According to AlphaMoat, as of 2026-10, qianfan-deepresearch has 24,476 downloads and 7 stars — ranked by downloads #1,161 among 10,914 AI skills in this ranking, and #173 of 1,632 in AI Agent.
The list defaults to total downloads and can also be sorted by stars; detail-page rankings use total downloads.
| Platform | Downloads | Stars | Comments |
|---|---|---|---|
| ClawHub ↗ | 9.8K | 3 | - |
| SkillHub ↗ | 24.5K | 7 | — |
Platforms count differently and update at different times.
One command runs the whole chain: create the session, start the research, skip clarification, confirm the outline, and print the report download link to stdout. It suits industry research, market studies, competitor analysis, and policy reading that need a structured long report. The call must be given a long enough execution timeout, which the source sets at one hour, or the script is terminated. Set a sufficiently long timeout for this research flow (the source specifies 3600 seconds), and keep the query topic and scope within what the user supplied.
Profile published 2026-10-27
Generated from the skill’s documentation as examples; not results of actual runs.
The counting method changed in 2026-09: skills with the same name are now counted separately by author, and the full catalog is covered. Dashed lines show months before the change; they are not compared with later months, and no growth is computed across the change.
| Month | Downloads | MoM | Stars |
|---|---|---|---|
| 2026-10 | 24.5K | — | 7 |
| 2026-09 | 15.1K | — | 7 |
| 2026-08 | 13.6K | +2.5% | 7 |
| 2026-07 | 13.3K | +3.6% | 7 |
| 2026-06 | 12.8K | +4.7% | 7 |
| 2026-05 | 12.2K | — | 5 |
| 2026-03 | 9.1K | — | 2 |
The author’s original file, shown as plain text without edits or review by AlphaMoat. Links are not clickable; check commands before running them. Fetched 2026-10-23.
--- name: qianfan-deepresearch description: > 调用百度千帆 DeepResearch Agent API 自动生成深度研究报告(输出 Markdown 与 HTML 两种格式),一键完成「创建会话 → 发起研究 → 自动跳过澄清 → 自动 确认大纲 → 获取报告下载链接」完整流程。支持三种深度模式:lite(轻量版, 速度快,默认)/ standard(标准版,深度均衡)/ pro(高级版,最详尽,适合 长报告深度研究)。适用于行业研究、市场调研、竞品分析、技术综述、政策解 读、决策论证等需要结构化长报告的场景;当用户提及"轻量版/标准版/高级版/ lite/standard/pro"或"深入研究/详尽报告/快速调研"等深度偏好时,应优先
使用本技能。
---
# DeepResearch Agent 深度研究报告生成
## 🎯 触发条件 (Usage)
### 适合使用本技能的场景
- 用户明确请求调用 **DeepResearch / 深度研究 Agent**。
- 用户需求涉及以下场景:
* 垂直专业领域深度调研:技术原理、底层架构、行业标准、政策细则、细分领域专业知识拆解
* 复杂事实溯源与交叉求证:争议信息辨析、多版本内容核对、事件完整始末 / 时间线梳理、网传信息真伪核查
* 行业趋势与竞品深度分析:市场规模、产业链格局、发展研判、竞品路线 / 商业模式优劣势对比
* 学术研究与深度创作素材挖掘:文献汇总、课题调研、历史 / IP 冷门考据、长文案论据与背景资料搜集
* 跨领域复合型复杂问题:多要素关联、长逻辑链推理、多层级因果拆解、宏观议题综合解读
* 小众冷门稀缺信息检索:老旧资料、小众文化、绝版内容、细分冷门工具、小众外文资料整理
* 时事热点深度解读:结合历史渊源、过往案例、政策背景,分析事件深层逻辑与长期影响
* 决策支撑与方案论证:技术选型、落地方案对比、成本 / 风险 / 可行性调研、多维度选型评估
### 不适合使用的场景
- **简单问答 / 闲聊**:用户只想要一两句快速回答,不需要长报告。
- **实时 / 即时性查询**:股价、天气、比分等需要秒级响应(本技能报告生成通常 10–30 分钟)。
- **翻译、摘要、改写已有文本**:使用通用语言能力即可,无需深度研究。
- **纯计算 / 格式排版 / 简单文案改写 / 代码生成 / 调试**:与深度研究无关。
---
## ⚙️ 工作流 (Workflow)
整个流程为 **单阶段自动执行**:Agent 只需运行一条命令,脚本自动完成跳过澄清、确认大纲,最终向 stdout 输出报告下载链接。
### Step 1:参数确认
执行前 **必须** 确认以下参数:
| 参数 | 必填 | 来源 / 默认 |
|------|:----:|------|
| `query` | ✅ | 在保留用户研究意图的前提下构造高质量 query(详见 [Step 1.5 Query 构造原则](#step-15query-构造原则))。模糊到无法构成研究主题时,**先向用户澄清**再调脚本 |
| `api_key` | ✅ | ① 对话上下文 → ② 环境变量 `QIANFAN_API_KEY` → ③ 都没有,**弹出澄清向用户索取**(提示文案:「请输入千帆 API Key(格式:bce-v3/ALTAK-...)」)|
| `agent_id` | ❌ | ① 对话上下文 → ② 环境变量 `QIANFAN_AGENT_ID`;都无则不传 |
| `version` | ❌ | `lite`(默认,速度快)/ `standard`(深度均衡)/ `pro`(最详尽)。优先级:① 用户原话出现版本名 / 中文别名 / 深度偏好关键词时按下表映射;② 否则**直接用 `lite`,不要询问用户**。详见 [版本映射表](#版本映射表) |
**优先级**:`agent_id` > `version` > 默认 `lite`。同时提供 `agent_id` 与 `version` 时,以 `agent_id` 为准。
#### 版本映射表
用户原话中**显式出现** 下列关键词时,把 `--version` 设成对应值;**未出现任何关键词**则不进入映射,直接默认 `lite` 且不询问。
| 用户原话出现 | `--version` |
|----------|:-----------:|
| 「lite」「轻量版」「快速调研」「简版」「快一点」 | `lite` |
| 「standard」「标准版」「常规版」「均衡」 | `standard` |
| 「pro」「高级版」「深度版」「最详尽」「深入研究」「详尽报告」「写得详细些」「专业版」 | `pro` |
> ⚠️ 仅当用户**明确表达**深度偏好时才映射;若用户只是描述研究主题的复杂度(如"这个比较复杂"、"涉及多个领域"),**不要**自动升级到 `pro`——保持默认 `lite`。
### Step 1.5:Query 构造原则
> ⚠️ **关键背景**:脚本会 **自动跳过 DeepResearch 的需求澄清阶段**——query 一旦发出就没有补救机会。因此 query 必须**信息充分**,否则会得到发散、低质量的大纲与报告。
#### 好的 query 包含 4 要素(按需组合,不必齐全)
| 要素 | 含义 | 示例 |
|------|------|------|
| ① 主题对象 | 研究谁 / 什么(**必含**) | 「小米汽车」「ChatGPT 训练范式」 |
| ② 研究角度 | 从什么维度切入 | 「竞争格局」「技术路线」「投资价值」 |
| ③ 时间范围 | 信息窗口 | 「2025 年」「近三年」「自 2020 年起」 |
| ④ 范围边界 | 地区 / 细分 / 对比集合 | 「中国市场」「20–30 万价位」「头部三家」 |
**质量梯度对照**:
- 🔻 弱:「研究新能源汽车」(只有 ①)
- ⚪ 中:「2025 年中国新能源汽车市场」(①③④)
- ✅ 强:「2025 年中国新能源汽车市场竞争格局,重点对比比亚迪、小米、特斯拉的产品矩阵和价格策略」(①②③④ 齐备)
#### Agent 处理用户原话的三档规则
| 档 | 触发条件 | 应当做的处理 |
|----|----------|--------------|
| **A 原样** | 用户原话已包含明确的主题对象 + 至少一个角度 / 时间 / 边界 | **原样传入**,不擅自添加用户未提到的视角或范围 |
| **B 最小改写** | 用户原话有 ① 会话引用("上面那个"、"刚才说的")② 口语噪音("呃"、"那个"、"帮我看下")③ 上下文已明确表达的隐式信息 | 仅做以下三类改写:<br>• **会话引用解析**:把"上面那个话题"替换成具体主题<br>• **噪音清理**:去掉口头禅<br>• **隐式信息补全**:补入用户对话中明确表达过的视角 / 时间(如先说"我做投资的"+"研究小米汽车" → 可补"从投资视角") |
| **C 澄清后再调** | 满足任一:① query 仅 1–2 个泛词且无任何角度("研究 AI"、"小米")② 多个研究方向并列冲突 ③ 涉及对比但未说对比对象 ④ 时间范围对结论影响关键但完全缺失 | **不要硬传**——调用 Agent 的澄清能力向用户问清后再走 Step 2 |
#### 用户原话 → 实际传入 query 的转换示例
| 用户原话 | 档 | Agent 实际传入的 `--query` |
|----------|:--:|---------------------------|
| 「2025 年小米汽车的发展历程和竞争格局」 | A | `2025 年小米汽车的发展历程和竞争格局` |
| 「呃帮我看下小米汽车的事儿,最近的」 | B | `小米汽车近期发展动态` |
| 「就上面那个话题写个报告」(前文聊的是"小米 SU7 的销量") | B | `小米 SU7 销量表现深度分析` |
| 「研究小米汽车」(前文用户说"我做投资的") | B | `小米汽车投资价值分析` |
| 「研究 AI」 | C | **先澄清**:「想研究 AI 的哪个方面?比如大模型技术路线、AIGC 应用市场、AI 芯片产业,或者其它?」|
| 「对比一下」(无对比对象) | C | **先澄清**:「想对比哪些对象?以及从哪些维度对比?」|
#### 不允许的改写
- **不得引入用户未提到的视角 / 范围 / 偏向**——比如用户说"研究小米汽车"就硬加"竞争格局分析"
- **不得替换主题对象**——比如把"小米 SU7"改成"小米汽车整体"
- **不得为了凑齐 4 要素而编造时间范围或地区**
### Step 2:调用脚本(必须设置长超时)
```bash
指定 version 调用:
python deepresearch.py run \
--query "研究小米汽车发展历程" \
--api-key "bce-v3/ALTAK-..." \
--version lite
或指定 agent_id 调用(与 version 都可选,同时提供时以 agent_id 为准,都不提供默认 version=lite):
python deepresearch.py run \
--query "研究小米汽车发展历程" \
--api-key "bce-v3/ALTAK-..." \
--agent-id "xxxxxxxx-xxxx-xxxx-xxxx-xxxxxxxxxxxx"
```
> ⚠️ **MUST**:调用 bash 工具时 **timeout 必须设置为 3600 秒(1 小时)**,否则脚本会被强制终止。
### Step 3:解析 stdout 的 JSON
脚本 stdout 仅输出一行结构化 JSON(进度日志写到 stderr,不影响解析):
```json
{
"conversation_id": "...",
"outline": {"title": "...", "description": "...", "sub_chapters": [...]},
"outline_preview": "标题:...\n描述:...\n\n章节结构:\n 1. ...",
"files": {
"md": {"filename": "report_xxx.md", "download_url": "https://..."},
"html": {"filename": "report_xxx.html", "download_url": "https://..."}
}
}
```
### Step 4:向用户展示结果(严格遵守模板)
**必须** 逐字按照下方模板输出最终结果给用户。仅替换 `{...}` 占位符;模板中的所有其它字符(含空行、冒号、连字符、固定文案)**不得修改、增删或重新排版**。
```
深度研究已完成!
研究大纲:
{outline_preview 字段内容(原样插入,保留换行与缩进)}
报告下载链接:
- Markdown 版本:{files.md.download_url}
- HTML 版本:{files.html.download_url}
```
**占位符填充规则**:
| 占位符 | 取值 | 强制要求 |
|------|------|----------|
| `{outline_preview 字段内容}` | stdout JSON 的 `outline_preview` 字符串 | **原样插入**:保留原换行与缩进;不得加粗、不得改成 markdown 标题(如 `# 标题`)、不得加 emoji、不得重新排版章节列表 |
| `{files.md.download_url}` | stdout JSON 的 `files.md.download_url` | **裸 URL**:不得包成 `[文字](URL)` 形式、不得加引号或空格 |
| `{files.html.download_url}` | stdout JSON 的 `files.html.download_url` | 同上 |
**固定文案禁止改写**:「深度研究已完成!」「研究大纲:」「报告下载链接:」「- Markdown 版本:」「- HTML 版本:」必须 **逐字保留**。
---
## ⚠️ 核心约束 (Guidelines)
- **MUST** 调用脚本时把 bash 工具超时设为 **3600 秒**——DeepResearch 报告通常耗时 10–30 分钟。
- **MUST** 仅从 **stdout 的 JSON** 提取结果;stderr 仅作调试日志,不要从中提取数据。
- **MUST** 按 [Step 1.5 的三档规则](#step-15query-构造原则) 构造 `--query`:A 档原样,B 档仅做"会话引用解析 / 噪音清理 / 已明示的隐式信息补全"三类最小改写,C 档先澄清再调脚本。
- **MUST NOT** 在构造 `--query` 时引入用户从未提到的视角、范围、对比对象、时间窗口或偏向;不得替换主题对象;不得为凑齐 4 要素而编造缺失要素。
- **MUST** 严格按照 [Step 4 模板](#step-4向用户展示结果严格遵守模板) **逐字** 输出最终结果——文案、空行数、冒号、列表符号、行序均不得改动。
- **MUST** 把 `outline_preview` 字段 **原样** 插入展示文本,保留其原始换行与缩进;不得追加 markdown 渲染(不得加粗、不得把"标题:"转成 `## 标题`、不得加 emoji)。
- **MUST** 把下载链接以 **裸 URL** 形式输出,不得包装为 `[文字](URL)` 等 markdown 链接形式。
- **MUST NOT** 在 `version` / `agent_id` 都未提供时询问用户——直接使用默认 `version=lite`。
- **MUST NOT** 重新实现 SSE 解析或 HTTP 调用逻辑——优先调用 `scripts/deepresearch.py`;需要扩展时基于现有脚本修改。
- **MUST NOT** 在最终展示前后 **添加任何额外文字**,包括但不限于:
* 开场白:「以下是为您整理的研究报告」「报告已生成如下」
* 收尾语:「希望对您有帮助」「如需进一步调整请告诉我」「祝研究顺利」
* 解释 / 总结:对大纲做二次解读、总结报告内容、提示后续动作
* 装饰:emoji、表情、分隔线(`---`、`===`)、引导符(`📊`、`📌`)
- **NEVER** 当 stdout JSON 不包含 `files.md.download_url` 时,**禁止编造下载链接**——应如实告知用户报告未生成成功。
---
## 📂 资源说明 (Resources)
### 文件清单
| 路径 | 类型 | 用途 |
|------|------|------|
| `scripts/deepresearch.py` | 可执行脚本 | 单阶段自动调用脚本(`run` 子命令):会话创建 → 查询 → 跳过澄清 → 大纲提取 → 自动确认 → 报告下载链接 |
| `references/api.md` | 文档 | DeepResearch API 完整接口说明(鉴权、请求 / 响应结构、各阶段示例) |
| `references/workflow.md` | 文档 | 完整调用工作流,含 SSE 流解析要点、HTTP 客户端注意事项、Python/Go 实现示例、并发压测、常见问题排查 |
### scripts/deepresearch.py 参数
| 参数 | 必填 | 说明 |
|------|:----:|------|
| `--query` | ✅ | 研究问题(自然语言原文) |
| `--api-key` | ✅ | 千帆 API Key,可改用环境变量 `QIANFAN_API_KEY` |
| `--agent-id` | ❌ | 智能体 ID,可改用环境变量 `QIANFAN_AGENT_ID`,优先级高于 `--version` |
| `--version` | ❌ | `lite` / `standard` / `pro`,默认 `lite` |
| `--clarification-wait` | ❌ | 检测到澄清事件后等待秒数,默认 `10` |
依赖:标准库 + `requests`(`pip install requests`)。
> 需要深入了解 SSE 流结构、`interrupt_id` 嵌套 JSON 解析、HTTP 长连接调优、并发压测等技术细节时,请阅读 [references/workflow.md](references/workflow.md)。脚本内部已处理好这些细节,正常调用无需关心。
---
## 🌟 示例 (Example)
**Input**
> 用户:「帮我研究下小米汽车,我做投资的,主要看 2025 年的市场表现」
**Agent 执行过程**
1. **构造 query**(Step 1.5,B 档:上下文已明示视角"投资"+ 时间"2025 年",做最小补全):
- 用户原话直接拼接 → `小米汽车 2025 年市场表现(投资视角)`
2. 从对话上下文 / 环境变量获取 `api_key`;未指定版本 → 使用默认 `lite`。
3. 调用脚本(bash 超时设为 3600s):
```bash
python3 scripts/deepresearch.py run \
--query "小米汽车 2025 年市场表现(投资视角)" \
--api-key "bce-v3/ALTAK-..." \
--version lite
```
4. 解析 stdout 的 JSON,提取 `outline_preview` 与 `files.md.download_url`、`files.html.download_url`。
**Output(向用户展示)**
✅ **正确**——必须严格按这个格式,不增不减:
```
深度研究已完成!
研究大纲:
标题:小米汽车 2025 年市场表现投资分析报告
描述:本报告聚焦 2025 年小米汽车的市场表现,从销量、毛利、产品矩阵、
竞争位势与资本市场反应等维度切入,为投资决策提供结构化参考。
章节结构:
1. 2025 年市场表现概览
- 销量与交付节奏
- 主力车型营收与毛利
2. 竞争位势与价格段对比
- 与比亚迪、特斯拉的同价位段争夺
- 渠道与品牌势能变化
3. 投资视角下的关键变量
- 产能爬坡与供应链风险
- 估值锚与下一阶段催化剂
报告下载链接:
- Markdown 版本:https://qianfan.baidubce.com/.../report_xxx.md
- HTML 版本:https://qianfan.baidubce.com/.../report_xxx.html
```
❌ **错误**——以下违规模式 **禁止** 出现:
| 违规类型 | 错误示例 | 修正 |
|----------|---------|------|
| 加开场白 | `为您整理了深度研究报告,请查收:\n\n深度研究已完成!...` | 直接以「深度研究已完成!」开头 |
| 加收尾语 | `...HTML 版本:https://...\n\n希望对您有帮助,如需调整请告诉我。` | 在最后一行 URL 处结束,不要任何后缀 |
| 改写固定文案 | `📊 研究大纲` / `## 研究大纲` / `研究大纲如下:` | 必须逐字「研究大纲:」 |
| 链接包成 markdown | `- Markdown 版本:[点此下载](https://...)` | 必须裸 URL:`- Markdown 版本:https://...` |
| 重排 outline | 把「标题:」转成 `# 标题`、把「 1. ...」转成 `1. ...` markdown 列表 | 把 `outline_preview` 原样插入,保留缩进 |
| 添加二次解读 | 在大纲后加「这份报告涵盖了……」总结段 | 不得对内容做任何额外解读 |
Records learnings, errors and corrections as Markdown files for later reuse and promotion into workspace memory.
Finds skills in local and remote catalogs from a plain-language request and recommends what to install.
A browser-automation command line skill for AI agents.
Turns corrections and self-review into tiered memory and promotes or archives it by use.
A workspace setup guide for planning proactive follow-up, working memory and review routines for an AI agent.
A guide to creating and updating effective Claude skills.
Reviews a third-party skill's source, permissions, and danger patterns against a checklist before it is installed.
以李白(701—762,字太白,号青莲居士,世称诗仙)的诗学观、意象系统与口吻,进行唐诗赏析、文学评论、考据问答与拟体创作。触发词:李白、李太白、太白、青莲居士、诗仙、谪仙人、将进酒、静夜思、蜀道难、唐诗、盛唐诗人、浪漫主义诗人、拟李白风格、以李白视角、李白会怎么写、用李白口吻。能力:诗词鉴赏与风格DNA解析、诗学观与文学谱系评述、诗句出处考据与真伪边界标注、以李白口吻答问、拟李白体旧体诗(必显式标注非原作)。适用边界:仅用于唐代文学与古典诗歌相关话题,非此类话题不触发;本 skill 为文学普及与研究辅助,不代表李白本人立场,所拟之作均非李白原作;涉及生平佚事、篇目归属等内容不构成学术定论,皆标存疑或待考。
A skill that searches the web through the Baidu AI Search API.
Generates a PPT from a topic with Baidu Wenku AI, matching a template to the content.
baidu-baike-data documents retrieving Baidu Baike entries by title or ID.
Baidu Wenku AI Picture Book creates story-based picture-book video tasks.
Data as of 2026-10. Downloads and stars are aggregated monthly from public skill registries (ClawHub, SkillHub). See data methodology.