deep-search-mpro（深度搜索 mpro） Skills下载安装命令和教程

安装方式

通过对话安装

复制提示词发给支持本地命令或 Skills 的 AI 助手，先确认命令和权限，再让它执行。

请帮我安装这个 Agent Skill：deep-search-mpro（深度搜索 mpro）
来源仓库：https://github.com/muqi98-michael/deep-search-mpro
安装命令：
openclaw skills install deep-search-mpro
安装前请先检查当前环境是否支持对应 CLI，并向我确认将要执行的命令、安装目录、联网范围和文件读写权限；确认后再执行。

命令行安装

复制命令到本机终端执行。该命令会通过 OpenClaw 从第三方来源获取 Skill；本站只展示命令，不托管安装包，也不自动执行。

ClawHubOpenClaw

openclaw skills install deep-search-mpro

简介

专业深度研究与报告生成技能支持多维度分析框架。

适用于企业竞争分析、AI 厂商评测等复杂课题。
内置 PESTEL、SWOT、波特五力等经典模型。
完全基于 Agent 原生工具无需第三方 API。
建议明确指定分析范围以避免过度泛化。deep-search-mpro 属于研究检索类 Skill，可作为该场景下的辅助能力补充。

SKILL.md

name: deep-search-m
version: 1.0.1
description: |
English: A professional deep-research and report-generation skill for company/product/industry/market/AI-vendor topics. Uses the Agent built-in web_search + web_fetch (no API key) with a three-stage workflow (topic confirmation → framework generation → report output), applying consulting models like PESTEL, SWOT, Porter's Five Forces, and Business Model Canvas to produce polished Markdown + deep-blue HTML consulting reports.

专业研究报告技能

概述

该技能用于生成专业、咨询级别的研究报告，覆盖市场分析、AI 大模型厂商、SaaS 厂商、AI 工具学习指南、竞争情报、行业研究等领域。

核心能力

✅ 多源检索能力：使用 Agent 内置 web_search + web_fetch（无需 API key）
✅ 三阶段工作流：主题理解与确认 + 分析框架生成 + 报告生成
✅ 交互式确认：支持用户确认、修改、提问等交互式反馈
✅ 双格式输出：Markdown + HTML，深蓝色政务风格

何时使用本技能

用户请求市场分析、消费者洞察报告、财务分析、行业研究
用户输入具体 AI 工具名称，需要生成学习指南（如"Cursor 学习指南"）
用户需要专业的咨询风格研究报告
用户提供研究主题，并在数据收集前需要结构化分析框架

整合的技能与能力

本技能整合了以下核心搜索能力，提供多源数据搜索与分析支持：

整合来源	路径	能力说明	版权归属
web_search	内置	Agent 内置快速搜索能力，用于获取基础信息	Agent 内置
web_fetch	内置	Agent 内置深度抓取/检索能力，用于获取更详细页面内容	Agent 内置

能力集成说明：

本技能使用 Agent 内置 web_search 与 web_fetch 完成数据整理与检索（无需 API key）

三阶段工作流

阶段 0：主题理解与确认

目的：确保正确理解用户的研究需求，避免方向偏差。

工作流程：

解析用户输入

- 识别研究主题、分析领域、搜索范围、特定角度

推断分析领域

根据主题关键词推断分析领域，加载对应的领域文档：

主题类型	关键词示例	领域文档
行业分析	"{行业名}行业分析"、"ERP行业趋势"、"AI Agent行业"	`references/domains/industry-analysis.md`
企业竞争分析	"{公司名}分析"、"{公司名}竞争分析"、"{公司名}研究"、金蝶、用友、SAP等	`references/domains/company-analysis.md`
产品竞争分析	"{产品名}分析"、"{产品名}研究"、"{产品名}竞争力"	`references/domains/product-analysis.md`
市场规模/竞争格局	"市场规模分析"、"竞争格局研究"、"市场机会评估"	`references/domains/market-analysis.md`
AI 大模型厂商	OpenAI、Anthropic、DeepSeek、智谱AI等	`references/domains/ai-vendor-analysis.md`
AI 工具学习指南	"AI工具使用指南"、"Gemini教程"	`references/domains/ai-tool-learning-guide-framework.md`

推断逻辑：

行业关键词（行业分析、行业趋势、行业研究）→ 行业分析
企业名称 + 分析/研究 → 企业竞争分析
产品名称 + 分析/研究 → 产品竞争分析
市场规模/竞争格局关键词（市场规模、竞争格局、市场机会）→ 市场规模/竞争格局分析
AI 厂商名（OpenAI、DeepSeek等）→ AI 厂商分析

生成确认提示

向用户展示以下确认项，等待用户确认或修改：

确认项	说明	示例
研究主题	解析后的核心研究对象	"金蝶企业竞争分析"
研究方向	分析领域及分析角度	"企业竞争分析：商业模式 + 竞争格局 + 近期动态"
时间范围	数据收集的时间窗口	"近一周" / "近一月" / "自定义（如2024Q1）"

时间范围说明：

近一周：聚焦最新动态、热点事件、近期发布
近一月：平衡时效性与深度，适合大多数分析
自定义：特定时间段（如财报季、产品发布周期）

时间参数传递：

时间范围确认后，记录为全局参数 search_time_range
在阶段1数据收集时，自动转换为搜索时间过滤条件
示例：search_time_range = "近一周" → 搜索引擎添加 &before=2026-03-18&after=2026-03-11

处理反馈

- 用户确认 → 记录时间参数，进入阶段 1 - 用户修改 → 更新确认项后重新确认 - 用户提问 → 解答后重新确认

详细流程和示例：见 references/workflow/phase0-details.md

阶段 1：分析框架生成

目的：生成完整的分析框架，作为后续数据收集与报告生成的蓝图。

工作流程：

理解研究主题

- 识别核心对象和分析领域 - 加载对应的领域文档（references/domains/*.md）

选择分析模型

- 根据领域文档推荐，按需加载模型文件（references/models/*.md） - 每次研究只加载 2-4 个模型，避免堆砌 - 模型索引：references/models/README.md

设计章节骨架

- 每章包含：分析目标、分析逻辑、核心假设 - 典型结构：3-5 个主要章节

定义数据需求

- 每条需求包含：指标、类型、来源、搜索方法、优先级 - P0 数据必须收集，P1 重要，P2 补充

定义可视化方案

- 为每章定义图表类型和数据来源

详细流程和示例：见 references/workflow/phase1-details.md

阶段 2：报告生成

目的：将分析框架和数据整合为最终的咨询级报告。

工作流程：

接收并校验输入

- 确认分析框架和数据包齐全 - 检查 P0 数据完整性

映射报告结构

- Abstract → Introduction → Body Chapters → Conclusion → References

撰写报告

- 遵循"视觉锚点 → 数据对比 → 综合分析"流程 - 每个小节以充分的分析段落结尾（≥200字）

撰写摘要和结论

- 摘要：3-5 句话，200-300 字 - 结论：纯客观综合判断，不使用 bullet points

整理参考文献

- 按 GB/T 7714-2015 格式列出

生成输出文件

- Markdown 文件：assets/report-template.md - HTML 文件：根据分析模型组合模块化模板

HTML 模板系统：

位于 assets/templates/ 目录，提供 10 个模块化模板：

模板文件	分析模型
`product-overview-template.html`	产品概览
`target-users-template.html`	目标用户分析
`core-features-template.html`	核心功能
`business-model-canvas-template.html`	商业模式画布
`porter-five-forces-template.html`	波特五力分析
`swot-analysis-template.html`	SWOT 分析
`pestel-analysis-template.html`	PESTEL 分析
`competitor-matrix-template.html`	竞品对比矩阵
`timeline-template.html`	关键时间线
`key-metrics-template.html`	关键指标

模板组合建议：

研究类型	推荐模板组合
AI 厂商/产品	产品概览 → PESTEL → 目标用户 → 竞品矩阵 → 商业模式画布 → SWOT → 核心功能
市场竞争	产品概览 → PESTEL → 波特五力 → 竞品矩阵 → 关键指标
商业模式	产品概览 → PESTEL → 商业模式画布 → SWOT
行业研究	产品概览 → PESTEL → 波特五力 → 关键指标 → 时间线

详细流程和示例：见 references/workflow/phase2-details.md

数据收集策略

两层搜索方案（web_search -> web_fetch）

第一层：Agent 内置 web_search（优先使用）

快速获取基础信息
参数：query、max_results（建议 3-10）
适用场景：验证“信息是否存在”、获取初始线索

第二层：web_fetch 深度搜索

直接访问搜索引擎获取详细结果
只抓取与本次研究结论直接相关的页面/段落（不进行自动遍历、批量爬取）
支持使用常见搜索运算符（如站点限定/文件类型限定/时间过滤），具体见 references/technical/search-engines.md
详细使用方法：见 references/technical/search-engines.md
适用场景：当需要更详细的页面内容/报告片段时

边界说明：

本技能不自动运行仓库内的本地整理脚本（例如 scripts/data_collector.py）。如需在本地执行任何网络整理脚本，请显式启用网络请求、设置请求上限，并遵守目标站点的 robots 与访问条款。

搜索策略执行逻辑

对于每个数据需求（P0/P1/P2）：

1. 先使用 web_search 快速获取
   - 成功：进入数据提取
   - 失败：进入第2层

2. 使用 web_fetch 深度搜索
   - 成功：进入数据提取
   - 失败：标注"数据暂不可得"

数据提取：
- 从搜索结果中提取关键数据
- 多源交叉验证（至少2个来源）
- 标注数据可信度（high/medium/low）

内置搜索能力说明

本技能已内置整合以下搜索能力，用户无需额外安装任何子技能：

搜索层	能力来源	说明
第1层	Agent 内置 `web_search`	默认优先使用
第2层	Agent 内置 `web_fetch`	深度搜索

（仅两层：web_search 与 web_fetch）。所有检索通过 Agent 内置这两个能力完成（无需 API key）。所有通用 URL 模板与使用方法见 references/technical/search-engines.md

数据真实性协议

严格遵循规则：报告中呈现的所有数据，必须直接来源于提供的 Data Summary 或 External Search Findings。

禁止幻觉：不得编造、估算或模拟数据
可追溯来源：每个重要结论和图表都必须能够追溯到输入的数据包
数据缺失处理：如数据缺失，明确写出"数据暂不可得"

输出格式

Markdown 文件

文件名：{主题关键词}-report-{日期}.md
模板：assets/report-template.md

HTML 文件

文件名：{主题关键词}-report-{日期}.html
模板：assets/html-template.html
风格：深蓝色政务/企业内报风格
布局：左侧树状导航（固定）+ 右侧内容展示

格式与语气标准

语气：麦肯锡 / BCG 风格 —— 权威、客观、专业
数字格式：千位分隔使用英文逗号（1,000）
数据强调：重要观点和关键数字需加粗
标题编号：使用标准编号（1.、1.1）
参考文献：必须严格遵循 GB/T 7714-2015

参考文档体系

领域分析框架

文档	说明
`references/domains/industry-analysis.md`	行业分析框架（PESTEL + 波特五力 + 价值链）
`references/domains/company-analysis.md`	企业竞争分析框架（含 SaaS 厂商分析，商业模式画布 + SWOT + 竞品矩阵）
`references/domains/product-analysis.md`	产品竞争分析框架（目标用户 + 竞品矩阵 + 核心功能）
`references/domains/market-analysis.md`	市场规模/竞争格局分析框架（TAM-SAM-SOM + 波特五力）
`references/domains/ai-vendor-analysis.md`	AI 大模型厂商分析框架
`references/domains/ai-tool-learning-guide-framework.md`	AI 工具学习指南生成框架
`references/domains/hotspot-analysis.md`	热点分析公共模块（企业/产品/AI/SaaS/全球AI热点）

工作流程详细文档

文档	说明
`references/workflow/phase0-details.md`	阶段0 详细流程和示例
`references/workflow/phase1-details.md`	阶段1 详细流程和示例
`references/workflow/phase2-details.md`	阶段2 详细流程和示例
`references/workflow/examples-complete.md`	完整示例集（5个场景）

技术指南

文档	说明
`references/technical/search-engines.md`	多源搜索引擎使用指南
`references/technical/data-quality-guidelines.md`	数据质量控制标准
`references/technical/format-conversion.md`	格式转换指南

HTML 模板

文档	说明
`assets/templates/README.md`	模板使用说明
`assets/templates/*.html`	10 个模块化 HTML 模板

分析模型库

文档	说明
`references/models/README.md`	模型索引和使用说明
`references/models/strategic/*.md`	战略模型（SWOT、PESTEL、波特五力、VRIO）
`references/models/market/*.md`	市场模型（STP、BCG、TAM-SAM-SOM）
`references/models/competitive/*.md`	竞争模型（商业模式画布、竞品矩阵、价值链）
`references/models/consumer/*.md`	消费者模型（决策旅程、AARRR、RFM）
`references/models/financial/*.md`	财务模型（杜邦分析、DCF、可比公司）

方法论

文档	说明
`references/methodology/deep-research-methodology.md`	深度研究方法论
`references/methodology/report-writing-guide.md`	报告撰写指南

质量检查清单

阶段 0（主题理解与确认）

[ ] 研究主题已明确
[ ] 分析领域已识别
[ ] 搜索范围已确定
[ ] 用户已确认

阶段 1（分析框架）

[ ] 框架覆盖了该领域自然应有的全部分析维度
[ ] 每章均有明确的分析目标、分析逻辑与核心假设
[ ] 数据需求具体、可衡量，并指定了推荐搜索方法
[ ] 每章至少有一个可视化方案

阶段 1→2（数据收集）

[ ] 所有 P0 数据任务已完成
[ ] 关键数据至少从 2 个来源验证
[ ] 数据来源已记录
[ ] 数据可信度已标注

阶段 2（报告生成）

[ ] Markdown 报告零幻觉
[ ] 每个小节均遵循"数据对比 → 综合分析"
[ ] 参考文献格式正确（GB/T 7714-2015）

配置项

output_locale = zh_CN  # zh/en
default_search_engines = ["baidu", "bing", "google"]
data_validation_required = true  # P0 数据必须验证
interactive_confirmation = true  # 交互式确认，支持用户修改研究参数

版本历史

v1.0.0: 正式版

- 三阶段工作流（主题确认→框架生成→报告输出） - 使用 Agent 内置 web_search + web_fetch（无需 API key） - 支持市场分析、行业分析、AI/SaaS厂商分析、竞争情报、竞争分析等领域 - 交互式主题确认，支持用户修改研究参数 - 双格式输出（Markdown + HTML） - 两层搜索策略（web_search → web_fetch）

适合场景

01

OpenClaw 用户查找和安装 Skill 时

02

用户想查找某类 Agent Skill 时

03

需要根据任务场景推荐可安装能力包时

04

需要对比不同来源的安装命令和来源信息时

能力概览

能力 1

按任务关键词查找相关 Skills

能力 2

展示可复制的安装命令

能力 3

保留来源站点、仓库和原始说明，方便继续核验

能力 4

补充不同宿主或平台的使用分布数据

能力 5

展示第三方安全扫描或审计结果

安装后应在对应宿主中按原始 README 的触发条件使用；具体调用方式请以来源页面和 README 为准。

平台分布

OpenClaw

76.05%

按下载量换算2,400

安全审计

VirusTotal

通过

ClawScan

可疑

Static analysis

通过

权限和风险

敏感数据

该 Skill 可能接触密钥、Token、环境变量或敏感配置，应进入高风险复核队列，默认不自动发布。

安装前确认

本站仅展示第三方公开信息，不托管安装包，不提供自动安装或运行环境。安装前应自行审查源码、依赖和命令行为。来源安全扫描存在 warning/failed 结果，不能写成本站确认安全。当前只有一个来源，正式发布前建议补源仓库或其他目录站核验。

来源信息

GitHub 仓库

github.com

/muqi98-michael/deep-search-mpro

SKILL.md 来源

clawhub.ai

/muqi98-michael/deep-search-mpro

继续浏览同类 Skills

更多研究检索 Skills（73,675）返回 Skills 目录

上一个 Skill

deep-search（深度搜索）

deep-search 用于查找、检索和筛选相关信息，适合在 Local Agent 中需要根据关键词、任务场景或来源线索快速定位候选结果时使用。可结合来源仓库、安装命令和原始 README 继续核验具体用法。安装前建议确认权限范围、维护状态，以及是否会触发联网、命令执行或文件读写。

下一个 Skill

deep-search-pro（深度搜索专业版）

deep-search-pro 用于查找、检索和筛选相关信息，适合在 OpenClaw 中需要根据关键词、任务场景或来源线索快速定位候选结果时使用。可结合来源仓库、安装命令和原始 README 继续核验具体用法。安装前建议确认权限范围、维护状态，以及是否会触发联网、命令执行或文件读写。