Deep Research

Enhanced research engine for topics where training data is outdated.

Quick Start

Standard Mode

code

CLASSIFY → LANDSCAPE SCAN → SCOPE → HYPOTHESIZE → PLAN → [PLAN PREVIEW*] → RETRIEVE
→ GAP ANALYSIS → TRIANGULATE → SYNTHESIZE → RED TEAM → SELF-CRITIQUE → PACKAGE

*Deep+ tier only

LANDSCAPE SCAN (MANDATORY - Before Anything Else)

code

[Search for OVERVIEW first - NO known entity names in query!]
WebSearch: "[topic] landscape overview [current year]"
WebSearch: "top [topic] list [current year]"
WebSearch: "[topic] ecosystem players [current year]"

❌ WRONG: "DeepSeek Qwen performance 2025" (uses names you already know)
✅ RIGHT: "China open source LLM models list 2025" (discovers what exists)

→ Extract ALL entity names from results
→ List: Discovered (new to you) vs Confirmed (you knew)
→ THEN proceed to SCOPE with complete picture

Why: You cannot research what you don't know exists. Scan the landscape FIRST.

Creative Mode

code

ABSTRACT → MAP (3-5 domains) → SEARCH → GENERALIZE → SYNTHESIZE

Trigger: "creative mode", "cross-industry", "what do others do"

Example: "ทำยังไงให้คนมา engage กับ online course มากขึ้น?" → ABSTRACT: "retention + engagement ในกิจกรรมที่ทำซ้ำ" → MAP: Gaming (streaks, XP), Fitness apps (habit loops), YouTube (thumbnails, hooks), Loyalty programs (tiers) → SEARCH each domain → GENERALIZE patterns → SYNTHESIZE recommendations

Classification

Type	When	Process	Example
A	Single fact	WebSearch → Answer	"Python 3.13 release date คือเมื่อไหร่?"
B	Multi-fact	Scan → Retrieve → Synthesize	"เปรียบเทียบ pricing ของ cloud GPU providers"
C	Judgment needed	Full 6 phases	"ควรใช้ Next.js หรือ Astro สำหรับ blog?"
D	Novel/conflicting	Full + Red Team	"AI จะแทนที่ data analyst ภายใน 3 ปีจริงไหม?"

Intensity Tiers

Tier	Sources	When
Quick	5-10	Simple question
Standard	10-20	Multi-faceted
Deep	20-30	Novel, high stakes
Exhaustive	30+	Critical decision

Search & Evidence

Parallel Search (MANDATORY)

code

[Single message — always 2-3 queries at once]
WebSearch: "[topic] [current year]"
WebSearch: "[topic] limitations"
WebSearch: "[topic] vs alternatives"

Claim Types

Type	Requirements	Example
C1 (Key claim)	Quote + 2+ sources + confidence	"Next.js มี market share 42%"
C2 (Supporting)	Citation required	"Vercel เป็นผู้พัฒนา Next.js"
C3 (Common knowledge)	Cite if contested	"React เป็น library ยอดนิยม"

Confidence Format (C1 claims)

code

**Claim:** [Statement]
**Confidence:** HIGH/MEDIUM/LOW
**Reason:** [Why this confidence level]
**Sources:** [1][2]

Anti-Hallucination

•Every C1 cites [N] immediately
•Use "According to [1]..."
•Admit: "No sources found for X"

Research Sufficiency

"เมื่อไหร่ถึงจะพอ?"

Signal	หมายความว่า
Saturation	3 sources ต่อเนื่องไม่ให้ข้อมูลใหม่ → พอแล้ว
Convergence	หลาย sources สรุปเหมือนกัน → confidence สูง
Contradiction	Sources ขัดแย้งกัน → ต้อง dig deeper หรือ flag uncertainty
Diminishing returns	เพิ่ม search แต่ได้แค่ rephrase ของเดิม → หยุดได้

Quick tier: หยุดเมื่อ saturation Standard: หยุดเมื่อ convergence + gap analysis ไม่เจอ gap สำคัญ Deep/Exhaustive: หยุดเมื่อ Red Team challenge ไม่พบจุดอ่อนใหม่

Facilitation Guide

Progress Reporting

code

ทุกๆ 5-8 sources → update ผู้ใช้:
"สรุปที่พบจนถึงตอนนี้: [key findings]
ยังมีคำถามค้าง: [gaps]
จะ search ต่อเรื่อง [next direction] นะคะ"

When to Ask User

สถานการณ์	ถามว่า
Topic กว้างเกินไป	"อยากเน้นมุมไหนคะ? [option A] หรือ [option B]?"
เจอ sub-topic น่าสนใจ	"เจอเรื่อง X ที่เกี่ยวข้อง — อยากให้ขุดลึกไหมคะ?"
Sources ขัดแย้ง	"แหล่ง A บอกว่า X แต่แหล่ง B บอกว่า Y — พี่ระ lean ทางไหนคะ?"
Deep+ tier, plan ready	"นี่คือ plan สำหรับ research — approve ก่อนไปต่อนะคะ"

Don't Ask — Just Do

•Type A questions → ตอบเลย
•Choosing search queries → ทำเลย ไม่ต้องถาม
•Formatting output → ใช้ template ได้เลย

Tools & Fallbacks

URL Fallback

If WebFetch returns 403:

bash

curl -s --max-time 60 "https://r.jina.ai/https://example.com"

GitHub Repository Research

เจอ repo น่าสนใจ → ถาม user ก่อน clone:

code

"เจอ repo ที่น่าสนใจ: [repo-name] — ต้องการให้ clone มาศึกษา code ไหมคะ?"

If agreed:

bash

mkdir -p /mnt/d/githubresearch && cd /mnt/d/githubresearch && git clone [repo-url]

Key files: package.json/pyproject.toml → src/ main logic → README.md

References

Topic	File	Grep Pattern
Phase details	standard-mode.md	`grep -n "^## Phase"`
Creative mode	creative-mode.md	`grep -n "^## Phase C"`
Agent prompts	agent-templates.md	`grep -n "^## "`
Progress/recovery	progress-recovery.md	—
Report template	report_template.md	—
Query generation	query-framework.md	QUEST Matrix
Perspective audit	perspective-checklist.md	COMPASS Checklist
Researcher thinking	researcher-thinking.md	THINK Protocol

Script	Purpose
`scripts/validate_report.py`	9-check quality validation

Output File (MANDATORY)

After completing research, ALWAYS save to markdown file:

code

research/[topic-slug]-[YYYY-MM-DD].md

Example: research/china-opensource-ai-2025-01-04.md

•Create research/ folder if it doesn't exist
•Why: Research takes effort. Save it for future reference.

Related Skills

•/boost-intel — Apply critical thinking to research findings
•/generate-creative-ideas — Creative Mode for cross-industry innovation
•/skill-creator-thepexcel — Research domain expertise for skill creation
•/extract-expertise — Research to prepare expert interviews