Stats
Actions
Tags
From legal-skills
Launches parallel research agents for multi-topic deep research, accepting files or direct input, and generating structured study documents with cross-document navigation.
How this skill is triggered — by the user, by Claude, or both
Slash command
/legal-skills:multi-searchThe summary Claude sees in its skill listing — used to decide when to auto-load this skill
智能多主题深度研究工具，自动分析材料并生成系统化研究文档。支持任意材料输入，通过**并行启动多个独立研究 Agent**进行深度检索，形成精简的研究知识库。
智能多主题深度研究工具，自动分析材料并生成系统化研究文档。支持任意材料输入，通过并行启动多个独立研究 Agent进行深度检索，形成精简的研究知识库。
核心原则：
使用 /multi-search 命令触发，或当用户请求：
/multi-search @文档路径.md
/multi-search
[粘贴材料内容]
/multi-search
项目：[项目名称]
研究课题：
1. [课题一]
2. [课题二]
3. [课题三]
按优先级检测项目结构：
output/ 目录 → 使用 output/[项目名]/./[项目名]/./research/创建目录：[输出目录]/03 - 🔍 深度研究/
为每个研究课题启动独立的 general-purpose 独立研究 Agent。
上下文传递（主Agent → 独立研究 Agent）：
去重检查机制：
每个 独立研究 Agent 在开始检索前，必须遵循以下流程：
检索前声明：
主 Agent 审核：
动态调整：
深度检索要求：
文档生成：
[输出目录]/
└── [项目名]/
└── 03 - 🔍 深度研究/
├── 000.研究总览.md
├── YYMMDD [研究课题一].md
├── YYMMDD [研究课题二].md
└── ...
# [项目名称] 深度研究总览
**生成时间**: YYYY-MM-DD
**研究方式**: N个独立研究 Agent，各进行4-6轮深度检索
**总检索轮次**: XX+轮
**总文档量**: XX KB
---
## 研究成果清单
### 已完成的N份精简研究报告
| 序号 | 研究课题 | 文件大小 | 核心价值 |
|------|---------|---------|---------|
| 01 | [课题一](./YYMMDD%20课题一.md) | XX KB | 简要描述 |
---
## 核心发现
### 发现1：[最重要发现]
**依据**：[简要说明]
**结论**：[具体结论]
---
## 综合建议
### 一、策略建议
**推荐方案**：[具体方案]
### 二、立即行动清单
- [ ] 行动项1
- [ ] 行动项2
# [研究课题标题]
**生成时间**: YYYY-MM-DD
**研究深度**: XX+轮深度检索，覆盖XXXX、XXXX、XXXX
---
## 核心结论
[最重要的发现和结论，2-3段，充分详实]
---
## 一、[主要内容一]
### （一）子标题
正文段落。引用来源使用内嵌链接格式：
- 根据[来源名称](https://链接)...
- 依据[资料](https://链接)...
---
## 二、[主要内容二]
[继续结构化内容]
---
## 三、应用建议
### （一）建议要点
**内容**：[具体内容]
### （二）注意事项
⚠️ [注意点]
所有来源链接必须内嵌到正文中相应位置
✅ 正确：
根据[研究报告](https://链接)显示...
❌ 错误：
根据某报告...
（文末单独列出引用来源）
00. - 研究总览01-09. - 核心研究10-19. - 重要研究20+. - 延伸研究本技能依赖 Claude Code 内置工具，无需额外配置：
| 版本 | 日期 | 更新内容 |
|---|---|---|
| v1.0.0 | 2026-02-15 | 从 Command 迁移为 Skill，重命名为多主题深度研究（multi-search） |
npx claudepluginhub cat-xierluo/legal-skills --plugin transcription-correctorRuns multi-agent research: decomposes a question into parallel Opus agents that write findings to files, then synthesizes by theme. Useful for literature reviews, comparisons, or learning a domain.
Conducts deep parallel research on a topic using web searches, saves cited markdown files with validated URLs, and produces a synthesis summary.
Decomposes research questions into a DAG of sub-questions, executes parallel subagent searches, iterates on gaps, and synthesizes a final report. Useful for thorough, structured research on complex topics.