Loading skill
Install any skill in seconds. Free to start, no credit card required.
Get Started Free →专业深度研究与报告生成技能。支持企业竞争分析、产品竞争分析、行业分析、市场规模/竞争格局、AI大模型厂商、AI工具学习指南等领域。整合17个搜索引擎，三阶段工作流（主题确认→框架生成→报告输出），运用PESTEL、SWOT、波特五力、商业模式画布等经典咨询研究模型，输出精美的深蓝色政务风格HTML与Markdown双格式咨询级报告。
.claude/skills/leoyeai-deepsearch-mpro/SKILL.md| Test case | Without → With | Effect | Δ tokens | Δ turns |
|---|---|---|---|---|
| case-12 | ✗→✓ | ▲ Improved | 222% | 0% |
| case-13 | ✗→✓ | ▲ Improved | 191% | 0% |
| case-20 | ✗→✓ | ▲ Improved | 63% | 0% |
| case-01 | ✓→✓ | ＝ Same ✓ | 192% | 0% |
| case-02 | ✓→✓ | ＝ Same ✓ | 137% | 0% |
该技能用于生成专业、咨询级别的研究报告，覆盖市场分析、AI 大模型厂商、SaaS 厂商、AI 工具学习指南、竞争情报、行业研究等领域。
本技能整合了以下核心搜索能力，提供多源数据搜索与分析支持：
| 整合来源 | 路径 | 能力说明 | 版权归属 | |---------|------|---------|---------| | ddg-web-search | ddg-web-search/ | DuckDuckGo 网络搜索能力，提供全球范围内的实时搜索支持 | 原作者所有 | | multi-search-engine | multi-search-engine/ | 多搜索引擎聚合能力，整合17个搜索引擎（8个国内 + 9个国际），无需 API 密钥 | 原作者所有 |
能力集成说明：
本技能已将上述搜索能力整合为核心功能
目的：确保正确理解用户的研究需求，避免方向偏差。
工作流程：
根据主题关键词推断分析领域，加载对应的领域文档：
| 主题类型 | 关键词示例 | 领域文档 | |---------|-----------|---------| | 行业分析 | "{行业名}行业分析"、"ERP行业趋势"、"AI Agent行业" | references/domains/industry-analysis.md | | 企业竞争分析 | "{公司名}分析"、"{公司名}竞争分析"、"{公司名}研究"、金蝶、用友、SAP等 | references/domains/company-analysis.md | | 产品竞争分析 | "{产品名}分析"、"{产品名}研究"、"{产品名}竞争力" | references/domains/product-analysis.md | | 市场规模/竞争格局 | "市场规模分析"、"竞争格局研究"、"市场机会评估" | references/domains/market-analysis.md | | AI 大模型厂商 | OpenAI、Anthropic、DeepSeek、智谱AI等 | references/domains/ai-vendor-analysis.md | | AI 工具学习指南 | "AI工具使用指南"、"Gemini教程" | references/domains/ai-tool-learning-guide-framework.md |
推断逻辑：
向用户展示以下确认项，等待用户确认或修改：
| 确认项 | 说明 | 示例 | |-------|------|------| | 研究主题 | 解析后的核心研究对象 | "金蝶企业竞争分析" | | 研究方向 | 分析领域及分析角度 | "企业竞争分析：商业模式 + 竞争格局 + 近期动态" | | 时间范围 | 数据收集的时间窗口 | "近一周" / "近一月" / "自定义（如2024Q1）" |
时间范围说明：
时间参数传递：
search_time_rangesearch_time_range = "近一周" → 搜索引擎添加 &before=2026-03-18&after=2026-03-11详细流程和示例：见 references/workflow/phase0-details.md
目的：生成完整的分析框架，作为后续数据收集与报告生成的蓝图。
工作流程：
references/domains/*.md）references/models/*.md）references/models/README.md详细流程和示例：见 references/workflow/phase1-details.md
目的：将分析框架和数据整合为最终的咨询级报告。
工作流程：
assets/report-template.mdHTML 模板系统：
位于 assets/templates/ 目录，提供 10 个模块化模板：
| 模板文件 | 分析模型 | |---------|---------| | product-overview-template.html | 产品概览 | | target-users-template.html | 目标用户分析 | | core-features-template.html | 核心功能 | | business-model-canvas-template.html | 商业模式画布 | | porter-five-forces-template.html | 波特五力分析 | | swot-analysis-template.html | SWOT 分析 | | pestel-analysis-template.html | PESTEL 分析 | | competitor-matrix-template.html | 竞品对比矩阵 | | timeline-template.html | 关键时间线 | | key-metrics-template.html | 关键指标 |
模板组合建议：
| 研究类型 | 推荐模板组合 | |---------|-------------| | AI 厂商/产品 | 产品概览 → PESTEL → 目标用户 → 竞品矩阵 → 商业模式画布 → SWOT → 核心功能 | | 市场竞争 | 产品概览 → PESTEL → 波特五力 → 竞品矩阵 → 关键指标 | | 商业模式 | 产品概览 → PESTEL → 商业模式画布 → SWOT | | 行业研究 | 产品概览 → PESTEL → 波特五力 → 关键指标 → 时间线 |
详细流程和示例：见 references/workflow/phase2-details.md
第一层：Agent 内置 web_search（优先使用）
第二层：web_fetch 深度搜索
references/technical/search-engines.md第三层：multi-search-engine 备用方案（如前两层无法获取数据）
第四层：ddg-web-search 最终备选
markdown对于每个数据需求（P0/P1/P2）： 1. 先使用 web_search 快速获取 - 成功：进入数据提取 - 失败：进入第2层 2. 使用 web_fetch 深度搜索 - 成功：进入数据提取 - 失败：进入第3层 3. 使用 multi-search-engine 备用方案 - 根据数据类型选择合适引擎： * 中文市场 → 百度、微信、头条 * 国际市场 → Google、Bing * 政府数据 → site:gov.cn * 行业报告 → filetype:pdf - 成功：进入数据提取 - 失败：进入第4层 4. 使用 ddg-web-search 最终备选 - 成功：进入数据提取 - 失败：标注"数据暂不可得" 数据提取： - 从搜索结果中提取关键数据 - 多源交叉验证（至少2个来源） - 标注数据可信度（high/medium/low）
本技能已内置整合以下搜索能力，用户无需额外安装任何子技能：
| 搜索层 | 能力来源 | 说明 | |--------|---------|------| | 第1层 | Agent 内置 web_search | 默认优先使用 | | 第2层 | Agent 内置 web_fetch | 深度搜索 | | 第3层 | 已整合 multi-search-engine | 17个搜索引擎，无需安装 | | 第4层 | 已整合 ddg-web-search | DuckDuckGo Lite，无需安装 |
子技能已整合：
./multi-search-engine/ 和 ./ddg-web-search/ 的能力已完全整合进本技能references/technical/search-engines.mdreferences/technical/multi-layer-search-strategy.md严格遵循规则：报告中呈现的所有数据，必须直接来源于提供的 Data Summary 或 External Search Findings。
{主题关键词}-report-{日期}.mdassets/report-template.md{主题关键词}-report-{日期}.htmlassets/html-template.html1,000）1.、1.1）| 文档 | 说明 | |------|------| | references/domains/industry-analysis.md | 行业分析框架（PESTEL + 波特五力 + 价值链） | | references/domains/company-analysis.md | 企业竞争分析框架（含 SaaS 厂商分析，商业模式画布 + SWOT + 竞品矩阵） | | references/domains/product-analysis.md | 产品竞争分析框架（目标用户 + 竞品矩阵 + 核心功能） | | references/domains/market-analysis.md | 市场规模/竞争格局分析框架（TAM-SAM-SOM + 波特五力） | | references/domains/ai-vendor-analysis.md | AI 大模型厂商分析框架 | | references/domains/ai-tool-learning-guide-framework.md | AI 工具学习指南生成框架 | | references/domains/hotspot-analysis.md | 热点分析公共模块（企业/产品/AI/SaaS/全球AI热点） |
| 文档 | 说明 | |------|------| | references/workflow/phase0-details.md | 阶段0 详细流程和示例 | | references/workflow/phase1-details.md | 阶段1 详细流程和示例 | | references/workflow/phase2-details.md | 阶段2 详细流程和示例 | | references/workflow/examples-complete.md | 完整示例集（5个场景） |
| 文档 | 说明 | |------|------| | references/technical/multi-layer-search-strategy.md | 四层搜索策略详细指南 | | references/technical/search-engines.md | 多源搜索引擎使用指南 | | references/technical/data-quality-guidelines.md | 数据质量控制标准 | | references/technical/format-conversion.md | 格式转换指南 |
| 文档 | 说明 | |------|------| | assets/templates/README.md | 模板使用说明 | | assets/templates/*.html | 10 个模块化 HTML 模板 |
| 文档 | 说明 | |------|------| | references/domains/industry-analysis.md | 行业分析框架（PESTEL + 波特五力 + 价值链） | | references/domains/company-analysis.md | 企业竞争分析框架（商业模式画布 + SWOT + 竞品矩阵） | | references/domains/product-analysis.md | 产品竞争分析框架（目标用户 + 竞品矩阵 + 核心功能） | | references/domains/ai-vendor-analysis.md | AI 大模型厂商分析框架 | | references/domains/ai-tool-learning-guide-framework.md | AI 工具学习指南框架 | | references/domains/saas-vendor-analysis.md | SaaS 厂商分析框架 | | references/domains/market-analysis.md | 市场与竞争分析框架 |
| 文档 | 说明 | |------|------| | references/models/README.md | 模型索引和使用说明 | | references/models/strategic/*.md | 战略模型（SWOT、PESTEL、波特五力、VRIO） | | references/models/market/*.md | 市场模型（STP、BCG、TAM-SAM-SOM） | | references/models/competitive/*.md | 竞争模型（商业模式画布、竞品矩阵、价值链） | | references/models/consumer/*.md | 消费者模型（决策旅程、AARRR、RFM） | | references/models/financial/*.md | 财务模型（杜邦分析、DCF、可比公司） |
| 文档 | 说明 | |------|------| | references/methodology/deep-research-methodology.md | 深度研究方法论 | | references/methodology/report-writing-guide.md | 报告撰写指南 |
textoutput_locale = zh_CN # zh/en default_search_engines = ["baidu", "bing", "google"] data_validation_required = true # P0 数据必须验证 interactive_confirmation = true # 交互式确认，支持用户修改研究参数
| Case | Status | Duration (ms) | Turns | Tokens | Tool calls | ||||||||
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| Without | With | Δ | Without | With | Δ | Without | With | Δ | Without | With | Δ | ||
case-01 | pass→pass | 11,947 | 10,522 | -12% | 1 | 1 | 0% | 2,240 | 6,550 | +192% | 0 | 0 | — |
case-02 | pass→pass | 13,421 | 6,001 | -55% | 1 | 1 | 0% | 2,382 | 5,647 | +137% | 0 | 0 | — |
case-03 | pass→pass | 18,002 | 16,869 | -6% | 1 | 1 | 0% | 3,638 | 8,549 | +135% | 0 | 0 | — |
case-04 | pass→pass | 7,062 | 5,223 | -26% | 1 | 1 | 0% | 1,349 | 5,466 | +305% | 0 | 0 | — |
case-05 | pass→pass | 2,632 | 3,144 | +19% | 1 | 1 | 0% | 468 | 5,040 | +977% | 0 | 0 | — |
case-06 | pass→pass | 21,743 | 16,789 | -23% | 1 | 1 | 0% | 3,505 | 7,350 | +110% | 0 | 0 | — |
case-07 | pass→pass | 17,197 | 19,977 | +16% | 1 | 1 | 0% | 3,375 | 7,822 | +132% | 0 | 0 | — |
case-08 | pass→pass | 17,021 | 15,755 | -7% | 1 | 1 | 0% | 2,871 | 7,253 | +153% | 0 | 0 | — |
case-09 | pass→pass | 7,520 | 11,138 | +48% | 1 | 1 | 0% | 1,293 | 6,353 | +391% | 0 | 0 | — |
case-10 | pass→pass | 13,252 | 4,269 | -68% | 1 | 1 | 0% | 2,476 | 5,330 | +115% | 0 | 0 | — |
case-11 | pass→pass | 12,086 | 8,051 | -33% | 1 | 1 | 0% | 2,296 | 6,167 | +169% | 0 | 0 | — |
case-12 | fail→pass | 14,512 | 16,970 | +17% | 1 | 1 | 0% | 2,226 | 7,157 | +222% | 0 | 0 | — |
case-13 | fail→pass | 10,939 | 7,054 | -36% | 1 | 1 | 0% | 2,028 | 5,896 | +191% | 0 | 0 | — |
case-14 | pass→pass | 11,858 | 8,595 | -28% | 1 | 1 | 0% | 2,180 | 6,075 | +179% | 0 | 0 | — |
case-15 | pass→pass | 17,558 | 14,309 | -19% | 1 | 1 | 0% | 2,999 | 7,079 | +136% | 0 | 0 | — |
case-16 | pass→pass | 14,948 | 11,489 | -23% | 1 | 1 | 0% | 2,795 | 6,494 | +132% | 0 | 0 | — |
case-17 | pass→pass | 14,996 | 9,325 | -38% | 1 | 1 | 0% | 2,538 | 6,255 | +146% | 0 | 0 | — |
case-18 | pass→pass | 11,028 | 3,540 | -68% | 1 | 1 | 0% | 1,872 | 5,092 | +172% | 0 | 0 | — |
case-19 | pass→pass | 7,041 | 2,583 | -63% | 1 | 1 | 0% | 1,211 | 4,942 | +308% | 0 | 0 | — |
case-20 | fail→pass | 22,849 | 10,233 | -55% | 1 | 1 | 0% | 3,798 | 6,200 | +63% | 0 | 0 | — |
case-21 | pass→pass | 7,311 | 2,582 | -65% | 1 | 1 | 0% | 1,364 | 5,067 | +271% | 0 | 0 | — |
case-22 | pass→pass | 13,764 | 8,418 | -39% | 1 | 1 | 0% | 2,500 | 6,016 | +141% | 0 | 0 | — |
DecimalAI ran this skill against gemini-3.6-flash twice over the same eval suite — once with the skill loaded and once without — and compared the two runs case by case. 22 cases were attempted. The headline lift of +14 percentage points is the difference between those two pass rates over the 22 comparable cases.
Without the skill loaded, the model failed this case. With it loaded, the same prompt on the same model passed. This is one improved case from the latest verified run; every case, including any that regressed, is in the table above.
Other measured skills in the registry, with their headline benchmark lift.