核心用法
Deep Research Pro 是一款自包含的深度研究 Agent Skill，采用六步工作流：首先通过 1-2 个澄清问题理解用户研究目标；随后将主题拆解为 3-5 个子问题并制定搜索策略；使用 DuckDuckGo 执行多源搜索（每子问题 2-3 种关键词变体，混合网页与新闻搜索，目标 15-30 个独立来源）；对关键来源使用 curl 获取完整内容并深度阅读 3-5 篇；最终合成结构化报告，包含执行摘要、主题分析、关键结论、完整来源列表及方法论说明；报告自动保存至 ~/clawd/research/[slug]/report.md，短主题直接输出，长报告提供摘要并附完整文件。
显著优点
零成本门槛：无需任何付费 API 密钥，完全依赖 DuckDuckGo 免费搜索，大幅降低使用成本。结构化输出：强制引用规范（每论断需标注来源）、交叉验证机制（单一来源需标注未验证）、时效性优先（偏好 12 个月内来源）及缺口透明声明，显著提升报告可信度。灵活部署：既可作为独立会话使用，也可通过 sessions_spawn 作为子代理并行执行研究任务，支持复杂工作流编排。全透明可审计：代码完全开源，所有搜索策略、来源筛选逻辑及报告生成规则均明文记录在 SKILL.md 中。
潜在缺点与局限性
搜索质量依赖：DuckDuckGo 结果质量直接影响输出，对学术数据库（如 PubMed、IEEE Xplore）覆盖有限，深度学术文献可能遗漏。无持久化知识：每次研究独立执行，无法积累跨会话的研究记忆或建立个人知识库。格式解析脆弱性：使用正则表达式 re.sub('<[^>]+>', ' ', html)) 进行 HTML 到文本的转换，对复杂现代网页（JavaScript 渲染、动态加载内容）解析能力有限，可能丢失关键信息或引入格式混乱。时效性盲区：虽偏好 12 个月内来源，但无法自动识别信息是否已被后续研究推翻或修正。语言与地域偏差：DuckDuckGo 结果受搜索 IP 及语言设置影响，非英语或小众地区主题覆盖可能不足。
适合的目标群体
知识工作者：咨询顾问、行业分析师、投资研究员，需快速生成带引用的市场或技术扫描报告。内容创作者：科技博主、 newsletter 作者、播客制作人，需要可靠来源支撑观点输出。学生与终身学习者：进行课程论文前期调研、新领域快速入门，需要结构化信息而非碎片化搜索结果的群体。初创团队：产品负责人进行竞品分析、技术选型研究，预算有限但需要相对系统化的研究交付物。
使用风险
信息准确性风险：网络搜索结果可能包含过时、偏见或错误信息，Skill 本身不做事实核查，关键决策需人工二次验证。性能波动：DuckDuckGo 存在速率限制，大规模研究（30+ 来源）可能触发搜索延迟或临时封禁；curl 获取网页受目标站点响应速度影响，部分站点可能返回 403/503 错误。依赖项可用性：依赖预装的 ddg-search 脚本及系统 curl/Python 环境，环境缺失将导致功能完全失效。隐私暴露：所有搜索查询明文发送至 DuckDuckGo，敏感商业话题或个人信息可能通过搜索词泄露。存储占用：长期高频使用将累积大量研究报告于本地磁盘，需定期清理 ~/clawd/research// 目录。