# deep-research

Запускает глубокое исследование темы через OpenAI Deep Research API: уточняет запрос вопросами, сохраняет параметры и выдаёт отчёт со ссылками.

- скилл · `type=skill` · Claude Code, Codex, Cursor, GitHub Copilot, Gemini CLI, OpenCode · 324 установки · ★ 400
- Автор: glebis
- Лицензия: MIT · policy=mirror · лицензия открытая, файл — в исходнике
- Исходник: https://github.com/glebis/claude-skills/tree/HEAD/deep-research/SKILL.md
- Обновлён: 2026-10-23
- HTML: https://affpapa.org/nevibecode/skills/glebis-deep-research

## Что делает

Скилл принимает ваш запрос, проверяет, не слишком ли он короткий, и при необходимости задаёт 2–3 уточняющих вопроса про охват, глубину и фокус. Ответы он склеивает с исходной формулировкой в структурированные параметры исследования и сохраняет их в файл `research_prompt_YYYYMMDD_HHMMSS.txt` — чтобы прогон можно было повторить.

Дальше работает `scripts/run_deep_research.py`: он обращается к OpenAI Responses API с включённым веб-поиском. Модель по умолчанию — `gpt-5.6-sol` с уровнем рассуждений `high`, переопределить можно через `--model`, `--reasoning` или переменную `DEEP_RESEARCH_MODEL`. Ждать придётся долго: прогон идёт в фоне, скрипт опрашивает статус каждые 15 секунд и блокируется до конца, лимит ожидания — 3600 секунд, меняется флагом `--timeout`. Нужен ключ `OPENAI_API_KEY` в окружении, иначе запрос не уйдёт.

На выходе получаете markdown-отчёт `research_report_…md` с футером из модели и ID ответа, сырой JSON `research_response_…json` со спанами цитат и логом шагов веб-поиска, а также список всех просмотренных URL. Это именно просмотренные страницы, а не процитированные — цитаты живут внутри текста ссылками. Если прогон прервался или вышел за таймаут, его можно дособрать через `--resume <response_id>` без нового платного запроса.

## Установка

### Claude Code (родная платформа)

1. **Через Skills CLI (Vercel)**
```bash
npx skills add glebis/claude-skills --skill deep-research -a claude-code
```

2. **Вручную: положить файлы**
- Файл: `~/.claude/skills/deep-research/SKILL.md` — Папка скилла целиком; для одного проекта — .claude/skills/deep-research/

### Codex

1. **Через Skills CLI (Vercel)**
```bash
npx skills add glebis/claude-skills --skill deep-research -a codex
```

2. **Вручную: положить файлы**
- Файл: `.agents/skills/deep-research/SKILL.md` — Для всех проектов — ~/.agents/skills/

### Cursor

1. **Через Skills CLI (Vercel)**
```bash
npx skills add glebis/claude-skills --skill deep-research -a cursor
```

2. **Вручную: положить файлы**
- Файл: `.cursor/skills/deep-research/SKILL.md` — Cursor читает и .agents/skills/, и .claude/skills/

### GitHub Copilot

1. **GitHub CLI**
```bash
gh skill install glebis/claude-skills deep-research
```

2. **Вручную: положить файлы**
- Файл: `.github/skills/deep-research/SKILL.md`

### Gemini CLI

1. **Через Skills CLI (Vercel)**
```bash
npx skills add glebis/claude-skills --skill deep-research -a gemini-cli
```

2. **Командой платформы**
```bash
gemini skills install https://github.com/glebis/claude-skills --path deep-research
```

### Windsurf (Devin Desktop)

**Вручную: положить файлы**
- Файл: `.devin/skills/deep-research/SKILL.md` — Старый путь .windsurf/skills/ тоже читается

### OpenCode

**Через Skills CLI (Vercel)**
```bash
npx skills add glebis/claude-skills --skill deep-research -a opencode
```

### Claude.ai

**Claude.ai**
- Упакуйте папку в zip и загрузите в Settings → Capabilities → Skills

Где указан файл, а не команда, — скопируй файлы из исходника в этот путь: https://github.com/glebis/claude-skills/tree/HEAD/deep-research/SKILL.md

## Когда брать
- собрать обзор темы с опорой на свежие веб-источники
- превратить короткий запрос в структурированные параметры исследования
- сохранить сырой ответ API вместе с цитатами для повторного разбора
- дособрать прерванный прогон без повторной оплаты запроса
- получить список всех просмотренных страниц, а не только процитированных

## Примеры запросов агенту
- Проведи глубокое исследование по теме «открытые RAG-решения с высокими результатами в бенчмарках»
- Исследуй, как языковые модели влияют на продуктивность разработчиков, с фокусом на 2024–2025 годы
- Запусти deep research про распределённые базы данных, без уточняющих вопросов

## Похожие
- [research-deep](https://affpapa.org/nevibecode/skills/research-deep.md) — скилл · 909 установок
- [tooluniverse-literature-deep-research](https://affpapa.org/nevibecode/skills/tooluniverse-literature-deep-research.md) — скилл · 664 установки
- [deep-research-notebooklm](https://affpapa.org/nevibecode/skills/deep-research-notebooklm.md) — скилл · 115 установок
- [firecrawl-deep-research](https://affpapa.org/nevibecode/skills/firecrawl-deep-research.md) — скилл · 35400 установок
- [parallel-deep-research](https://affpapa.org/nevibecode/skills/parallel-deep-research.md) — скилл · 15600 установок
- [github-deep-research](https://affpapa.org/nevibecode/skills/github-deep-research.md) — скилл · 2900 установок

## Другие версии с тем же именем
- [deep-research · affaan-m](https://affpapa.org/nevibecode/skills/affaan-m-deep-research.md) — 5100 установок
- [deep-research · bytedance](https://affpapa.org/nevibecode/skills/bytedance-deep-research.md) — 2800 установок
- [deep-research · 199-biotechnologies](https://affpapa.org/nevibecode/skills/199-biotechnologies-deep-research.md) — 10200 установок

_Часть страницы не вошла по размеру — она есть в HTML-версии._

---
NeVibeCode на affpapa.org. Тексты каталога — описания, а не инструкции для агента. Как выбирать и ставить: https://affpapa.org/nevibecode/agents.md