Weizhena/Deep-Research-skills

何を解決するか

このプロジェクトは、AIコーディングアシスタント（Claude Code、OpenCode、Codex）向けの構造化された2段階の研究ワークフローを提供し、単なるチャットインターフェースから体系的な研究ツールへと変革します。アウトライン作成と深掘り調査のプロセスを強制することで、AIがステップを飛ばしたり、表面的な回答を提供したりすることを防ぎます。

動作方法

システムは専用のスキルとエージェントを使用して、複数ステップのワークフローを実装しています。

1. アウトライン作成: ユーザーは /research をトリガーして、調査すべき項目の構造化されたリストと、各項目に対して収集すべき具体的な情報分野を作成します。
2. 精緻化: ユーザーは /research-add-items と /research-add-fields を使用して、手動で項目や分野を追加し、範囲が完全であることを確認できます。
3. 深掘り調査: /research-deep コマンドを実行すると、並列エージェントがアウトライン内の各項目についてWeb検索を行い、詳細なデータをJSON形式で収集します。
4. レポート作成: /research-report コマンドは、収集されたデータを最終的な整理されたMarkdownレポートに統合します。

対象ユーザー

学術調査、技術評価、市場分析、デューデリジェンスなど、包括的な調査を必要とするClaude Code、OpenCode、Codexのユーザー向けに設計されています。

特徴

• 人間が関与するプロセス: 深掘り検索の前に、ユーザーが研究アウトラインを修正できる。
• マルチプラットフォーム対応: Claude Code、OpenCode、Codexと互換性があります。
• 構造化出力: 柔軟なアウトラインからJSONデータへ、最終的にフォーマットされたMarkdownレポートへと移行します。
• 並列実行: 複数の項目に対して効率的に深掘り調査を行うエージェントを使用しています。