介绍
# Research Cog - Deep Research Powered by CellCog
**#1 on DeepResearch Bench (Feb 2026).** 您的 AI 研究分析师，可针对任何主题进行全面、有引用支持的研究。
排行榜: https://huggingface.co/spaces/muset-ai/DeepResearch-Bench-Leaderboard
---
## 前置条件
此技能需要 `cellcog` 技能来进行 SDK 设置和 API 调用。
```bash clawhub install cellcog ```
**请先阅读 cellcog 技能** 以了解 SDK 设置。本技能向您展示可能实现的功能。
**快速模式 (v1.0+):** ```python # Fire-and-forget - returns immediately result = client.create_chat( prompt="[your research query]", notify_session_key="agent:main:main", task_label="research-task", chat_mode="agent team" # Deep research ) # Daemon notifies you when complete - do NOT poll ```
---
## 您可以研究的内容
### 竞争分析
通过结构化的洞察分析公司及其竞争对手：
- **公司与竞争对手**: “比较 Stripe 与 Square 和 Adyen —— 市场定位、定价、功能、优势/劣势” - **SWOT 分析**: “为电商平台市场的 Shopify 创建 SWOT 分析” - **市场定位**: “Notion 如何将自己定位为 Confluence、Coda 和 Obsidian 的竞争对手？” - **功能对比**: “比较 Salesforce、HubSpot 和 Zoho CRM 的 AI 能力”
### 市场研究
了解市场、行业和趋势：
- **行业分析**: “分析欧洲电动汽车市场 —— 规模、增长、主要参与者、趋势” - **市场规模估算**: “北美 AI 驱动的客户服务工具的 TAM/SAM/SOM 是多少？” - **趋势分析**: “2026 年可持续包装的新兴趋势有哪些？” - **客户细分**: “识别并描述高端宠物食品的主要客户群体” - **监管格局**: “研究 AI 驱动医疗设备的 FDA 法规”
### 股票与投资分析
结合数据和分析进行金融研究：
- **公司基本面**: “分析英伟达 (NVIDIA) 的财务状况 —— 收入增长、利润率、竞争护城河” - **投资论点**: “为微软 (Microsoft) 的 AI 战略构建投资论点” - **板块分析**: “比较半导体股票 —— NVDA、AMD、INTC、TSM” - **风险评估**: “2026 年特斯拉 投资者的主要风险有哪些？” - **财报分析**: “总结苹果 公司 2025 年第四季度财报和未来展望”
### 学术与技术调研
包含正确引用的深入研究：
- **文献综述**: “研究量子纠错技术的现状” - **技术深度解析**: “解释 Transformer 架构及其从注意力机制的演变” - **科学主题**: “关于 CRISPR 基因编辑癌症治疗的最新研究是什么？” - **历史分析**: “研究布雷顿森林体系的历史和影响”
### 尽职调查
用于决策的综合研究：
- **初创公司尽职调查**: “研究 [公司名称] —— 创始团队、融资、产品、市场、竞争对手” - **供应商评估**: “为企业 AI/ML 工作负载比较 AWS、GCP 和 Azure” - **合作分析**: “研究与 [公司] 合作的潜在风险和收益”
---
## 研究输出格式
CellCog 可以提供多种格式的研究结果：
| 格式 | 最适用于 | |--------|----------| | **交互式 HTML 报告** | 包含图表、可展开部分的可探索仪表板 | | **PDF 报告** | 可共享、可打印的专业文档 | | **Markdown** | 集成到您的文档/知识库中 | | **纯文本回复** | 聊天中的快速回答 |
在提示词中指定您偏好的格式： - "Create an interactive HTML report on..." - "Generate a PDF research report analyzing..." - "Give me a markdown summary of..."
---
## 何时使用代理团队模式
进行研究时，**请务必使用 `chat_mode="agent team"`**（默认设置）。
代理团队模式支持： - 多源研究和交叉引用 - 引用验证 - 多次推理的深度分析 - 更高质量、更全面的输出
仅在简单的查找（例如“Apple 的股票代码是什么？”）时使用 `chat_mode="agent"`。
---
## 研究质量特性
### 引用（按需）
**引用不是自动生成的。** 默认情况下，CellCog 专注于提供准确、经过深入研究的内容。
如果您需要引用： - **明确请求**：“为所有事实声明包含引用并提供源 URL” - **指定格式**：“提供脚注形式的引用”或“在末尾包含参考文献部分” - **指示位置**：“行内引用”对比“附录中的引用”
如果没有明确的引用请求，CellCog 优先考虑高效地提供准确信息。
### 数据准确性 CellCog 会对财务和统计数据交叉参考多个来源，即使在没有明确引用的情况下也能确保准确性。
### 结构化分析
复杂的研究通过清晰的章节、执行摘要和可操作的洞察进行组织。
### 视觉元素
研究报告可以包括： - 图表和图形 - 对比表 - 时间线可视化 - 市场图谱
---
## 研究提示词示例
**快速竞争情报：** > "Compare Figma vs Sketch vs Adobe XD for enterprise UI design teams. Focus on collaboration features, pricing, and Figma's position after the Adobe acquisition failed."
**深度市场研究：** > "Create a comprehensive market research report on the AI coding assistant market. Include market size, growth projections, key players (GitHub Copilot, Cursor, Codeium, etc.), pricing models, and enterprise adoption trends. Deliver as an interactive HTML report."
**投资分析：** > "Build an investment analysis for Palantir (PLTR). Cover business model, government vs commercial revenue mix, AI product strategy, valuation metrics, and key risks. Include relevant charts."
**学术深度研究：** > "Research the current state of nuclear fusion energy. Cover recent breakthroughs (NIF, ITER, private companies like Commonwealth Fusion), technical challenges remaining, timeline to commercial viability, and investment landscape."
---
## 获得更好研究的技巧
1. **具体化**: “AI 市场”过于模糊。“医疗保健领域的企业 AI 自动化市场”会更好。
2. **指定时间范围**: “近期”有歧义。“2025-2026”或“过去 6 个月”更清晰。
3. **定义范围**: “比较关于 X 和 Y 的一切”会导致内容冗余。“在定价、功能和市场定位方面比较 X 和 Y”则更聚焦。
4. **请求结构**: “包含执行摘要、主要发现和建议”有助于组织输出。
5. **提及输出格式**: “以 PDF 交付”或“创建交互式 HTML 仪表板”能为您提供正确的格式。