AlphaMoatによると、2026-10時点でqianfan-deepresearchのダウンロード数は24,476、スター数は7で、累計ダウンロード数で今回のランキング対象AIスキル10,914件中1,161位、AIエージェントでは1,632件中173位です。
一覧の初期表示は累計ダウンロード数順で、スター数順にも並べ替えできます。詳細ページの順位は累計ダウンロード数で計算しています。
| プラットフォーム | ダウンロード数 | スター数 | コメント |
|---|---|---|---|
| ClawHub ↗ | 9826 | 3 | - |
| SkillHub ↗ | 2.4万 | 7 | — |
プラットフォームごとに集計方法と集計時点が異なります。
一つのコマンドで、セッション作成、調査開始、確認の省略、アウトライン確認までを自動で進め、最後にレポートのダウンロードリンクを標準出力へ出します。業界調査、市場調査、競合分析、政策の読み解きなど、構造化された長いレポートが必要な題材に向きます。呼び出し時は実行のタイムアウトを十分長く取る必要があり、原文では一時間と指定されています。そうしないとスクリプトが打ち切られます。 この調査フローには十分に長いタイムアウト(出典では 3600 秒)を設定し、検索テーマと範囲はユーザーが提示した内容に限定してください。
資料公開日 2026-10-27
スキルのドキュメントをもとに生成した例であり、実際の実行結果ではありません。
2026-09 から集計方法を変更し、同名スキルを作者ごとに分けて集計し、全スキルを対象にしました。破線は変更前の月で、変更後のデータとは直接比較せず、変更をまたぐ増減も計算していません。
| 月 | ダウンロード数 | 前月比 | スター数 |
|---|---|---|---|
| 2026-10 | 2.4万 | — | 7 |
| 2026-09 | 1.5万 | — | 7 |
| 2026-08 | 1.4万 | +2.5% | 7 |
| 2026-07 | 1.3万 | +3.6% | 7 |
| 2026-06 | 1.3万 | +4.7% | 7 |
| 2026-05 | 1.2万 | — | 5 |
| 2026-03 | 9142 | — | 2 |
作者が公開した元のファイルをテキストのまま表示しています。AlphaMoat による編集や審査はしていません。リンクはクリックできません。コマンドは内容を確認してから実行してください。取得日 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 |
開発中の学び、エラー、訂正を Markdown ファイルに記録し、再利用やワークスペースの記憶への昇格に備えます。
やりたいことを自然文で伝えると、ローカルとリモートのカタログからスキルを探して推薦するスキルです。
AI エージェント向けのブラウザ自動化コマンドラインスキルです。
利用者の訂正と自己点検を層構造の記憶に蓄え、使われ方に応じて昇格や保管を行うスキルです。
AI エージェントの先回り、作業記憶、振り返りの手順を計画するためのワークスペース設定ガイドです。
効果的な Claude スキルの作成・更新ガイドです。
第三者のスキルを入れる前に、出所と権限と危険な作りを手順に沿って調べるスキルです。
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。
Baidu AI 検索 API でウェブを検索するスキルです。
百度文庫の AI でテーマから資料を生成し、内容に合うテンプレートを選ぶスキルです。
baidu-baike-data は題名や ID による百度百科の取得を説明します。
百度文庫 AI 絵本は物語から絵本動画のタスクを作ります。
データ月:2026-10 · ダウンロード数とスター数は公開スキルレジストリ(ClawHub、SkillHub)から月単位で集計しています。詳しくはデータの方法論をご覧ください。