深度研究助手

技能简介

Research Cog 是基于 CellCog 构建的深度研究智能体，在 DeepResearch Bench 排行榜位列第一（2026年2月）。该技能可执行跨领域综合研究，输出带引用来源的结构化分析报告。

业务背景

战略分析、投资决策及尽职调查等工作对研究深度与专业性要求极高，传统方式依赖外部咨询或内部专家团队，周期长、成本高。该技能作为排行榜首的深度研究智能体，可自主执行跨领域综合研究，输出可直接用于决策的结构化分析报告，大幅降低高端研究门槛。

落地案例：投资团队拟对三家SaaS初创企业进行尽调，调用该技能分别输入企业名称及"商业模式、融资历史、核心团队背景、竞品对比"等研究需求，指定输出Interactive HTML Report并要求脚注式引用。系统生成含SWOT分析、财务指标追踪、风险雷达图的可视化报告，团队据此筛选出两家进入下一轮面谈，显著缩短初筛周期。

能做什么

• 竞争格局分析：企业对比、SWOT分析、市场定位、功能比较
• 市场研究：行业规模测算、趋势追踪、客户细分、监管政策梳理
• 投资研究：公司基本面分析、投资逻辑构建、板块对比、风险评估
• 学术研究：文献综述、技术原理剖析、科学前沿追踪、历史事件研究
• 尽职调查：初创企业背调、供应商评估、合作风险分析

使用说明

前置依赖安装

clawhub install cellcog

需先阅读 cellcog 技能文档完成 SDK 配置。本技能展示基于该 SDK 可实现的研究能力。

调用方式（v1.0+）

# 异步触发，立即返回任务ID
result = client.create_chat(
    prompt="[研究问题]",
    notify_session_key="agent:main:main",
    task_label="research-task",
    chat_mode="agent team"  # 必须启用深度研究模式
)
# 通过守护进程接收完成通知，禁止轮询

输出格式指定：可在提示词中要求 Interactive HTML Report、PDF Report、Markdown 或纯文本回复。

引用获取：默认不自动附加引用，需显式声明如”为所有事实性陈述添加来源URL””以脚注形式提供引用”等。

输入与输出

见下方输入与输出表格。

风险提示

• 引用非自动生成，未明确要求时输出不含来源标注
• 金融分析仅供参考，不构成投资建议
• 研究质量依赖底层模型能力与数据时效性
• 异步模式需配套通知机制，避免任务状态丢失

来源信息

原始链接：https://github.com/openclaw/skills/tree/main/skills/nitishgargiitd/research-cog/SKILL.md
来源类型：GitHub 仓库