Навык глубокого исследования для Claude Code (testing release). Многофазный workflow с cost-first выполнением, evidence-based отчётами, anti-hallucination протоколом и прозрачным confidence scoring.
Версия: 1.5.0 | Лицензия: MIT | Язык: русский (отчёт: ru/en через TaskFrame.language)
Автор: Andrey Zagreev | Обратная связь: @zagreev
- 7-фазный workflow: Анализ задачи → Декомпозиция → Сбор → Верификация → Синтез → Вывод → Приёмка
- Cost-First выполнение: 4-уровневая иерархия инструментов — начинай бесплатно, эскалируй только при необходимости
- Evidence-Based отчёты: каждое утверждение имеет citation, каждый источник — tier
- Anti-Hallucination протокол: zero tolerance — FactCheck Agent ветирует каждый факт
- 4 уровня глубины: Quick (30 мин) → Standard (1–2 ч) → Deep (3–5 ч) → Exhaustive (5+ ч)
- Confidence Scoring: шкала 1–5 с визуальными индикаторами для каждого утверждения
- Checkpoint Recovery: адаптивный heartbeat (2–10 мин) + checkpoint на каждом gate — откат к последнему gate, а не к нулю
- Cost & Cache телеметрия: захват cache-сигналов,
cache_hit_rate,bundle_hash, именованные границы компактизации, CLIcost - Typed Collection Seam: единый контракт
CollectionResultнад любым провайдером (web_search/Jina/Firecrawl/…) со snippet-cap и risk_class - CI-регрессия: 247 юнит-тестов, golden corpus, opional cost/latency-пороги
| Платформа | Для кого | Установка | Файл |
|---|---|---|---|
| Claude Code / Cowork | Рекомендуется — установка в 1 клик, без файлов | Plugin marketplace (GitHub) | плагин |
| Claude.ai | Опытные пользователи, нужна загрузка скилла | Загрузка ZIP/.skill |
папка скилла |
Cowork (для не-разработчиков):
- Открой Customize (слева внизу)
- Browse plugins → Personal → +
- Add marketplace from GitHub
- Введи:
azagreev/DResearch-Skill - Плагин deep-research-skill установится сам — навык подключится в один клик.
Claude Code (CLI):
/plugin marketplace add azagreev/DResearch-Skill
/plugin install deep-research-skill@deep-research-skillАктивация. Навык подключается автоматически по запросам вроде «проведи исследование», «deep research», «анализ рынка», «конкурентный анализ», «собери информацию о», «сравни», «тренды в», «due diligence». Можно вызвать и явно: /deep-research-skill:deep-research-skill.
Сторонние маркетплейсы (как этот) не авто-обновляются по умолчанию — авто-pull на старте сессии включён только для официального маркетплейса Anthropic. После нового релиза кнопка Update может оставаться неактивной, пока обновление не подтянуть.
Рекомендуется — включить auto-update один раз (дальше плагин обновляется сам на старте сессии):
- Claude Code (CLI/desktop):
/plugin→ Marketplaces →deep-research-skill→ включить auto-update. - Cowork: включи тумблер auto-update на странице плагина, если он показан.
Разовое обновление вручную:
- Claude Code (CLI):
/plugin marketplace update deep-research-skill→ обнови плагин →/reload-plugins(или перезапусти сессию). - Cowork (GUI): Customize →
deep-research-skill→ удали и добавь заново (+→ Add marketplace from GitHub →azagreev/DResearch-Skill) — форсит свежий клон.
Навык self-contained — его можно загрузить напрямую, минуя маркетплейс. Это рекомендуется, если нужно обойти и предупреждение о доверии к стороннему маркетплейсу, и запаздывание версии в кэше маркетплейса (ZIP всегда — текущий билд).
- Скачай готовый ZIP из релизов — ассет
deep-research-skill-vX.Y.Z.zip. В архиве корневая папкаdeep-research-skill/сSKILL.mdвнутри — именно эту структуру требует загрузка скилла в приложениях Claude (не файлы россыпью в корне архива).- Либо собери локально:
python scripts/build_skill.py→dist/deep-research-skill-vX.Y.Z.zip(build-скрипт исключаетtests//evals//кэши и нормализует переводы строк; критерии корректной сборки —python -m pytest tests/release/test_skill_package.py -q).
- Либо собери локально:
- Claude → Настройки → Возможности → включи «Code execution and file creation».
- Настроить → Скиллы → + → загрузи ZIP.
- В любом чате попроси «проведи исследование …» — навык активируется.
Про предупреждение «Plugins installed from marketplaces are not controlled by Anthropic…». Это штатное предупреждение Anthropic для любого стороннего marketplace-плагина — оно привязано к маршруту установки из маркетплейса, а не к содержимому скилла, и не является ошибкой. При установке из маркетплейса просто подтверди доверие; прямая загрузка ZIP этого шага не требует.
SKILL.md (точка входа — 7-фазный workflow)
├── Phase 0: Анализ задачи & роутинг
├── Phase 1: Декомпозиция
├── Phase 2: Сбор → engine/collect.py (CollectionResult)
├── Phase 3: Верификация → engine/factcheck.py, engine/verify.py
├── Phase 4: Синтез
├── Phase 5: Вывод → engine/report.py
└── Phase 6: Приёмка
AGENT.MD (слой оркестрации)
├── Heartbeat Protocol (адаптивный интервал, §1.2)
├── Checkpoint Recovery (5 чекпоинтов)
├── Quality Gates (5 gate'ов с бюджетной аллокацией)
└── Cost & Cache телеметрия (§3.4, именованные границы §8)
engine/ (Python-движок, stdlib-only, Python ≥3.10)
├── pipeline.py — сборщик полного прогона
├── collect.py — типизированный CollectionResult над провайдерами
├── ingest.py — raw → Source + дедупликация
├── rank.py, score.py — ранжирование источников
├── factcheck.py — FactCheck Agent, категории + claim-вердикты
├── verify.py — независимая ре-деривация вердикта
├── cluster.py, memory.py — кластеризация и сессионная память
├── report.py — генерация отчёта
├── eval.py — IR-метрики + cost_efficiency
├── compact.py — build_handoff + should_compact (named boundaries)
├── plan.py — DAG-исполнитель SubTask
├── state.py — gate_blocks_transition, validate_snapshot
├── telemetry.py — GateCostTracker, RunTrace, cache helpers
└── cli.py — JSON-in/JSON-out CLI (15 subcommands)
evals/
├── golden_corpus.json — baseline ранжирования
├── ci_regression.py — CI-проверка метрик + cost/latency-пороги
├── activation_corpus.json — should-trigger / should-not-trigger
├── injection_probe.json — adversarial prompt-injection тесты
└── grounding_probe.json — grounding/false-confidence тесты
hooks/ (opt-in, inert по умолчанию)
├── budget_guard.py — PreToolUse: блок при превышении бюджета
├── cost_tracker.py — PostToolUse: трекинг стоимости
├── policy_guard.py — PreToolUse: allow/deny список
└── settings.example.json — шаблон для ручной установки
tests/ (247 тестов, 0 skipped)
└── test_phase1.py … test_phase13.py, test_adversarial.py, test_cli.py …
references/ (20 документов — источники истины для prose-режима)
├── tool_matrix.md, strategy_guide.md, decomposition_guide.md
├── acceptance_framework.md, output_formats.md, factcheck_system.md
├── source_authority_framework.md, cost_matrix_full.md
└── … (HOOK_MIDDLEWARE.md, PLATFORM_DISTRIBUTION.md, исследования)
DResearch-Skill/ # маркетплейс (корень репозитория)
├── .claude-plugin/
│ └── marketplace.json # манифест маркетплейса
├── plugins/
│ └── deep-research-skill/
│ ├── .claude-plugin/
│ │ └── plugin.json # манифест плагина (version: 1.5.0)
│ └── skills/
│ └── deep-research-skill/ # self-contained навык
│ ├── SKILL.md # точка входа (7-фазный workflow)
│ ├── SKILL.master.md # полная мастер-документация
│ ├── AGENT.MD # протокол оркестрации
│ ├── LEGAL_METHODS.md
│ ├── CAPTCHA_MODULE.md
│ ├── engine/ # Python-движок (stdlib-only)
│ ├── evals/ # CI-регрессия + корпуса
│ ├── hooks/ # opt-in hook-скрипты
│ ├── tests/ # 247 юнит-тестов
│ └── references/ # 20 reference-документов
├── docs/
│ ├── REBUILD_PLAN.md
│ ├── TECHDEBT.md
│ ├── installation.md
│ └── usage.md
├── examples/
│ └── supervised_orchestrator.workflow.js
├── CHANGELOG.md
├── LICENSE
└── README.md
# JSON-in/JSON-out (все subcommands):
python -m engine <subcommand> [--input file.json]
# Доступные subcommands:
run — полный прогон pipeline
collect — нормализация провайдера → CollectionResult
ingest — raw → Source[]
rank — ранжирование источников
score — scoring источников (+ veto-слой и score-breakdown, v1.2.0)
factcheck — верификация claims
verify — независимая ре-деривация категорий (disagreement-флаг) # новое v1.3.0
cluster — кластеризация
plan — валидация DAG / topo-порядок / ready-set # новое v1.3.0
gate — статус gate-сигналов (blocks_transition/should_stop/should_compact) # новое v1.3.0
memory — сессионная память (+ record-feedback/list-feedback, v1.2.0)
eval — IR-метрики + cost_efficiency
cost — per-gate cost-отчёт через GateCostTracker # новое v1.1.0
rescore — ре-деривация скоринга над замороженным набором # новое v1.2.0
report — генерация отчёта
compact — build_handoff (do_not_redo)
checkpoint — запись/чтение checkpoint
resume — восстановление из checkpoint
hook — list/test/fire hook-скриптов
doctor — диагностика окружения| Tier | Инструменты | Cost | Покрытие |
|---|---|---|---|
| Tier 1 | Native Claude tools (web_search, browser) | Free | ~70% задач |
| Tier 2 | Jina AI Reader, arXiv, Scholar | Free/low | ~20% задач |
| Tier 3 | Browserbase, ECC, PubMed | Low/medium | ~8% задач |
| Tier 4 | Firecrawl, premium APIs | Premium | ~2% задач |
Подробный прайсинг — в references/cost_matrix_full.md.
| Балл | Уровень | Индикатор | Когда |
|---|---|---|---|
| 5 | Certain | 🔵 | Подтверждено несколькими Tier S источниками |
| 4 | High | 🟢 | Один Tier S или несколько Tier A |
| 3 | Moderate | 🟡 | Отраслевой консенсус, без прямого источника |
| 2 | Low | 🔴 | Ограниченные/слабые источники |
| 1 | Speculative | ⚪ | Вывод, без прямых доказательств |
| Tier | Тип источника | Доверие |
|---|---|---|
| S | SEC filings, регуляторы, первичные данные | Ground truth |
| A | Авторитетные СМИ, peer-reviewed журналы | High |
| B | Отраслевые отчёты, established blogs | Medium |
| C | Агрегаторы новостей, пресс-релизы | Low-medium |
| D | Форумы, соцсети | Low (сначала проверить) |
- Claude Code ≥ 4.6 (или Claude.ai с включённым code execution)
- Python ≥ 3.10 (для запуска движка локально; stdlib-only, pip не нужен)
- MCP-серверы (опционально):
browserbase— облачная браузерная автоматизацияfile-system— локальные файловые операции
| Глубина | Время | Subtasks | Прим. стоимость (API) |
|---|---|---|---|
| Quick | 30 мин | 5–8 | $0–2 |
| Standard | 1–2 ч | 10–15 | $2–5 |
| Deep | 3–5 ч | 20–30 | $5–15 |
| Exhaustive | 5+ ч | 30–50 | $15–50 |
Стоимость — только для внешних API. Native Claude tools бесплатны. Фактические затраты зависят от выбора инструментов и доступности источников.
Навык включает три hook-скрипта (stdlib only, кросс-платформенные), которые перехватывают вызовы инструментов Claude Code:
| Скрипт | Тип | Назначение |
|---|---|---|
hooks/policy_guard.py |
PreToolUse (блокирующий) | Минимальный allow/deny список |
hooks/budget_guard.py |
PreToolUse (блокирующий) | Блокирует платные инструменты при превышении бюджета (exit 2) |
hooks/cost_tracker.py |
PostToolUse | Добавляет строку стоимости в JSON-вывод; всегда exit 0 |
Хуки НЕ активны по умолчанию. Они поставляются как inert-шаблон
hooks/settings.example.jsonи не загружаются Claude Code, пока ты явно не установишь их. Живой.claude/settings.jsonс блокирующим хуком в корне репозитория — footgun: мисскоупленный ("*") PreToolUse-хук блокирует каждый вызов инструмента и может заблокировать саму сессию.
Чтобы включить хуки в своём проекте, скопируй шаблон в свой .claude/settings.json:
cp plugins/deep-research-skill/skills/deep-research-skill/hooks/settings.example.json \
.claude/settings.jsonШаблон соблюдает два инварианта безопасности:
- Ни один блокирующий хук не на
"*".budget_guard/policy_guard(PreToolUse, блокирующие) матчат только платные инструменты (firecrawl|browserbase|serper_api|captcha_solve|generate_video). - Пути на якоре
$CLAUDE_PROJECT_DIR— резолвятся при любом текущем каталоге шелла.
# Просмотр хуков из inert-шаблона:
python -m engine hook --op list
# Тест budget_guard — платный инструмент превышает бюджет (ожидается exit 2):
echo '{"tool":"firecrawl","spent_usd":0.99,"limit_usd":1.00}' | \
python plugins/deep-research-skill/skills/deep-research-skill/hooks/budget_guard.py
# Cost-отчёт через CLI:
echo '{"total_budget":1.0,"spends":[{"gate":"gate_3_analysis","amount":0.3}]}' | \
python -m engine cost- Pre-merge чек-лист:
docs/PRE_MERGE_CHECKLIST.md— debt-sweep, сьюты, детерминизм,/code-review, version-ritual и стоячие гарды. - Журнал багов:
docs/BUGLOG.md— каждый дефект, его корневая причина и гард, который теперь ловит этот класс (14 багов за v1.3–v1.5 → 5 системных корней). - Инварианты:
AGENT.MD§10.1 (root-cause table #1–#11) +docs/TECHDEBT.md. - CI:
.github/workflows/ci.ymlгоняет engine+bench сьюты, детерминизм-гейт и golden-corpus на каждый push/PR (stdlib-only).
- Все методы обхода следуют scope ETHICAL_ONLY
- Работа с CAPTCHA — через human-in-the-loop эскалацию
- Source authority awareness предотвращает распространение дезинформации
- Confidence scoring предотвращает завышение слабых утверждений
- Никакой автоматической эксплуатации — все техники документированы для прозрачности
- Вопросы, баги, идеи: Telegram @zagreev
- PR приветствуются: форк → ветка
feature/name→ изменения в стиле проекта → pull request - История версий — в CHANGELOG.md
MIT License — см. LICENSE.
Deep Research Skill v1.5.0 · Автор: Andrey Zagreev · @zagreev