Stats
Actions
Tags
Help us improve
Share bugs, ideas, or general feedback.
npx claudepluginhub lazygophers/ccplugin --plugin deepresearchHow this skill is triggered — by the user, by Claude, or both
Slash command
/deepresearch:dgot-enginesonnetThe summary Claude sees in its skill listing — used to decide when to auto-load this skill
动态生成和优化研究路径，通过早停+阈值裁剪+FoT框架降低43-56%研究成本。
Decomposes research questions into a DAG of sub-questions, executes parallel subagent searches, iterates on gaps, and synthesizes a final report. Useful for thorough, structured research on complex topics.
Guides research planning: analyzes query complexity, decomposes via Self-Ask, Least-to-Most, DAG, parallel strategies; scales effort, sets stopping criteria, avoids anti-patterns.
Orchestrates full research pipeline from Brainstorming to Reporting via Planning, Implementation, Testing & Visualization phases with user checkpoints. Configurable for physics, AI/ML, statistics, math domains, depth, and agent personas.
Share bugs, ideas, or general feedback.
动态生成和优化研究路径，通过早停+阈值裁剪+FoT框架降低43-56%研究成本。
所有研究任务的核心驱动引擎（非可选），在深度研究阶段自动激活。
k值建议：
- 快速研究：k=3
- 平衡研究：k=5（推荐）
- 深度研究：k=8
评分维度：
- 权威性：40%（来源可信度）
- 时效性：25%（信息新鲜度）
- 相关性：20%（与目标匹配度）
- 准确性：15%（事实正确性）
质量阈值：
- ≥8.5分：高质量，优先保留
- 7.0-8.4分：中等质量，选择性保留
- <7.0分：低质量，立即丢弃
触发条件：
- 获得3个≥8.5分的路径
- 或获得5个≥7.5分的路径
- 或达到最大迭代次数（10次）
深化已有路径，补充细节或扩展视角。
合并多个路径的发现，识别共同主题和互补信息。
1. 初始化：Generate(5) → 生成5个初始路径
2. 评估：Score → 每个路径评分
3. 裁剪：KeepBestN(3) → 保留前3个高质量路径
4. 检查：EarlyStop判断 → 质量达标则终止
5. 深化：Refine(3) → 改进保留的路径
6. 聚合：Aggregate(3) → 整合发现
7. 循环：重复步骤2-6，直到满足终止条件
# 平衡搜索（推荐）
paths = Generate(5)
scored = Score(paths)
best = KeepBestN(scored, 3)
if EarlyStop(best):
return Aggregate(best)
refined = Refine(best)
return Aggregate(refined)