Deep Research Prompt 优化助手

---

📖 简介

Deep Research Prompt 优化助手 是一个 Claude Code Skill，专门帮助你将简单的 research 请求转化为结构化、专业的提示词，适用于各种 AI 深度研究工具。

✨ 主要功能

• 🔍 智能分析请求 - 识别研究类型、关键实体、复杂度
• 📊 系统化研究框架 - 提供 6 种专业研究框架
• 🎯 子问题拆解 - 自动拆解 3-5 个核心研究问题
• 📚 信息来源指引 - 明确应该关注的信息源类型
• 📝 输出格式规范 - 规定最终输出的结构和格式
• 🌐 多平台优化 - 支持 Perplexity、OpenAI Research、千问深度研究等

---

🎯 适用场景

---

🚀 快速开始

安装步骤

方式 1: 自动安装（推荐）

# 克隆仓库
git clone https://github.com/Raymond-Hear/deep-research-prompt.git

# 复制到 Claude Code skills 目录
# Windows
xcopy /E /I deep-research-prompt "%USERPROFILE%\.claude\skills\deep-research-prompt"

# macOS/Linux
cp -r deep-research-prompt ~/.claude/skills/

方式 2: 手动安装

1. 下载文件

   • 下载整个仓库的 ZIP 文件，或使用 git clone

2. 创建目标目录

   # Windows
   mkdir %USERPROFILE%\.claude\skills\deep-research-prompt
   
   # macOS/Linux
   mkdir -p ~/.claude/skills/deep-research-prompt
   

3. 复制文件

   • 将所有文件复制到 ~/.claude/skills/deep-research-prompt/ 目录
   • 确保目录结构如下：

     deep-research-prompt/
     ├── SKILL.md
     ├── stages/
     ├── templates/
     └── examples/
     

4. 重启 Claude Code

   • 完全关闭 Claude Code
   • 重新启动应用

---

📖 使用方法

基本使用

1. 启动 Claude Code

2. 调用 Skill

   /deep-research-prompt
   

3. 输入你的研究请求

   整理吴恩达在2026达沃斯论坛的发言
   

4. 回答引导问题

   • 选择目标平台（Perplexity / OpenAI Research / 千问 / 通用）
   • 选择详细程度（快速版 / 标准版 / 完整版）

5. 获取优化后的提示词

   • Skill 会生成完整的、结构化的研究提示词
   • 复制提示词到你选择的研究工具

---

🛠️ 配置选项

支持的平台

详细程度

---

📂 项目结构

deep-research-prompt/
├── SKILL.md                           # Skill 主配置文件
├── stages/                            # 工作流阶段
│   ├── 01-analyze-request.md         # 阶段1: 分析请求
│   ├── 02-generate-prompt.md         # 阶段2: 生成提示词
│   └── 03-refine-adjust.md           # 阶段3: 调整优化
├── templates/                         # 可复用模板
│   ├── research-framework.md         # 6种研究框架
│   ├── output-format.md              # 4种输出格式
│   └── prompt-template.md            # 完整提示词模板
├── examples/                          # 使用示例
│   └── sample-optimizations.md       # 5个示例案例
└── README.md                          # 本文档

---

🎨 研究框架

Skill 内置 6 种专业研究框架：

---

📝 示例

示例 1: 事件发言整理

输入:

整理吴恩达在2026达沃斯论坛的发言

输出:

• 📋 完整的时间线梳理
• 🏷️ 按主题分类的观点
• 💬 重要引用汇总
• 📰 媒体反响整理

示例 2: 趋势分析

输入:

分析AI Agent在2026年的发展趋势和商业机会

输出:

• 📊 PEST四维度分析
• 🎯 5个核心研究问题
• 💡 商业机会识别
• ⚠️ 风险与挑战评估

示例 3: 公司研究

输入:

研究Anthropic的商业模式

输出:

• 🏢 商业模式画布（9大模块）
• 📊 财务和融资情况
• 🆚 竞争对手分析
• 🔮 发展前景预测

---

🔧 高级使用

自定义提示词

Skill 支持在生成后进行调整：

1. 调整详细程度 - 快速版 ↔ 标准版 ↔ 完整版
2. 移除某些维度 - 去掉不需要的部分
3. 针对特定工具优化 - 选择目标平台
4. 调整输出格式 - 自定义输出结构

批量处理

可以连续处理多个 research 请求，每个请求都会：

• 独立分析
• 生成专属提示词
• 保持上下文连贯性

---

💡 最佳实践

✅ 推荐做法

1. 明确研究目标 - 越具体的目标，生成的提示词越有效
2. 选择合适平台 - 根据需求选择 Perplexity/OpenAI/千问
3. 充分利用框架 - 让 Skill 选择最合适的研究框架
4. 参考示例 - 查看 examples/ 目录中的示例案例
5. 迭代优化 - 根据反馈调整提示词

❌ 避免做法

1. ❌ 过于宽泛的请求（如"了解一下AI"）
2. ❌ 忽略平台差异（不同平台有不同的优势）
3. ❌ 跳过调整环节（阶段3的调整很重要）
4. ❌ 不阅读生成结果（确保提示词符合需求）

---

🤝 贡献

欢迎贡献！你可以：

1. 报告问题 - 提交 Issue
2. 提出建议 - 提交 Feature Request
3. 提交代码 - Fork 项目，创建 Pull Request

---

📄 许可证

本项目采用 MIT 许可证。

---

🙏 致谢

• 感谢 Claude Code 团队提供的 Skill 系统
• 感谢所有贡献者和用户的支持

---

📞 联系方式

• GitHub: Raymond-Hear
• Issue: 提交问题

---

🌟 Star History

如果这个项目对你有帮助，请给它一个 ⭐ Star！

---