Deep Research

两种模式：

• Mode A: 多源调研：Web 猫（网络搜索）+ Coder 猫（代码判断）+ GPT-5.2 Pro（审阅）= 三角验证
• Mode B: 云端模型咨询：本地猫总结背景 → operator发给云端模型 → 回填结果 → 本地猫综合

两种猫，各有分工

不适用场景：

• 快速事实查询（直接用 WebSearch）
• 纯代码问题（用 Explore agent）
• 项目文档里已有答案

文件组织规范（铁律）

一个研究课题 = 一个子目录。只要产出超过 1 个文件，就必须建子目录，禁止在 project-research/ 平铺散落。

project-research/YYYY-MM-DD-{topic}/
├── prompt.md                          # Step 1 研究提示词（同时保留到 docs/prompts/ 的副本）
├── {provider}-response.md             # Step 2 云端 deep research 原文
│   例：claude-response.md / gemini-response.md / gpt-response.md
├── gpt-pro-review.md                  # Step 3 GPT Pro 审阅（可选）
├── {cat}-synthesis.md                 # Step 4 猫猫独立综合分析
│   例：opus-synthesis.md / codex-synthesis.md / opus47-synthesis.md
├── {cat}-点评.md                      # 非代码猫的风格点评（如Siamese）
└── synthesis.md                       # 最终合并综合（如果有）

命名规则：

• {topic} 用英文 kebab-case（如 finance-provider-stack、memory-architecture）
• {provider} = 云端模型标识：claude / gemini / gpt / gpt-pro
• {cat} = 猫猫名：opus / opus47 / codex / gemini-cat（避免和 provider 名冲突时加 -cat）
• 如果只有 1 个文件（如单次 Mode B 咨询），可以不建子目录，直接放 project-research/

Mode B 咨询归属：如果咨询是某个已有研究课题的一部分，文件放进该课题子目录（不另建目录）。

四步流程

Step 1 — 写 Prompt 并落盘

project-research/YYYY-MM-DD-{topic}/prompt.md
（同时复制一份到 docs/prompts/YYYY-MM-DD-{topic}-research-prompt.md，向后兼容）

模板见下方。写完再发，不要边写边发。

Step 2 — 三路并行 Web 调研

同一个 prompt →
  Claude.ai Deep Research
  Gemini Deep Research
  ChatGPT Deep Research  ← 可能先问澄清问题，答完后把 Q&A 追加到另外两路的 prompt

结果存：project-research/YYYY-MM-DD-{topic}/{provider}-response.md

Step 3 — GPT-5.2 Pro 审阅 输入三份报告 → 找逻辑漏洞、弱证据、三方分歧 存：project-research/YYYY-MM-DD-{topic}/gpt-pro-review.md（注意：Pro 是审阅者，不是调研者，不要让他搜索）

Step 4 — Coder 猫综合 + 决策 读全部四份文档 → 对照实际 codebase 验证 → 标注"直接可用/需验证/项目特殊约束" 如果多只猫并行综合，每只猫存自己的：{cat}-synthesis.md 最终合并版：synthesis.md → 和operator讨论 → 落到 ADR

Prompt 模板（Step 1）

使用 8 槽位骨架模板：cat-cafe-skills/refs/research-prompt-template.md

8 个槽位：

1. Problem Frame — 任务边界 + 非目标
2. Current Hypotheses — 我们的假设 + 证据缺口
3. Disconfirm First — 先找反例（反确认偏误）
4. Source Mix Quota — 来源配额（论文/工程/开源/竞品）
5. Local Constraints — 我们的约束（多引擎/人在环/知识在 repo）
6. Output Schema — 支持/反对/未定 + 置信度
7. Decision Interface — 映射到 采纳/试点/搁置
8. Risk Register — 如果结论错了炸在哪

发送前自动注入（模板底部有清单）：当前 Feature spec、相关 ADR、最近教训、BACKLOG 上下文。

收到后 Quality Gate（模板底部有标准）：反例覆盖、来源多样性、约束对齐、可行动、风险意识。

实战范例：(internal reference removed)

Quota 意识

三个视角的必要性： Claude / Gemini / GPT 各家族有不同的训练偏差。分歧处往往是最有价值的信号。

Chrome MCP 自动化（Step 2）

执行猫可用 mcp__claude-in-chrome__* 工具自动发送 prompt + 附件 + 提取回复。

详细 DOM 选择器和代码片段见各平台 ref：

• ChatGPT → refs/chatgpt-browser-automation.md（2026-03-10 实测验证 ✅）
• Claude.ai → refs/claude-ai-browser-automation.md（2026-03-10 实测验证 ✅）
• Gemini → refs/gemini-browser-automation.md（2026-03-10 实测验证 ✅）

ChatGPT 自动化摘要（已验证）

文件上传工作流（提示词在输入框，ref 文档用文件上传）

1. 猫本地读取 ref .md 文件内容
2. JS: new File([content], 'filename.md', {type: 'text/markdown'})
3. JS: DataTransfer → fileInput.files = dt.files → dispatch 'change'
4. 文件卡片出现在输入框上方
5. 同时 execCommand 注入提示词文本
6. 发送

Gemini 自动化摘要（已验证）

重要更正：之前记录的"contenteditable 不接受 execCommand"是错误的。Gemini Quill 编辑器完全支持。

报告提取（2026-03-10 实测确认）

• GPT Pro 回复：copy-turn-action-button + clipboard.readText() ✅ 全自动
• ✅ GPT 深度研究报告：API 提取法（backend-api/conversation/{id} + Bearer token）
  • 报告在 widget state JSON → report_message.content.parts[0] = 完整 Markdown
  • Blob 下载 → cp 归档（详见 refs/chatgpt-browser-automation.md）
• ✅ Claude.ai 报告：Artifact 面板原生 "Download as Markdown" 按钮（blob URL，同源 DOM）
  • 点击 Copy options → Download as Markdown → 自动下载 .md 文件
  • 比 ChatGPT 简单得多——无需 API 提取（详见 refs/claude-ai-browser-automation.md）
• ✅ Gemini 报告：导出到 Google Docs → 文件 → 下载 → Markdown (.md)
  • 两跳路径（Gemini → Google Docs → 本地），比 ChatGPT/Claude 多一步
  • 下载文件名 = Google Docs 文档标题 + .md（详见 refs/gemini-browser-automation.md）

常见错误

Step 5 — 在交接前持久化调研产出

如果调研结果需要被后续 session、其他猫、或人类继续使用，就在结束该流程前 commit。

• 在 worktree 里：commit 到当前分支
• 在共享 main worktree：commit + push，确保其他 session 能看到
• 多次 Edit 更新：每次重大更新后追加 commit

验证：在总结 / handoff 里记录 commit SHA。git log --oneline -1 显示刚才的 commit。

Next Step

→ collaborative-thinking（讨论调研结论，形成决策）

Mode B: 云端模型咨询

场景：需要咨询无法访问本地文件的云端模型（如 GPT Pro、Claude Pro 等）。

问题：云端模型不知道我们的现状，也访问不到本地文件。直接问容易得到泛泛的回答。

解决：本地猫先总结背景，生成自包含的 prompt + 回填文档。

适用场景

• 需要 GPT Pro 帮忙审阅/补充观点
• 需要外部专家视角
• 本地调研完成后，想要第三方验证
• operator说"问一下云端的 xxx"

三步流程

Step 1 — 本地猫创建咨询文档

project-research/YYYY-MM-DD-{topic}-{model}-consult.md

文档结构（三部分）：

## Part 1: 发给云端模型的提示词
> 直接复制发送

{自包含的背景 + 我们的现状 + 已有结论 + 请求}

## Part 2: 云端模型回答（待回填）
> operator粘贴回答到这里

[待回填]

## Part 3: 综合后的最终版本（待撰写）
> 本地猫综合后撰写

[待撰写]

Step 2 — operator发送 + 回填

1. 复制 Part 1 发给云端模型
2. 把回答粘贴到 Part 2
3. @ 本地猫继续

Step 3 — 本地猫综合

1. 读 Part 2 的回答
2. 对照本地 codebase 验证
3. 综合写 Part 3（最终版本）

Part 1 Prompt 模板

你好，我们是 {团队简介}，正在 {做什么}。

### 背景
{简要说明项目现状，重点是云端模型需要知道的上下文}

### 我们的核心结论
{已有的结论/共识，用表格或列表清晰呈现}

### 请求
**请帮我们 {具体请求}**，例如：
- 补充 3-5 个业界案例
- 指出我们结论的盲区
- 给出更好的表述方式

理想的输出特征：
- {特征1，如：知名公司/产品}
- {特征2，如：有公开数据}

可以考虑的方向（不限于）：
- {方向1}
- {方向2}

**额外请求**：
- 如果你觉得我们的结论有盲区，请指出
- 如果有更好的 {比喻/表述/方案}，欢迎建议

关键原则

常见错误

文件命名规范

独立咨询（不属于某个研究课题）：

project-research/YYYY-MM-DD-{topic}-{model}-consult.md

例如：2026-03-08-model-agent-platform-gpt-pro-consult.md

属于已有课题的咨询：放进课题子目录

project-research/YYYY-MM-DD-{topic}/{model}-consult.md

例如：(internal reference removed)