前言¶

陌生领域会前准备、行业快速扫盲、长周期战略研究——这类任务往往卡在两层：搜索引擎给的是链接和摘要，普通对话又容易变成资料堆砌或「两边都有道理」的空话。你需要的是结构化认知、共识与争议的区分，以及能落到行动的「所以呢」。

下面介绍 SkillHub 社区 Skill deeper-seeker（@user_31c5e2a9/deeper-seeker，v1.0.0）。它用一套写在 SKILL.md 里的调研方法论，约束 Agent 做综合调研（Synthesis），而不是充当搜索引擎。

这是什么¶

deeper-seeker 在官方文档中的定位是：面向知识工作者的「综合调研型 AI 助手」。

• 维护方：社区发布者 user_31c5e2a9，来源为 community。
• 分类：knowledge-management（知识管理）。
• 解决的问题：帮助用户完成「信息收集 → 认知建模 → 判断生成 → 行动建议」；目标不是罗列资料，而是生成可指导行动的认知框架。
• 依赖：SkillHub 标签标明 requires_api_key=false，安装后无需额外 API Key 即可按 Skill 指令工作（具体检索能力仍取决于你所用 Agent 自带的工具）。

SkillHub 页面数据（截至抓取）：评分 100000，下载约 798 次。

核心功能¶

能力全部体现在包内唯一的 SKILL.md 中，无独立脚本或配置文件。可核实要点如下。

核心原则¶

1. 认知构建器：区分「有哪些信息」与「哪些重要、哪些是噪音、共识与争议何在、认知缺口在哪、如何理解与行动」。
2. 优先「半熟知识」：关注尚未大众化、行业内新共识、公众误解、新技术与新范式等；避免鸡汤、泛泛常识和低信息密度内容。
3. 写作即思考：输出需经过概念定义、信息筛选、层级组织、争议划分、边界说明与判断生成；必须回答「所以呢？」。

三种调研模式¶

各模式在 SKILL.md 中规定了具体输出结构（例如 Mode 1 含电梯致辞、主流理解、共识/争议/误区、深层洞见、行动建议；Mode 2 含人物地图、议题地图、观点矩阵、非共识提炼、判断模型等）。

默认回答框架¶

Agent 被引导按七步推进：定义问题 → 建立背景 → 整理事实 → 区分共识与争议 → 提炼底层逻辑 → 形成判断 → 行动建议。

信息源优先级¶

优先学术论文、行业报告、一手数据、财报招股书、高质量深度报道等；对自媒体二手解读、情绪化观点、无证据数据保持谨慎。

安装与启用¶

1、安装 SkillHub CLI（若尚未安装）¶

command -v skillhub && skillhub --version

未安装时可执行（完整安装，含默认 Skill）：

curl -fsSL https://skillhub-1388575217.cos.ap-guangzhou.myqcloud.com/install/install.sh | bash

说明与路径约定见 SkillHub 安装文档。

2、安装 deeper-seeker¶

安装时必须用 --dir 指向当前 Agent 的 skills 目录，否则默认落在 ./skills/ 可能不会被识别。

skillhub install deeper-seeker --namespace user_31c5e2a9 --dir <你的 skills 目录>

常见路径示例（来自官方安装文档）：

• Cursor：~/.cursor/skills/
• Claude Code：~/.claude/skills/
• Codex：~/.codex/skills/ 或项目下的 .agents/skills/

也可将下列提示词发给支持 Skill 的 AI，由其按安装文档完成安装：

请根据 https://skillhub.cn/install/skillhub.md，安装 `@user_31c5e2a9/deeper-seeker`。

3、启用¶

安装后重启或刷新 Agent，使 skills 目录生效。本 Skill 仅包含 SKILL.md，无额外 config.json 或环境变量配置项。

典型用法¶

SKILL.md 未提供固定 CLI 命令，用法是在对话中让 Agent 加载该 Skill，并按主题与深度选择模式。下列表述与官方模式定义一致，便于复现。

定位式调研（Mode 1）——适合会前 30 分钟扫盲：

请按 deeper-seeker 的「定位式调研」模式，主题：[你的主题]。
输出需包含：电梯致辞、当前主流理解、共识/争议/误区、深层洞见、行动建议。

结构化调研（Mode 2）——适合行业或投资向的深度梳理：

请按 deeper-seeker「结构化调研」模式分析：[行业或议题]。
先建立人物地图与议题地图，再给出观点矩阵和非共识，最后输出判断模型与风险地图。

生成式调研（Mode 3）——适合在已有材料上提炼新框架：

在以下材料基础上，按 deeper-seeker「生成式调研」原则工作：[粘贴材料或说明路径]。
重点找材料之间的结构与缺失拼图，允许有材料支撑的微原创命名或模型，并说明逻辑闭环与行动含义。

无论哪种模式，默认应走完七步回答框架，并遵守文档中的输出风格（高信息密度、强结构化、避免无判断的资料拼接）。

适用场景与注意¶

适合谁

• 需要快速建立领域认知、又要在讨论里「站得住」的知识工作者。
• 做行业、战略、投资类研究，希望输出共识/争议矩阵和判断模型的人。
• 希望 Agent 少做百科式罗列、多做综合与判断的场景。

限制与注意

• 包内只有方法论指令，不包含内置爬虫或数据库；事实质量依赖 Agent 可用工具与你的复核习惯。
• SKILL.md 要求明确立场与判断，若你所在场景必须严格中立披露，需在提示词里额外约定。
• 社区 Skill，版本当前为 1.0.0；升级可用 skillhub 的 upgrade 流程（以你本机 CLI 文档为准）。
• SkillHub 安装计数与页面展示可能变动，以商店页为准。

结尾¶

deeper-seeker 用一份完整的调研协议，把 Agent 从「找到信息」推向「生成判断」：三种深度、统一七步框架，并强调半熟知识与非共识。若你在 Cursor、Claude Code 或 Codex 等环境做知识管理与深度调研，可按上文命令装入 skills 目录后直接使用。

• SkillHub 页面：https://www.skillhub.cn/skills/user_31c5e2a9/deeper-seeker
• API 坐标页：https://api.skillhub.cn/user_31c5e2a9/deeper-seeker
• 安装说明：https://skillhub.cn/install/skillhub.md