outline.yaml, validerade mot ett fältschema

Vad den gör

Tvåfas forskningsarbetsflöde för Claude Code: den läser en outline.yaml, startar en bakgrundsagent per objekt och skriver strukturerad JSON som en medföljande Python validator kontrollerar för full fältäckning. Utlöses av /research-deep eller förfrågningar om att deep-research varje objekt i en research outline.

Testrapport

Körde den medföljande validate_json.py live mot två research JSONs för samma objekt: den fria baseline fick 50% fältäckning och FAILED (den skrev 'pricing' där schemat ville ha 'pricing_model'), medan den färdighetskonforma utdata nådde 100% täckning, PASSED, och innehöll en explicit uncertain[] array. Validerarens non-zero exit är det som tvingar agenten att stänga gapet, så schemadisciplinen är verklig, inte kosmetisk.

Testad: 2026-07-17 · Claude Code 2.x (agent harness)

Installation

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

Kommandon och exempelprompter

/research-deepFan-out parallella forskningsagenter över en outline.yaml, validerade mot ett fältschema

Skills triggas av vanliga förfrågningar — inga kommandon att memorera. Efter installationen aktiverar prompter som dessa skillen (på engelska):

Deep-research every item in my outline.yaml into structured JSON output
Fan out background agents to research each competitor in my report
Validate my research JSON against our field schema and flag missing gaps

Läs hela rapporten →