Socialpranker/deepdive

해결하는 문제

Deepdive는 Claude Code를 위한 구조화된 메타연구 기술로, 즉흥적인 검색이나 단일 프롬프트에 의존하는 방식을 대체하여 엄격하고 문서화된 조사 프로세스 파이프라인을 제공합니다. 이는 환상적인 인용, 출처 편향, 명확한 의사결정 경로가 없는 '텍스트의 벽' 출력과 같은 일반적인 AI 연구 실패를 방지합니다.

작동 방식

이 프로젝트는 LLM이 체계적인 연구 과정을 거치도록 안내하는 13단계 파이프라인을 구현합니다:

1. 재정의 및 계획: 사용자 질문을 가설과 상세한 17단계 계획을 포함한 의사결정 사양으로 변환합니다. 질문의 형태(예: 비교적 vs. 사실적)에 따라 최적의 분해 방법을 선택하는 라우터를 사용합니다.
2. 타겟 검색: 29개의 명명된 검색 채널(학술, 법적, 코드 등)에 걸쳐 병렬 하위 에이전트를 활용하며, 460개 이상의 통계 자료 및 47개 이상의 API를 포함한 레지스트리를 사용합니다. 진전이 없는 경우 토큰 낭비를 막기 위한 '진전 없음 회로 차단기'를 포함합니다.
3. 삼각화 및 점수화: 주장은 원장에 기록되며 신뢰성, 최신성, 편향에 따라 점수화됩니다. 통합 단계에 도달하기 전에 '입력 수준의 회의적 태도'(예: 제조사 보고서 기준 벤치마크)를 특별히 표시합니다.
4. 검증: CRAG 스타일의 관련성 필터와 주장이 소스에 실제로 포함되어 있는지 확인하는 충실성 검사를 포함한 여러 번의 기계 검사를 수행합니다.
5. 통합 및 실행: 의사결정 메모와 완전한 보고서를 생성합니다. 프로세스는 사용자가 원래의 의사결정 분기점에 조사 결과를 실제로 실행하는 필수 '의사결정 워크스루'로 마무리됩니다.

대상 사용자

Claude Code 또는 기타 LLM을 사용하여 추상적인 요약이 아닌 구체적인 행동으로 이어지는 고신뢰성, 검증 가능한 연구 보고서가 필요한 개발자 및 연구자.

주요 특징

• 13단계 파이프라인: 재정의에서 최종 의사결정 워크스루에 이르기까지 엄격한 워크플로우.
• 다중 모델 라우팅: 단계의 복잡성에 따라 Opus, Sonnet, Haiku로 작업을 라우팅하여 비용과 품질을 최적화합니다.
• 자동 검증: 인용의 유효성, 주장의 함의, 유도된 수치의 산술을 확인하는 스크립트 포함.
• 광범위한 소스 레지스트리: 수십 개의 전문 API 및 수백 개의 산업별 통계 자료에 내장된 접근성.
• 의사결정 중심 출력: 단순한 정보 요약이 아니라 '의사결정 뼈대'(메모와 분기)를 생성하는 데 중점을 둡니다.