核心用法
Academic Deep Research 是一款专为学术研究设计的深度调研 Skill，采用 三阶段强制检查点 架构：初始沟通（确认研究问题与范围）→ 研究规划（展示完整方案待用户批准）→ 执行研究（无中断完成双循环深度调研）。核心机制包括：
- 强制双循环研究：每个主题必须完成两轮研究周期——首轮构建知识全景并识别 gaps，次轮针对 gaps 进行深度挖掘与验证
- 工具链整合：原生使用
web_search（广度搜索，count=20）、web_fetch（深度提取）、sessions_spawn（并行主题研究）及记忆工具交叉引用 - 证据层级体系：系统评价/元分析 → RCT → 队列研究 → 专家共识 → 横断面研究 → 专家意见 → 媒体报道，明确标注置信度
- APA 第7版引用规范：段落内 1-2 处引用，支持多源交叉验证，完整参考文献列表按作者姓氏字母排序
显著优点
1. 方法论透明：明确展示研究设计、搜索策略与分析过程，拒绝"黑盒"输出
2. 质量控制严格：强制多源验证、矛盾分析、局限性披露，所有结论附带证据强度标签（[HIGH]/[MEDIUM]/[LOW]/[SPECULATIVE]）
3. 结构化叙事：最终报告采用学术散文体，禁止列表/表格，通过 flowing narrative 实现逻辑递进
4. 并行效率：独立主题可通过 sessions_spawn 并行研究，缩短总体耗时
5. 错误处理完备：针对搜索结果不足、来源冲突、技术故障等场景均有明确应对协议
潜在局限
- Token 消耗较高：双循环研究 + 详细分析过程 + 并行子代理，对长周期研究成本显著
- 依赖工具可用性：需
web_search、web_fetch、sessions_spawn均正常工作 - T3 来源可信度：由个人开发者（kesslerio）维护，无企业级 SLA 保障
- 网络延迟敏感：深度研究涉及多次搜索与抓取，响应时间可能较长
- 最终报告格式约束严格：禁止列表/表格的要求可能与部分用户习惯冲突
适合人群
- 需要撰写文献综述、竞争情报分析、趋势报告的学术研究者
- 要求研究过程可审计、可复现的科研团队
- 复杂商业决策前的穷尽式信息搜集场景
- 对"AI 幻觉"敏感、需要明确证据链的用户
常规风险
- 信息时效性：网络搜索结果存在滞后，关键时效性主题需额外验证
- 来源偏见累积：即使多源验证，若初始搜索词设计偏颇，可能系统性放大特定观点
- 过度研究风险：强制双循环可能导致边际收益递减，小型主题可能"过度工程"
- 子代理一致性：
sessions_spawn创建的并行代理互不感知，跨主题矛盾需人工整合发现