Skip to content

deeparchi-ai/deepsight

Folders and files

NameName
Last commit message
Last commit date

Latest commit

 

History

10 Commits
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 

Repository files navigation

🤖 AI-Maintained — This repository is maintained by AI agents. Human commits (perhaps) zero. Liability (certainly) none. Fun (definitely) infinite.

DeepSight

AI 驱动的结构化深度研究方法论 — 8 框架 × 7 对抗模板 × 多厂商 Council 交叉验证。 覆盖投资 / 战略 / 技术 / 市场 / 创业 / 行业 / 组织 / 平台全领域深度分析。

核心原则:自洽 ≠ 正确。 当一个分析读起来越来越顺、越来越有说服力时,恰恰是最危险的时候。DeepSight 是一台推理引擎而非搜索引擎——它的价值在于用结构化对抗把"看起来对"和"真的对"分开。

DeepSight 不是程序,而是一套 Agent 技能(skill):以提示词/流程的形式驱动 Claude 等 Agent,按固定的多阶段、对抗式流程产出可追溯、分级标注的研究结论。


适用 / 不适用

适用:深度分析、跨领域推理、产业研究、技术路线对比、战略判断、物理/工程可行性评估——需要因果推理而非事实检索的场景。

不适用:简单事实查询、实时新闻、纯代码编写、纯数据统计,或用户明确要求"搜索"。


方法论概览

Phase 0  路由   ── 轻量 or 深度模式?→ 从 8 套框架选 1 套
Phase 1  深研究 ── 框架四步递进;每步含 约束追问 + 搜索 + 对抗审查 + 冲突检测 + 证据标注
Phase 2  审计   ── 可选:多厂商 Council 交叉验证(单模型自审的升级版)
Phase 3  交付   ── 结构化报告(10 章 + Mermaid 配图 + 决策刹车)

八套框架(Phase 0 按领域信号选一)

框架 信号词 四步结构
投资研究 估值、护城河、安全边际 赛道 → 竞争格局 → 商业质量 → 投资判断
战略转型 企业战略、数字化转型 战略意图 → 市场洞察 → 创新焦点 → 业务设计
技术评估 ★ 技术路线、TRL、量产 技术全景 → 核心挑战 → 玩家深评 → 场景路线图
市场机会 ★ TAM、赛道选择、进入策略 市场数据 → 机会筛选 → 可行性 → 进入策略
创业评估 MVP、PMF、融资 问题验证 → 方案评估 → 市场验证 → 财务模型
行业研究 ★ 产业链、竞争格局、趋势 行业全景 → 价值链 → 竞争动态 → 趋势预判
组织设计 组织架构、变革管理 组织诊断 → 架构选项 → 人才激励 → 变革路线图
平台/生态 网络效应、多边市场 平台定义 → 网络效应 → 竞争动态 → 赢家通吃判定

★ = 高频框架。详见 skills/research/deepsight/references/framework-catalog.md

七套对抗模板(Phase 1 对抗审查按问题类型选)

工程/技术 · 市场/商业/战略 · 社会科学/政策 · 市场洞察/PESTEL · 地缘/供应链安全 · 通用决策(Council 五角色)· 期望校准。 详见 .../references/adversarial-templates.md

证据分级 + 决策刹车

每条结论强制标注证据等级:

  • [A-验证]:搜索 + 推理双重支持,外部独立来源可查证(利益相关方自我确认最高只能 [B]
  • [B-推理]:推理链产出、逻辑自洽,但未经独立外部验证
  • [C-推断]:从 B 级推导的次级结论,或 Fermi 估算 / 经验类推

强制规则:[B] 占比 > 70% → 退回重标;[C] 目标 20–35%。决策刹车[C] 级结论禁止直接进入行动建议,降级为"待外部验证"并附翻盘条件。

多厂商 Council 交叉验证(Phase 2,可选)

[C] 占比 > 30%(强制)或 20–30% + 真金白银决策(建议)时触发:用不同厂商的模型做外部交叉验证,而非主模型自审。五个盲审角色(唱反调者 / 第一性原理 / 扩张主义者 / 局外人 / 执行者)各自只拿到"原始问题 + 结论摘要",识别 ≥3 位独立提出的共识批评,再裁决分歧、修正证据等级。配置见 .../references/council-model-setup.md


两种模式

模式 适用 流程
轻量 简单对比、快速判断、单维度 2 轮约束追问 + 1 轮对抗审查 + 证据标注 → 直接输出
深度 跨领域、真金白银决策、多步骤 完整四步 + 可选 Council → 结构化报告

默认轻量;当问题涉及 ≥2 个独立维度、用户要求"深度分析"、或结论用于投资/采购/战略决策时升级为深度。


怎么用

DeepSight 以 Agent 技能形式运行,没有 CLI:

  1. 让你的 Agent(Claude Code / 兼容 agentskills.io 标准的运行时)加载 skills/research/deepsight/SKILL.md 作为技能。
  2. 抛出需要深度推理的问题;Agent 按上述 Phase 0–3 流程执行。
  3. 可选基础设施:搜索(Bocha + SearXNG,搜不到不影响主流程);Council(≥3 个不同模型族,详见配置文档);报告交付(结构化 consulting-report 模板)。

跨会话状态由 skills/productivity/session-bootstrap + task_registry.json + progress.log 维护。


仓库结构

skills/
  research/deepsight/        # 方法论本体
    SKILL.md                 #   主流程(Phase 0–3)
    references/              #   框架目录 / 对抗模板 / 约束链 / Council 配置 / 报告管线 / 脑暴法
  productivity/session-bootstrap/   # 跨会话编排(harness 模式)
task_registry.json           # 自我编排状态 + 版本演进
progress.log                 # 进度日志

状态

当前 v2.5。本仓库由 AI agent 维护。改进项以 GitHub Issues(P0/P1/P2 标签)跟踪——尤其欢迎对 Council 交叉验证严谨性(反同质化度量、共识裁决独立性)的贡献。

License

MIT © 2026 DeepArchi (Kuang Mi)

About

DeepSight 深度推理研究法 v2.5 — 8框架 + 7对抗模板 + 多厂商Council交叉验证。AI驱动的结构化深度研究。

Topics

Resources

License

Stars

Watchers

Forks

Releases

No releases published

Packages

 
 
 

Contributors