一个 OpenClaw 技能（Skill），用于执行结构化深度调研。适用于竞品分析、客户调研、技术选型、产品调研、行业分析等场景。
- 三档调研模式：快速（1-2 轮搜索）、标准（3-4 轮）、深度（5-8+ 轮），根据问题复杂度自动匹配
- 完整调研流程：规划 → 搜索 → 素材沉淀 → 质量反思 → 报告交付，六阶段闭环
- 素材本地化：所有搜索结果和页面全文存入本地文件夹，不因上下文窗口压缩丢失信息
- 多源交叉验证：来源可信度分级（T1/T2/T3），关键结论至少 2 个来源支撑
- 10 种报告模板：竞品分析、客户调研、技术方案、产品调研、行业/赛道、用户调研、定价策略、合作伙伴、趋势洞察、快速简报
- 决策导向输出：结论前置、置信度标注（🟢🟡🔴）、必有下一步行动建议
| 模式 | 适用场景 | 搜索轮次 | 来源数量 |
|---|---|---|---|
| 快速 | 单一事实核查、简单问题 | 1–2 | 3–5 |
| 标准 | 单一对象调研（一个产品/客户/技术） | 3–4 | 8–15 |
| 深度 | 多对象对比、全景分析、战略决策 | 5–8+ | 20–40+ |
竞品分析、客户信息调研、技术方案调研、产品调研、行业/赛道调研、用户调研、定价策略调研、合作伙伴/渠道调研、趋势洞察、快速简报。
每种类型都有对应的输出模板（见 references/output-templates.md）。
1. 制定研究计划 → 明确核心问题和信息维度
2. 工具选择策略 → Brave / Tavily / web_fetch / browser 按场景选用
3. 分层搜索与素材沉淀 → 搜索结果和页面全文存入本地目录
4. 信息受阻时的变通 → 多种降级策略和间接信号推断
5. 质量反思与补救 → 完整性/时效性/可信度/客观性自查
6. 撰写报告 → 回读全部素材后输出结构化报告
每次标准/深度调研会在当前目录下生成：
{主题}-research/
├── search-results/ # 搜索结果原始记录
├── sources/ # 抓取的完整页面内容
├── notes.md # 调研笔记（关键发现、矛盾点）
├── todo.md # 研究计划与进度
└── report.md # 最终报告
本技能在执行调研时会按需调用以下工具：
- Brave Search — 主力搜索引擎，找链接、查最新动态
- Tavily — AI 研究工具，返回内容摘录和多源综合答案
- browser — OpenClaw 内置浏览器，复杂网页抓取（JS 重页面、公众号、需交互操作）
- web_fetch — 通用页面抓取，配合
r.jina.ai/defuddle.md前缀提取正文
使用前需要完成以下配置：
把以下地址发给你的 OpenClaw，说"安装这个 skill"即可：
https://github.com/bruc3van/bruce-deep-research
在 OpenClaw 中直接用自然语言触发：
帮我调研一下 Notion 和 Obsidian 的竞品对比
调研一下 xx 公司的客户信息
帮我做个技术选型，对比 PostgreSQL 和 MongoDB
了解一下 AI 编程助手的市场格局
触发关键词：调研、分析、对比、搜集、research、investigate、compare、analyze 等。
bruce-deep-research/
├── SKILL.md # 技能定义（主文件）
├── references/
│ └── output-templates.md # 各类报告的输出模板
└── README.md # 本文件
- 先规划再搜索 — 花 1 分钟规划，省 5 分钟乱搜
- 追溯一手来源 — 看到一个说法，找到原始出处验证
- 边搜边沉淀 — 每个有价值的来源立即存文件
- 每条信息标注来源 — 有 URL 和日期才有价值
- 空白也是结论 — 找不到的信息清晰标注，比沉默更有帮助
- 工具由轻到重 — 先用 Brave/web_fetch，必要时再升级到 browser/Tavily
MIT