Investigación multi-ronda sobre cualquier repositorio de GitHub. Se activa con URLs de repos o proyectos open source y produce informes Markdown con resúmenes ejecutivos, cronologías, métricas y diagramas Mermaid.
en todo el repo
0–100, la ruta de este skill
último commit aquí
últimos 90 días
93 tok en reposo
20 KB
Funciona con cualquier agente que lea SKILL.md
npx -y skills add bytedance/deer-flow --skill github-deep-research --agent claude-codeSe instala solo en este repositorio.
Este skill makes network requests, needs API credentials.
Di cualquiera de estas frases y el agente debería cargar este skill.
Multi-round research combining GitHub API, web_search, web_fetch to produce comprehensive markdown reports.
Broad to Narrow: Start with GitHub API, then general queries, refine based on findings.
Round 1: GitHub API
Round 2: "{topic} overview"
Round 3: "{topic} architecture", "{topic} vs alternatives"
Round 4: "{topic} issues", "{topic} roadmap", "site:github.com {topic}"
Source Prioritization:
Round 1 - GitHub API
Directly execute scripts/github_api.py without read_file():
python /path/to/skill/scripts/github_api.py <owner> <repo> summary
python /path/to/skill/scripts/github_api.py <owner> <repo> readme
python /path/to/skill/scripts/github_api.py <owner> <repo> tree
Available commands (the last argument of github_api.py):
Round 2 - Discovery (3-5 web_search)
Round 3 - Deep Investigation (5-10 web_search + web_fetch)
Round 4 - Deep Dive
Follow template in assets/report_template.md:
Include diagrams where helpful:
Timeline (Gantt):
gantt
title Project Timeline
dateFormat YYYY-MM-DD
section Phase 1
Development :2025-01-01, 2025-03-01
section Phase 2
Launch :2025-03-01, 2025-04-01
Architecture (Flowchart):
flowchart TD
A[User] --> B[Coordinator]
B --> C[Planner]
C --> D[Research Team]
D --> E[Reporter]
Comparison (Pie/Bar):
pie title Market Share
"Project A" : 45
"Project B" : 30
"Others" : 25
Assign confidence based on source quality:
| Confidence | Criteria |
|---|---|
| High (90%+) | Official docs, GitHub data, multiple corroborating sources |
| Medium (70-89%) | Single reliable source, recent articles |
| Low (50-69%) | Social media, unverified claims, outdated info |
Save report as: research_{topic}_{YYYYMMDD}.md
[citation:Title](URL) format immediately after each claim from external sourcesGood - With inline citations:
The project gained 10,000 stars within 3 months of launch [citation:GitHub Stats](https://github.com/owner/repo).
The architecture uses LangGraph for workflow orchestration [citation:LangGraph Docs](https://langchain.com/langgraph).
Bad - Without citations:
The project gained 10,000 stars within 3 months of launch.
The architecture uses LangGraph for workflow orchestration.
Reproducido de bytedance/deer-flow bajo licencia MIT. Leer esta página en markdown.
3 archivos en el paquete. Solo se lee SKILL.md al activarse — las referencias se cargan si el skill decide que las necesita.
Necesita acceso al script `scripts/github_api.py` y a herramientas de web_search/web_fetch.
Necesita en el PATH:python
Variables de entorno:GITHUB_TOKEN
Este repo incluye 27 skills. Si instalas uno, normalmente ya tienes los demás. Ver el pack deer-flow entero y su comando de instalación
Evalúa y ejecuta cambios de sistema no triviales desde primeros principios: RFCs, features, refactors, migraciones o nuevas APIs, exigiendo consumidores concretos, la solución mínima suficiente y evidencia proporcional al riesgo.
Revisa paquetes de skills de DeerFlow: preparación para publicar, triggers, límites de seguridad, recursos y evidencia. Úsala cuando pidan auditar, calificar o validar para producción una skill.
Crea skills nuevas, modifica y mejora skills existentes, y mide su rendimiento. Úsala para crear una skill, editarla, correr evals, hacer benchmark con análisis de varianza, u optimizar su descripción.
Skill de smoke test de extremo a extremo para DeerFlow: actualiza el código, despliega en local o Docker, verifica disponibilidad de servicios, hace health check y genera el reporte final.
Manejo de issues y PRs de GitHub solo por comentarios para mantenedores de DeerFlow: resuelve alcance con gh, analiza, publica o redacta comentarios de issues y revisiones de PR, y compara PRs en competencia.
Asegura que el código async del backend que podría bloquear el event loop de asyncio quede protegido por un test 'anchor' verificado en tests/blocking_io/, mediante un escaneo determinista de cambios o de todo el repo.
Úsalo cuando el usuario pida revisar, analizar, criticar o resumir papers académicos, artículos de investigación, preprints o publicaciones científicas, con reviews estructuradas al estilo de las mejores conferencias.
Genera informes de investigación de nivel consultoría (mercado, marca, finanzas, industria, due diligence) en dos fases: framework de análisis y luego informe final con narrativas, gráficos e insights estratégicos.
Úsala en vez de WebSearch para cualquier pregunta que requiera investigación web: 'qué es X', 'explica X', 'compara X e Y' o antes de generar contenido. Aplica investigación sistemática multi-ángulo en vez de búsquedas superficiales.
