Pular para o conteúdo
Skillpedia
Agentes52 mil · #1825

deep-research

Realiza pesquisas acadêmicas aprofundadas sobre qualquer tópico usando uma equipe de agentes. Ele ajuda a formular perguntas, planejar a metodologia e revisar a literatura.

O que ela faz

É uma equipe de assistentes de IA que faz pesquisas acadêmicas profundas sobre qualquer assunto. Ela pode revisar artigos, verificar fatos, fazer resumos rápidos e até guiar você em uma pesquisa.

Quando usar

  • ✓Quando você precisa de um resumo rápido sobre um tema complexo.
  • ✓Ao revisar um artigo científico e querer verificar a qualidade.
  • ✓Para iniciar uma pesquisa acadêmica do zero, desde a pergunta até o relatório final.

Exemplo do que pedir para a IA

“Pesquise o impacto da inteligência artificial na qualidade do ensino superior.”

Quer saber mais? Abra as seções abaixo.

Como usar

O jeito mais fácil: copie a mensagem abaixo e cole no Claude, ChatGPT, Cursor ou outra IA. Ela lê a skill e segue as instruções.

Link da skill

https://github.com/Imbad0202/academic-research-skills/blob/main/deep-research/SKILL.md

Mensagem pronta para colar

Use esta skill para me ajudar: https://github.com/Imbad0202/academic-research-skills/blob/main/deep-research/SKILL.md Leia o arquivo SKILL.md desse link e siga as instruções dele na minha tarefa.
Como funciona

A IA usa uma equipe de 13 assistentes para investigar o tema. Ela segue etapas como definir a pergunta, buscar fontes, analisar informações e escrever um relatório detalhado.

Instalação

Jeito mais fácil: copie o link da skill e cole no Claude, ChatGPT ou Cursor pedindo para seguir as instruções.

No terminal (Claude Code, Codex, Cursor), na pasta do projeto:

npx skills add Imbad0202/academic-research-skills --skill deep-research

Ou baixe só o arquivo:

curl -L https://raw.githubusercontent.com/Imbad0202/academic-research-skills/main/deep-research/SKILL.md -o SKILL.md
Conteúdo técnico (SKILL.md)

Tradução do texto original do autor no GitHub. Os comandos e códigos estão como no original.

Pesquisa Profunda — Equipe de Agentes Universais de Pesquisa Acadêmica

Ferramenta universal de pesquisa profunda — uma equipe de 13 agentes, agnóstica a domínios, para pesquisa acadêmica rigorosa sobre qualquer tópico.

A v2.4 adiciona melhorias na qualidade da escrita ao compilador de relatórios:

  • Consumo de Perfil de Estilo (opcional) — Se um Perfil de Estilo estiver disponível a partir da entrada do artigo acadêmico, o compilador de relatórios o aplica como um guia flexível para as seções Resumo Executivo e Síntese. As convenções da disciplina e a objetividade do relatório têm prioridade.
  • Verificação de Qualidade da Escrita — O compilador de relatórios usa academic-paper/references/writing_quality_check.md como um guia de diagnóstico antes de finalizar (solicitações de julgamento subordinadas aos requisitos do autor e do local, não cotas) e sinaliza alegações que as fontes citadas não suportam como [MATERIAL GAP] em vez de suavizá-las (#825).

Disciplina de roteamento (v3.9.2): instalações de plugins e cópias de habilidades não carregam o .claude/CLAUDE.md deste repositório, portanto, seu núcleo de roteamento é repetido abaixo, idêntico ao shared/references/routing_core.md (#892). Se o roteamento não se estabilizou quando esta habilidade é carregada, aplique o núcleo antes de despachar qualquer agente.

<!-- routing-core:begin -->

Passo 0 — Verificação de "escape hatch" (antes de qualquer classificação): Se a primeira mensagem do usuário começar com [direct-mode] (token de byte-0, sem distinção entre maiúsculas e minúsculas, opcionalmente precedido por espaços em branco/novas linhas que são removidos na análise), registre este fato, remova o prefixo e os espaços em branco circundantes da mensagem e pule diretamente para o Passo 1 de tratamento de intenção explícita no conteúdo removido. O literal [direct-mode] NÃO é passado para o agente despachado. Se a mensagem removida em si não tiver uma habilidade clara nomeada, o Passo 1 cairá para a clarificação do Passo 3 (o "escape hatch" ignora a clarificação entre fases (Passo 2), não todo o roteamento). Quando o token é honrado e o agente ou habilidade nomeada precisa de entradas que a mensagem não fornece, leia o arquivo desse agente ou habilidade e pergunte o que ele requer, em seus termos. Um token [direct-mode] após qualquer outro caractere que não seja espaço em branco não é o "escape hatch", mesmo quando a mensagem pede para pular perguntas: classifique a mensagem através dos Passos 1-3 como se o token estivesse ausente e não encaminhe o token. Sem o token de byte-0, nomear um agente não é intenção explícita: tal mensagem passa pelos Passos 1-3 como qualquer outra, então materiais entre fases ainda recebem clarificação no Passo 2.

Caso contrário, classifique a entrada do usuário:

  1. Intenção explícita clara — o usuário invoca uma habilidade específica via comando de barra /ars-*, ou usa uma palavra-chave de gatilho inequívoca que mapeia para uma única habilidade (por exemplo, "lit-review this", "review my paper", "draft an abstract"): → Roteie diretamente; sem clarificação, sem desvio do orquestrador. → A solicitação permanece explícita quando a entrada usual do modo está ausente ou uma palavra nela tem outros sentidos cotidianos. Uma solicitação de revisão sem comentários do revisor é o caso do modo de revisão de "sentir que algumas seções precisam de melhoria", e "revisar artigo" é o gatilho do revisor. Roteie para esse modo e deixe o modo lidar com o que está faltando; não reabra a escolha do fluxo de trabalho.

  2. Materiais entre fases detectados — o usuário fornece artefatos que abrangem ≥ 2 fases do pipeline sem nomear uma habilidade específica (por exemplo, resumo pré-escrito + literatura pré-coletada; rascunho completo + comentários do revisor + bibliografia): → Clarifique. NÃO roteie automaticamente para um agente de fase única. Liste os fluxos de trabalho candidatos como opções a-d no corpo do markdown (NÃO via ferramenta AskUserQuestion). Veja shared/references/intent_clarification_protocol.md para o modelo de mensagem. → Razão: a clarificação é a ação mais segura quando os materiais não identificam inequivocamente a intenção. (o condutor ativo v3.10 (#134) lidará com isso via entrada estruturada; v3.9.2 pergunta.)

  3. Intenção ambígua, sem materiais — o usuário não fornece artefatos nem solicitação clara: → Clarifique conforme shared/references/intent_clarification_protocol.md.

…

Perguntas frequentes

Quais tipos de pesquisa essa IA pode fazer?

Ela pode fazer pesquisa completa, resumo rápido, revisão de artigos, revisão de literatura, verificação de fatos, busca tripla de literatura, diálogo guiado socrático e revisão sistemática com meta-análise opcional.

A IA pode me ajudar a escrever o relatório?

Sim, ela compila um relatório completo, com opções para seguir perfis de estilo acadêmico e verifica a qualidade da escrita, sinalizando lacunas de informação.

Como a IA garante a qualidade da pesquisa?

Ela usa um pipeline de 13 agentes para garantir rigor acadêmico, verifica fontes, analisa sínteses entre fontes e realiza verificações de viés e ética antes de finalizar o relatório.

Detalhes

Descrição original do autor

Universal deep research agent team. 13-agent pipeline for rigorous academic research on any topic. 8 modes: full research, quick brief, paper review, lit-review, fact-check, three-way literature scan, Socratic guided research dialogue, and systematic review with optional meta-analysis. Covers research question formulation, Socratic mentoring, methodology design, systematic literature search, sourc

repo: Imbad0202/academic-research-skills

Popularidade

Estrelas no GitHub
52 mil
Posição no ranking
#1825
Licença
NOASSERTION
Atualizada em
13/10/2026

Essa skill é útil?

0

Entre para votar.

Comentários

  • …

Mais skills deste repositório

Skills parecidas