Bruce Deep Research — Development skill for Claude Code

Bruce Deep Research

一个 OpenClaw 技能（Skill），用于执行结构化深度调研。适用于竞品分析、客户调研、技术选型、产品调研、行业分析等场景。

功能亮点

• 三档调研模式：快速（1-2 轮搜索）、标准（3-4 轮）、深度（5-8+ 轮），根据问题复杂度自动匹配
• 完整调研流程：规划 → 搜索 → 素材沉淀 → 质量反思 → 报告交付，六阶段闭环
• 素材本地化：所有搜索结果和页面全文存入本地文件夹，不因上下文窗口压缩丢失信息
• 多源交叉验证：来源可信度分级（T1/T2/T3），关键结论至少 2 个来源支撑
• 10 种报告模板：竞品分析、客户调研、技术方案、产品调研、行业/赛道、用户调研、定价策略、合作伙伴、趋势洞察、快速简报
• 决策导向输出：结论前置、置信度标注（🟢🟡🔴）、必有下一步行动建议

调研模式

模式	适用场景	搜索轮次	来源数量
快速	单一事实核查、简单问题	1–2	3–5
标准	单一对象调研（一个产品/客户/技术）	3–4	8–15
深度	多对象对比、全景分析、战略决策	5–8+	20–40+

支持的报告类型

竞品分析、客户信息调研、技术方案调研、产品调研、行业/赛道调研、用户调研、定价策略调研、合作伙伴/渠道调研、趋势洞察、快速简报。

每种类型都有对应的输出模板（见 [references/output-templates.md](references/output-templates.md)）。

工作流程

1. 制定研究计划 → 明确核心问题和信息维度
2. 工具选择策略 → Brave / Tavily / web_fetch / browser 按场景选用
3. 分层搜索与素材沉淀 → 搜索结果和页面全文存入本地目录
4. 信息受阻时的变通 → 多种降级策略和间接信号推断
5. 质量反思与补救 → 完整性/时效性/可信度/客观性自查
6. 撰写报告 → 回读全部素材后输出结构化报告

素材目录结构

每次标准/深度调研会在当前目录下生成：

{主题}-research/
├── search-results/           # 搜索结果原始记录
├── sources/                  # 抓取的完整页面内容
├── notes.md                  # 调研笔记（关键发现、矛盾点）
├── todo.md                   # 研究计划与进度
└── report.md                 # 最终报告

依赖工具

本技能在执行调研时会按需调用以下工具：

• Brave Search — 主力搜索引擎，找链接、查最新动态
• Tavily — AI 研究工具，返回内容摘录和多源综合答案
• browser — OpenClaw 内置浏览器，复杂网页抓取（JS 重页面、公众号、需交互操作）
• web_fetch — 通用页面抓取，配合 r.jina.ai / defuddle.md 前缀提取正文

前置条件

使用前需要完成以下配置：

• Brave Search — 配置 API Key（申请地址）
• Tavily — 配置 API Key（申请地址）

安装

把以下地址发给你的 OpenClaw，说"安装这个 skill"即可：

https://github.com/bruc3van/bruce-deep-research

使用方式

在 OpenClaw 中直接用自然语言触发：

帮我调研一下 Notion 和 Obsidian 的竞品对比
调研一下 xx 公司的客户信息
帮我做个技术选型，对比 PostgreSQL 和 MongoDB
了解一下 AI 编程助手的市场格局

触发关键词：调研、分析、对比、搜集、research、investigate、compare、analyze 等。

项目结构

bruce-deep-research/
├── SKILL.md                      # 技能定义（主