Socialpranker/deepdive

何を解決するか

Deepdive は Claude Code 向けの構造化されたメタリサーチスキルであり、無計画な検索やワンショットプロンプトに代わって、厳密で文書化された調査プロセスパイプラインを提供します。これは、架空の引用、ソースバイアス、明確な意思決定の道筋を持たない「テキストの壁」出力を防ぎます。

どう動くか

このプロジェクトは、LLMが体系的な研究プロセスを経るのを導く13段階のパイプラインを実装しています：

1. 再定義と計画：ユーザーの質問を仮説と詳細な17セクション計画を持つ意思決定仕様に変換します。質問の構造（比較的 vs. 実在的）に基づいて最適な分解方法を選択するルーターを使用します。
2. ターゲット検索：29の名前付き検索チャネル（学術、法的、コードなど）にわたる並列サブエージェントを活用し、460以上の統計ソースと47以上のAPIのレジストリを利用します。進行が見込めない場合にトークンの無駄遣いを防ぐ「進捗なし回路ブレーカー」を備えています。
3. 三角化とスコアリング：主張はレジャーに記録され、信頼性、最新性、バイアスの観点からスコアリングされます。合成段階に到達する前に、「入力レベルの懐疑」（例：ベンダー報告のベンチマーク）を特にマークします。
4. 検証：複数回のマシンチェックを実行し、CRAGスタイルの関連性フィルタと、ソースが実際に主張を含んでいるかを確認する忠実性チェックを含みます。
5. 統合と実行：意思決定メモと完全なレポートを生成します。プロセスは、ユーザーが元の意思決定の分岐に対して調査結果を実際に実行する「意思決定ウォークスルー」を必須として終了します。

誰に向けているか

Claude Code や他のLLMを使用し、抽象的な要約ではなく、具体的な行動につながる高信頼性・検証可能な研究レポートが必要な開発者や研究者。

特徴

• 13段階パイプライン：再定義から最終的な意思決定ウォークスルーまで、厳密なワークフロー。
• マルチモデルルーティング：段階の複雑さに応じて Opus、Sonnet、Haiku にタスクをルーティングし、コストと品質を最適化。
• 自動検証：引用の有効性、主張の含意、導出された数値の算術をチェックするスクリプトを含む。
• 広範なソースレジストリ：多数の専門APIと数百の業界特化統計ソースへの内蔵アクセス。
• 意思決定中心の出力：単なる情報要約ではなく、「意思決定の骨格」（メモと分岐）を生成することに焦点を当てます。