Socialpranker/deepdive

Deepdive skill for Claude Code — 12-phase research pipeline: plan-review gate, parallel sub-agent search, claims-ledger triangulation with dissent protection, relevance × authority evidence filter, multi-angle red team, four-layer citation verification. 105 blocks, 29 channels, 460+ stat sources, 47 APIs, 1072 verified endpoints.

Deepdive – 구조화된 메타 연구를 위한 Claude Code 스킬

개요 – Deepdive는 Anthropic의 Claude Code를 위한 스킬로, 일반적인 "X 연구" 요청을 재현 가능한 13단계 파이프라인으로 변환합니다. 이 파이프라인은 자동으로 다음을 수행합니다:

질문을 재구성하고 가설을 생성합니다.
보고서 장르(예: 의사결정, 설명)와 검색 채널 세트를 선택합니다.
상세한 계획을 수립하고, 검색이 실행되기 전에 사용자의 승인을 받습니다.
병렬 하위 에이전트(Claude Haiku 사용)를 파견하여 29개의 엄선된 채널(웹, 학술, 코드, 규제 등)에서 출처를 가져옵니다.
주장을 삼각측량하고, 증거를 필터링하며, CRAG 스타일의 관련성 분류기를 실행합니다.
보고서를 종합하고, 적대적인 "레드팀" 패스를 추가하며, 인용 충실성을 검증합니다(RAGAS/ALCE 스타일).
사용자에게 의사결정 분기를 안내하고, 향후 재사용을 위해 결과를 기록합니다.

모든 산출물은 마크다운 파일(계획, 출처, 주장, 숫자, 메모 등)로 저장되므로 몇 달 후에도 연구를 다시 검토할 수 있으며, 모든 주장의 출처가 명확합니다.

빠른 설치 (30초)

Claude Code의 경우 – 저장소를 ~/.claude/skills/에 클론합니다:

git clone https://github.com/Socialpranker/deepdive.git ~/.claude/skills/deepdive

그런 다음 Claude Code 세션 내에서 **"Investigate post-gres logical replication vs CDC tooling"**과 같은 명령을 입력합니다.

Claude Desktop의 경우 – 클론한 후, 폴더를 .skill 번들로 압축하여 Claude.app → Settings → Skills를 통해 업로드합니다.

기타 LLM의 경우 – 13단계 방법론은 이식 가능합니다. SKILL.md와 참조 마크다운 파일을 모델의 컨텍스트에 로드하고 단계를 수동으로 실행합니다.

작동 방식 (개요)

단계	이름	핵심 작업
1	Reframing	질문 유형을 분류하고 가설 생성
2	Genre & block selection	보고서 장르 및 블록 템플릿 선택
3	Plan	17섹션 실행 계획 생성
3.5	Capability discovery	사용할 모델(Opus/Haiku/Sonnet) 감지
3.7	Plan-review gate	승인/편집을 위해 사용자에게 계획 표시
4	Search	29개 채널에 걸친 병렬 하위 에이전트 쿼리
5	Claims ledger & triangulation	각 주장을 기록하고 출처 다양성 확인
5.5	Evidence filter	주장별 CRAG 스타일 관련성 필터
5.7	Wiki reconcile	중복되는 증거 병합
6	Synthesis + red-team	보고서 작성, 적대적 반론 생성
6.5	Verify	충실성 검사(링크 활성, 함의, 한정자)
7	Refresh targets	누락된 간극 추가, 제한된 검색 재실행
8	Decision walkthrough	대화형 분기 해결, 결과 기록

모델 라우팅은 명시적입니다: 고추론 단계는 Claude Opus를 사용하고, 저비용 확장은 Haiku를 사용하며, 종합에는 Sonnet을 사용합니다. 비용은 사전에 표시되며, 원하는 경우 "저비용 모드"로 강제할 수 있습니다.

저장소와 함께 제공되는 주요 자산

Report blocks – 106개의 사전 작성된 블록 템플릿(FRAME, EXPLAIN, COMPARE 등)
Search channels – 쿼리 패턴과 페이월 대체책을 가진 29개의 명명된 전략
Statistical sources – 460개 이상의 엄선된 API 및 데이터셋(정부, 금융, 건강, 암호화폐 등)
API catalog – 47개의 무료, 인증 불필요 엔드포인트(Semantic Scholar, arXiv, World Bank, SEC EDGAR 등)
Eval harness – 6개의 품질 차원(인용 무결성, 비용, 정확성, 적용 범위, 적대적 정직성, 결정론)에서 실행을 벤치마크하는 스크립트
Validation scripts – check_citations.py, check_number_provenance.py, scripts/validate_phases.py는 각 단계가 예상된 산출물을 생성했는지 강제합니다.

실행 후 얻을 수 있는 것

research/<topic>/
├─ plan.md                # 17섹션 실행 계획
├─ claims.csv             # 모든 주장 + 삼각측량 상태의 원장
├─ sources/…/*.md         # 출처당 하나의 파일(직접 인용 포함)
├─ findings/F*.md         # 신뢰 수준을 가진 원자적 논제
├─ .verify/*.json         # 활성, 충실성, 한정자 검사
├─ memo.md                # 1페이지 의사결정 메모(권장 사항, 위험)
└─ report.md              # 전체 다중 섹션 연구 보고서

각 주장은 출처([s12]) 및 검증 결과에 연결되어 출력을 완전히 감사 가능하고 재사용 가능하게 만듭니다.

사용자 대상

기술적 의사결정을 내리기 전에 문서화되고 편향이 점검된 조사가 필요한 제품 관리자 또는 엔지니어.
수동으로 인용을 추적할 필요 없이 재현 가능한 증거 수집 파이프라인을 원하는 연구원.
이미 Claude Code를 사용하고 있으며 "연구-as-code" 워크플로우로 확장하려는 팀.

자세히 알아보기

Docs site – https://socialpranker.github.io/deepdive/
Quickstart – QUICKSTART.md
Evaluation harness – eval/README.md
Contribution guide – CONTRIBUTING.md

요약

Deepdive는 엄격하고 인용이 풍부한 연구를 자동화하는 완전한 기능을 갖춘 오픈소스 Claude Code 스킬입니다. 쿼리를 13개의 투명한 단계로 분해함으로써, 환각을 줄이고 편향을 드러내며, 나중에 다시 검토하거나 감사할 수 있는 재사용 가능하고 버전 관리되는 연구 폴더를 생성합니다.