Agent skill

Deepdive

by Socialpranker in Socialpranker/deepdive

Meta-research под вопрос или решение: веб-поиск, источники, Q&A отчёт с цитатами по файлам для повторного использования.

MITAuto-check passedResearch & Science

Install Deepdive

skills CLI
$ npx skills add Socialpranker/deepdive --skill deepdive -a claude-code

Project install by default; add -g for ~/.claude/skills/.

GitHub CLI
$ gh skill install Socialpranker/deepdive deepdive --agent claude-code

Project scope by default; add --scope user for a personal install. Needs GitHub CLI 2.90.0 or later (public preview).

Claude Code skills documentation · loads skills from .claude/skills/

Facts

Skill name
deepdive
GitHub stars
371
Token cost
~5.2k tokens
SKILL.md length
2,125 words
Files
298 (incl. scripts, references, assets)
Skills in repo
1
Repo updated
First seen
Licence
MIT

At a glance

Meta-research под вопрос или решение: веб-поиск, источники, Q&A отчёт с цитатами по файлам для повторного использования.

  • Works in 3 steps: Reframing [opus/high] — переписать… → Genre & blocks [sonnet/medium] — жанр… → Plan [opus/medium] — plan.md по шаблону…
  • Tasks that involve Deep research
  • SKILL.md covers Когда применять, Глубина — по теме, жёсткого…, Перед стартом — discover… and Workflow —…, plus 6 more sections
  • Calls python and uv

What it does

Deepdive is an agent skill from Socialpranker/deepdive. Meta-research под вопрос или решение: веб-поиск, источники, Q&A отчёт с цитатами по файлам для повторного использования. Использовать для деск-ресёрча, валидации гипотезы, «как устроен X». Триггеры: «deepdive», «сделай ресёрч», «исследуй», «копни глубоко», «ресёрчни».

Its SKILL.md is about 5.2k tokens, which your agent loads only when the skill is triggered. The skill folder holds 302 other files, including scripts, reference files and assets (for example `.claude-plugin/marketplace.json`, `.github/ISSUE_TEMPLATE/bug-report.md` and `.github/ISSUE_TEMPLATE/new-channel.md`).

It sits in Research & Science, covering Deep research. It works with Anthropic API. The repository describes itself as: Deepdive skill for Claude Code — 12-phase research pipeline: plan-review gate, parallel sub-agent search, claims-ledger triangulation with dissent protection, relevance ×… The licence is MIT.

When your agent uses it

  • Tasks that involve Deep research

Example prompts

  • “/deepdive”

Requirements

  • Python 3

Workflow steps

3 steps, taken from the first numbered list in SKILL.md.

  1. Reframing [opus/high] — переписать вопрос; Decision Spec (решение глагол+объект+срок / потребитель→его следующий шаг / ≥1 if-then вилка…
  2. Genre & blocks [sonnet/medium] — жанр (qa/explainer/decision/landscape/validation/custom) + набор блоков, подтвердить одной строкой. См…
  3. Plan [opus/medium] — plan.md по шаблону §0–16 из workflow.md: HEADER → SCOPE → STRUCTURE → EXECUTION → TRACKING. Несущее: acceptance…

What it can do on your machine

Read from SKILL.md and the folder at commit f05e10d. It shows what the files ask for, not the result of running them.

  • Tool permissions

    Pre-approves nothing: there is no allowed-tools line, so your agent's usual permission prompts apply.

    From allowed-tools in the SKILL.md frontmatter.

  • Runs code

    Ships 1 file in scripts/, which the agent can run.

    Shell commands in SKILL.md call:

    • python
    • uv

    From the folder's file list and the shell code blocks in SKILL.md.

  • Network

    No URLs in SKILL.md. Its commands use uv, which can reach the network depending on how they are called.

    From URLs in SKILL.md, links to its own repository left out.

  • Credentials

    Names no API keys, tokens, secrets or passwords.

    From names ending in _API_KEY, _TOKEN, _SECRET, _KEY or _PASSWORD in SKILL.md.

Context cost

Deepdive loads about 5.2k tokens when it runs, and up to ~284k if it reads all its reference files. Until then it costs about 69 tokens; SKILL.md has 2,125 words of instructions outside code blocks.

Always · name and description, kept in context so the agent knows when to use it
~69
When it runs · the whole SKILL.md, loaded when a task matches
~5.2k
With references · SKILL.md plus every file in references/, read only if the agent opens them
~284k

Estimates: characters ÷ 4, the usual rule of thumb; real counts depend on the model's tokenizer. Scripts and assets cost tokens only if the agent reads them.

Safety

Auto-check passed

The automated check found no risky patterns in SKILL.md.

Automated static check — not a guarantee. Review scripts before installing. It scans the text of SKILL.md for risky patterns (piping downloads into a shell, reading credential files, hidden Unicode, destructive commands); the scripts in this folder are not scanned.

SKILL.md

The full file from Socialpranker/deepdive at commit f05e10d, republished under its MIT licence (© Socialpranker). 2,125 words, ~5,208 tokens.

Download SKILL.mdSave it as .claude/skills/deepdive/SKILL.md (or your agent's skills folder). This skill also uses 297 other files; get the full folder from GitHub.
name
deepdive
description
Meta-research под вопрос или решение: веб-поиск, источники, Q&A отчёт с цитатами по файлам для повторного использования. Использовать для деск-ресёрча, валидации гипотезы, «как устроен X». Триггеры: «deepdive», «сделай ресёрч», «исследуй», «копни глубоко», «ресёрчни».

Deepdive — meta-research с дисциплиной

Многошаговое исследование под вопрос или решение. Источник = файл, отчёт как Q&A, тезисы атомарны и пере-используемы.

Когда применять

Прямая просьба о ресёрче; сравнение N институций/продуктов/методологий/рынков; материал под стратегию, доклад, статью; проверка гипотезы внешними данными; «как устроен X», «карта области Y».

НЕ применять: быстрая фактоверка → отвечай напрямую · N конкурентов по фиксированной матрице → competitive-teardown · Anthropic SDK / Claude API → claude-api · брейншторм без данных → brainstorming/grill-me · ответ уже в проекте → сначала grep.

Глубина — по теме, жёсткого дефолта нет

РежимИсточниковСуб-агентовКогда
shallow5–70первичная навигация, тема знакома, low-stakes
medium12–182–3нетривиальная тема, среднее решение
deep25–35+4–5high-stakes решение, стратегия

Объяви режим в начале с обоснованием. После Genre+Plan объяви model routing одной строкой (фазы по моделям + estimated cost + как перебить: «всё на opus» / «cheap mode»). Детали — model_routing.md.

Перед стартом — discover existing

До reframing (опционально — нет файлов, иди дальше): определи целевую папку → есть — перечисли содержимое, похожий slug ⇒ спроси «это update?» → прочитай CLAUDE.md/CLAUDE.local.md и memory/MEMORY.md, учти в reframing. Цель: не дублировать сделанное.

Плюс кросс-прогонная вики — python scripts/wiki_query.py --topic "<вопрос>": прошлые утверждения, уже оценённые источники (credibility не пересчитывать), открытые противоречия между прогонами. Непогашенное противоречие идёт в plan.md исследовательским вопросом. См. wiki.md.

Куда сохранять (не хардкодь): (1) research-папка из CLAUDE.md или существующая research/ · 06_Деск-ресёрч/ · docs/research/ · notes/research/; (2) иначе по типу проекта — манифест (pyproject.toml/package.json/Cargo.toml/go.mod) → research/, только документы → 06_Деск-ресёрч/; (3) не git-репо или пусто → ~/deepdive/<slug>/. Путь покажи ОДИН раз, дальше пиши молча.

Slug: латиница, цифры, дефисы («Postgres logical replication vs CDC» → postgres-replication-vs-cdc). Неочевиден — покажи в начале фазы 2.

Workflow — <!--gen:count:phases-->13<!--/gen--> фаз (1–8, включая 3.5, 3.7, 5.5, 5.7, 6.5)

Детали фаз — workflow.md, модель на фазу — model_routing.md. Здесь — что фаза обязана оставить после себя.

  1. Reframing [opus/high] — переписать вопрос; Decision Spec (решение глагол+объект+срок / потребитель→его следующий шаг / ≥1 if-then вилка «покажет X → делаю A»; ни одной вилки ⇒ честный даунгрейд в shallow); 2–4 опровергаемые гипотезы; medium/deep — персоны охвата (STORM) и router по типу вопроса. См. question_reframing.md.
  2. Genre & blocks [sonnet/medium] — жанр (qa/explainer/decision/landscape/validation/custom) + набор блоков, подтвердить одной строкой. См. genres.md, blocks/INDEX.md.
  3. Plan [opus/medium] — plan.md по шаблону §0–16 из workflow.md: HEADER → SCOPE → STRUCTURE → EXECUTION → TRACKING. Несущее: acceptance criteria, гипотезы, risk register, subtopic↔blocks mapping (least-to-most для многошаговых вопросов), sourcing strategy §12, opposition queries, stop-criteria. 3.5. Capability Discovery [sonnet/low] (deep — обязательна) — audit env vars, подтемы → доступные API, fallback на awesome-lists. См. capability_discovery.md. 3.7. Plan-review gate [sonnet/low] (shallow — skip) — единственная human-in-the-loop точка ПЕРЕД дорогой Фазой 4: показать сжатый план (вопрос, решение, жанр, гипотезы, каналы, стоп-критерий, routing). deep — ЖДАТЬ явного «Ок»; medium — soft. Плюс скаут-пасс (deep — рекомендуется): 3–4 Explore на haiku ищут непокрытые подвопросы, а не источники; выход — правки plan.md, ноль записей в sources/. См. plan_gate.md.
  4. Поиск [main sonnet/medium; sub-agents: haiku web/api, sonnet academic/long-source] — (4.0) Source Dispatch по матрице → plan.md §12; количественный подвопрос ⇒ primary-канал registry/API. (4.1) medium/deep — general-purpose суб-агенты параллельно, каждому свой диапазон id (s01-s09, s10-s19…) и своя ось поиска, не только подтема; shallow — главный поток. (4.2) Fetch, дедуп с замером overlap_rate; WebFetch вернул тонко (<500 знаков, нет цитаты, блок/paywall) ⇒ сразу fetch_source.py, не по желанию. (4.3) Агент сам пишет sources/NN_slug.md, в главный поток — только index-строки. После раунда 1 — snowball. Loop: goal-check → bounded deviation → circuit breaker (2 раунда без нового ⇒ стоп, остаток в Open Questions). Окно раунда пересобирается, не накапливается (medium/deep): state.md ПЕРЕЗАПИСЫВАЕТСЯ перед каждым раундом (## Known статусами со ссылками · ## Gaps · ## Next, ≤6 КБ), планирование по нему, а не по транскрипту. См. source_dispatch.md, subagents_v2.md.
  5. Claims-ledger + триангуляция [haiku/low] — claims.csv (схема колонок — source_scoring.md). triangulated ⟺ ≥3 источника И ≥2 типа И ≥2 корня (root:) И ≥2 пути (discovery_path:); иначе single-type/single-root/single-path, потолок medium. Без primary — потолок medium; caveat (vendor/self-reported/disputed:sNN) — потолок medium, disputed без арбитра → low. Защита меньшинства: непогашенный dissent от Primary/credibility ≥ 4 ⇒ contested независимо от большинства, обе позиции в отчёт. Gap-волна на не-triangulated, max 2 круга, иначе data-insufficient. См. source_scoring.md. 5.5. Evidence-фильтр: relevance × authority [sonnet/low] (medium/deep — обязательно) — фильтр на ВХОДЕ синтеза. Relevance: пара (claim, source) → Correct/Ambiguous/Incorrect по дословным цитатам → relevant-only цитаты в evidence/CN.md; claim без relevant-источника → data-insufficient или до-поиск. Authority (несущие пары: claim в memo/F1/F9, ИЛИ с числом, ИЛИ источник единственный корень, ИЛИ caveat ≠ -): «вправе ли ЭТОТ источник утверждать ЭТО» → qualified/unqualified-for-this-claim/unknown → .verify/authority.json. unknown — карантин: не единственная опора, не high. См. evidence_filter.md. 5.7. Сверка с вики [sonnet/low] (medium/deep — обязательно) — claims.csv прогона против кросс-прогонной вики, до синтеза: расхождение с прошлым ресёрчем обязано попасть в отчёт, заметить его в Фазе 7 значит заметить поздно. wiki_pair.py build собирает пары и сам закрывает всё, что не требует суждения; остаток идёт в .verify/wiki_pairs.json → вердикт из четырёх (same-claim-agree/same-claim-conflict/different-claim/unknown) → wiki_pair.py record. unknown — карантин, не конфликт. Подтверждённый конфликт = обе позиции в отчёт, потолок medium, без арбитра contested. Срез по MAX_ADJUDICATED называть вслух. Пороги прескрина и правила record — wiki.md.
  6. Синтез + multi-angle red team [red team opus/high для deep, sonnet/high для medium] — outline.md (section | block | claims из plan.md §8/§11 и фактического claims.csv) → собрать <date>_<genre>.md секция за секцией по outline, под каждую только её claim_id и её evidence/CN.md, не весь пул → числа в numbers.csv (verbatim/derived/share; у derived — formula+inputs) → финал «it depends» запрещён (рекомендация однозначная или условная по вилкам) → claim ledger → враждебные роли параллельно как general-purpose: R1 Skeptic, R2 Contrarian, R3 Gap-hunter, R4 Исполнитель, R5 Адвокат меньшинства → триаж severity → ОДИН раунд ремедиации HIGH → memo.md (рекомендация, вилки, 3 числа с [sNN]+as_of, риск, next actions, строка Урезано: — сработавший circuit breaker или даунгрейд вслух; иначе Урезано: —) → финал. Finder ≠ fixer. Гейт: shallow=R1 инлайн, medium=R1+R2+R4 (+R5 при dissent), deep=все пять. См. adversarial_pass.md, synthesis_outline.md, source_scoring.md (numbers.csv). 6.5. Verify [haiku/low] (medium/deep — обязательно) — четыре оси, вердикты в .verify/<ось>.json: liveness (check_citations.py); faithfulness (entailment claim⊨цитата по парам из evidence/CN.md → SUPPORTED/PARTIAL/UNSUPPORTED); qualifier preservation (F1/memo.md/Z12 против строк claims.csv → PRESERVED/BROADENED/SCOPE-DROPPED/UNTRACEABLE); construct provenance (именованные фреймворки/«законы»/термины против evidence/+sources/ → sourced/author-construct/unsourced; unsourced в memo.md/F1/F9 блокирует finish). Чинится отчёт, не ledger. Header F10 несёт все четыре оси плюс строку независимости источников; без него отчёт не «готов». См. runtime_verification.md. 6.9. Экспорт отчёта [haiku/low] (medium/deep) — uv run scripts/build_report.py <run>: HTML + PDF + DOCX из одного источника. Фигуры — только из numbers.csv, ```mermaid из E13/M9 — в «Схема N» через mmdc, [sNN] резолвятся в приложение из sources.csv. Битая ссылка или потерянная сноска роняют сборку. memo.md остаётся отдельной страницей. См. references/report_export.md.
  7. Refresh targets + постобработка роя [sonnet/medium] (medium/deep) — entities/numbers/hypotheses/topic-markers из отчёта в refresh_targets.md: точка входа для будущих update. Блок Z11 в blocks/close.md. Затем — четыре шага сбора наблюдений роя (collect_observations.py → update_priors.py → promote_candidates.py --track → изредка --write): порядок и флаги — references/swarm_postprocess.md, читать перед первым вызовом.
  8. Decision walkthrough [opus/high, главный поток] (всегда, в shallow — 1 вилка) — отчёт не обсуждается, а исполняется: показать memo.md и провести пользователя по вилкам по одной. Исходы: принято (решение + next action + дата) / blocked (после 1 целевой gap-волны) / deferred. Артефакт application.md (любой status) + строка в ~/.claude/research/applications_ledger.csv. См. decision_walkthrough.md.

Stop-criteria — по содержанию, не по бюджету

Лимита на WebSearch/WebFetch нет.

Стоп когда: все гипотезы подтверждены/опровергнуты ≥3 разнотипными источниками либо помечены «данных мало» · прошёл и разобран ≥1 целевой поиск оппозиции («X criticism / counter-evidence / problems with X») · покрыты 4+ типа источников · последние 3–5 источников не дают нового.

Не стоп когда: источники противоречат (копай за причиной) · все одного типа · есть сильный контр-аргумент без разбора · оппозицию не искали.

Тупик: третий подряд поиск даёт источники total < 8 ⇒ стоп, в Open Questions «литература слабая», предложи интервью/эксперимент.

Output structure

<slug>/
├── plan.md              # Фаза 3 (+ changelog §16, notes §15)
├── state.md             # Фаза 4 — окно раунда, ПЕРЕЗАПИСЫВАЕТСЯ каждый раунд (medium/deep)
├── sources.csv          # индекс источников с оценками
├── claims.csv           # Фаза 5 — claim-ledger
├── numbers.csv          # Фаза 6 — реестр чисел отчёта (medium/deep)
├── outline.md           # Фаза 6 — карта section → block → claim_id (medium/deep)
├── figures.csv          # Фаза 6.9 — фигуры, только по num_id из numbers.csv (medium/deep)
├── sources/NN_slug.md   # один файл = один источник (метаданные + цитаты)
├── evidence/CN.md       # Фаза 5.5 — relevant-only цитаты под claim (medium/deep)
├── findings/FN_*.md     # атомарные тезисы (опц., для крупных)
├── refresh_targets.md   # Фаза 7 (medium/deep)
├── memo.md              # Фаза 6 — decision-меморандум (всегда)
├── application.md       # Фаза 8 — вердикт по вилкам + status (всегда)
├── .verify/             # I/O-контракт: один producer, много consumers
│   ├── authority.json   #   5.5 — qualified/unqualified/unknown
│   ├── wiki_pairs.json  #   5.7 — пары на адъюдикацию (medium/deep)
│   ├── wiki_ingest.json #   finish-up — квитанция записи в вики (всегда)
│   └── citations|faithfulness|qualifiers|constructs.json  # 6.5, по оси на файл
├── diffs/<date>_delta.md# дельты режима update
├── <YYYY-MM-DD>_<genre>.{html,pdf,docx}  # Фаза 6.9 — собранный документ
└── <YYYY-MM-DD>_<genre>.md   # финал: qa|explainer|decision|landscape|validation|custom

Кросс-прогонный слой лежит ВНЕ прогона — ~/.claude/research/wiki/, один на все ресёрчи. См. wiki.md.

Отдельный _changelog.md не создаётся — он в plan.md §16. Шаблоны: sources/NN.md, claims.csv — source_scoring.md; отчёт — genres.md + blocks/; findings/FN.md — Z6 в blocks/close.md.

После завершения — finish-up

  1. Одна команда, БЛОКЕР: python scripts/finish.py --research-dir <root>/<slug> — строит sources.csv, гоняет liveness (--offline без сети), компилирует прогон в вики (квитанция .verify/wiki_ingest.json, на любой глубине), два прохода по числам (check_number_provenance / check_number_arithmetic, --strict) и последним — phase-gate validate_phases.py --strict. Шаги не останавливаются на первом отказе, отчёт показывает все. Красный ⇒ фаза пропущена ⇒ вернись, доделай, перезапусти: не показывать путь, не писать резюме, не рапортовать «готово». Режим гейт берёт из mode: в plan.md, без него выводит по артефактам и предупреждает. Изредка python scripts/wiki_lint.py.
  2. Пути markdown-ссылками: сначала memo.md (вход потребителя), затем отчёт.
  3. Резюме в чат 5–8 строк: 3 ответа + главный контр-аргумент + чего не нашли + итог walkthrough из application.md.
  4. Предложи 2–3 следующих ресёрча.
  5. Есть memory/ — предложи 1–3 кандидата (тезис + confidence + источники; авторитетный источник как [reference]).
  6. Есть anthropic-skills:humanizer-ru — прогони им финальный отчёт (опционально).
Show full SKILL.md (826 more words)Show less

Что НЕ делать

  • Не пропускать: discover existing и reframing · Plan-review gate в medium/deep (для deep гейт без ожидания ответа = не гейт) · Фазы 5.5 и 5.7 и multi-angle red team в medium/deep · gap-волну · Фазу 8 «потому что и так ясно» — и не отвечать на вилки ЗА пользователя.
  • Фаза 5.7: не объявлять конфликт, не показав обе стороны с их as_of и корнями. Не трактовать unknown как «сойдёт» — карантин. Не молчать про срез по MAX_ADJUDICATED: непроверенные пары ≠ отсутствие противоречий. Не чинить противоречие выбором «более свежего».
  • Не редактировать страницы вики руками и не заводить вики внутри проекта: слой один на все ресёрчи. Не гейтить wiki_ingest по глубине.
  • Не запускать medium/deep без единой if-then вилки Decision Spec.
  • Не завершать синтез финалом «it depends» без разрешённых условий.
  • Не оставлять root: пустым и не копировать discovery_path: между источниками — это 3-е и 4-е условия триангуляции. claims.csv без колонок roots/paths/dissent/as_of на medium+ гейт роняет: правила триангуляции по ним и работают.
  • Не разводить fetch-агентов только по подтемам — ещё и по осям поиска (EN-академия / RU + регуляторы / практики / реестры): один шаблон + одна модель + один язык = одна траектория.
  • Не выбрасывать дубли URL между агентами молча — считать overlap_rate в plan.md §15: совпадение это замер конформизма, а не подтверждение.
  • Не передавать во второй раунд находки соседей — только дыры. Не дописывать state.md — он перезаписывается.
  • Не давать triangulated строке с непогашенным dissent от Primary/credibility ≥ 4 (это contested) и не гасить dissent понижением credibility несогласного.
  • Не трактовать unknown в authority как «сойдёт» — карантин. Не давать confidence выше medium без primary-источника. Не строить выводы на источниках с total < 8 и не оставлять утверждений без ссылки на sources/NN.md.
  • Не выдавать числу трибуну без производителя: origin_kind: unknown / chain_len ≥ 2 / нет data_as_of ⇒ не в memo.md/TL;DR/F9 и не high.
  • Не считать процент/долю/рост прозой: производное число живёт в numbers.csv с formula+inputs — оси 6.5 арифметику не проверяют.
  • Не писать отчёт одним проходом по пулу и не оставлять triangulated/contested claim вне outline.md.
  • Не вводить именованный фреймворк/«закон» без [sNN] или пометки «наша рамка».
  • Не искать числа в вебе при наличии покрывающего endpoint в stat_sources//api_sources/.
  • Не поднимать fetch-агентов Фазы 4 на opus «для качества»: растёт не качество поиска, а уверенность ошибки.
  • Фаза 5.5: не переписывать sources/NN.md (архив), не фильтровать по total вместо релевантности фрагмента к claim.
  • Фаза 6.5: не доверять наличию ссылки — проверять entailment по дословной цитате; вердикты писать в .verify/*.json и не пересчитывать в rubric/F10; пары брать из evidence/, не пересканировать sources/. Чинить отчёт, а не ledger.
  • Для fetch+save и red team — general-purpose с явным диапазоном номеров, не Explore (read-only, только разведка). Не запускать суб-агентов последовательно — только параллельно в одном сообщении.
  • Не сжимать sources/ в один файл, не выводить результат только в чат. Не гонять шаги finish-up поодиночке вместо finish.py — пропуск флага (--out, --strict) и есть пропуск фазы.
  • Тонкий источник (<2 дословных цитат или access: PARTIAL/closed) не считается плечом триангуляции — перефетчить лестницей или понизить статус тезиса.
  • Не обходить WebFetch произвольным bash/curl. Единственный санкционированный fallback — scripts/fetch_source.py (Фаза 4.2): он читает robots.txt, санитайзит страницу от prompt injection и проставляет fetch_tier. Вывод ручного curl в sources/ не кладётся.
  • Не принимать fetch_source.py за средство против paywall и анти-бот-защиты: auth-wall и antibot для него — терминальный вердикт. Дальше — fallback-протокол channels.md или endpoint из api_sources/.
  • Не рисовать в отчёте число, которого нет в numbers.csv, и не подбирать палитру фигур на глаз — она валидируется скриптом.
  • Не сливать memo.md в большой документ. Не считать DOCX форматом для чтения — читают PDF и HTML.

Режим update

update <slug> / «обнови ресёрч X» — дельта, не replay. Pre-flight: plan.md, refresh_targets.md (нет — сгенерируй по Z11), последний отчёт. Четыре категории дельты с date-фильтром от last_research_date: new entrants · entity diff · numbers refresh · adversarial trigger. Verified-no-change — тоже результат. Выход: diffs/<date>_delta.md; новый отчёт — только если дельта существенна (решает пользователь), старый получает status: superseded by …. Adversarial trigger HIGH ⇒ повторить только Фазу 6 на opus. Протокол — refresh_protocol.md.

Update тоже идёт в вики: wiki_ingest.py после дельты (квитанция обязательна) и wiki_pair.py build — расхождение НЕ по свежести и есть настоящая находка update'а.

References — когда читать

Прогрессивная подгрузка: файл читается когда дошёл до фазы, не превентивно.

Базовые (читает любой medium/deep прогон): workflow.md (детали <!--gen:count:phases-->13<!--/gen--> фаз) · question_reframing.md (Фаза 1 + clarification-триаж) · plan_gate.md (Фаза 3.7 + скаут) · genres.md (<!--gen:count:genres-->6<!--/gen--> жанров) · blocks/INDEX.md (<!--gen:count:blocks-->106<!--/gen--> блоков) · channels.md (<!--gen:count:channels-->29<!--/gen--> каналов, query patterns, paywall fallbacks) · source_dispatch.md (обязательно перед launch суб-агентов) · model_routing.md · wiki.md (кросс-прогонный слой: чтение в discover existing, Фаза 5.7, запись в finish-up).

Условные — грузить, когда прогон дошёл до условия, а не заранее: capability_discovery.md и awesome_lists_registry.md — Фаза 3.5 (обязательна только на deep) · stat_sources/INDEX.md (33 категории) и api_sources/INDEX.md (<!--gen:count:api-->47<!--/gen-->+ endpoints) — Фаза 4, когда подвопрос количественный или Source Dispatch ведёт в registry/API · refresh_protocol.md — только режим update.

По фазам: subagents_v2.md (4) · fetch_source.py + channels.md §«Bot-block ≠ paywall» (4.2, штатно при «unable to fetch» И при тонком ответе) · source_scoring.md (шкалы, provenance, claims-ledger, dissent, numbers.csv — 5–6) · evidence_filter.md (5.5) · synthesis_outline.md (6) · adversarial_pass.md (6) · runtime_verification.md (6.5) · report_export.md (6.9) · swarm_postprocess.md (после 7) · decision_walkthrough.md (8).

Блоки (по выбранному жанру): frame.md F1-F10 · explain.md E1-E14 · compare.md C1-C13 · map.md M1-M12 · validate.md V1-V10 · analyze.md A1-A13 · close.md Z1-Z12 · people.md P1-P7 · numbers.md N1-N8 · context.md X1-X7.

Stat/API источники (Фаза 4, точечно): stat_sources/core/*.md (14 cross-industry) · stat_sources/industries/*.md (19 отраслевых) · api_sources/. Читай INDEX, потом нужную категорию. Auth через env vars, ключи скилл не хранит; приоритет — free no-key API.

© Socialpranker, MIT. Rendered from Markdown: HTML in the file is shown as text, images as links, and headings moved down two levels. Raw file

Files

SKILL.md and 297 other files (scripts, references, assets) in the repository root of Socialpranker/deepdive.

  • SKILL.md
  • .claude-plugin/marketplace.json
  • .github/ISSUE_TEMPLATE/bug-report.md
  • .github/ISSUE_TEMPLATE/new-channel.md
  • .github/ISSUE_TEMPLATE/new-source-request.md
  • .github/PULL_REQUEST_TEMPLATE.md
  • .github/workflows/catalog-sync.yml
  • .github/workflows/validate.yml
  • .gitignore
  • CODE_OF_CONDUCT.md
  • CONTRIBUTING.md
  • LICENSE
  • QUICKSTART.md
  • README.md
  • assets/report.css
  • docs
  • … and 282 more

Open the folder on GitHubat commit f05e10d

Compare with similar skills

Deepdive next to the 5 skills that share the most tags, products or categories with it. Stars are the repository's; “used in” counts other GitHub owners with a copy.

Deepdive compared with similar skills
SkillStarsUsed inTokensAuto-checkLicenceRepo updated
Deepdive this skillSocialpranker/deepdive371—~5.2kAutomated safety check: PassMIT
Web ResearchJuncai22/spring-ai-agent-learning1233 repos~1.1kAutomated safety check: PassApache-2.0
Workflow PatternsQuintinShaw/pi-dynamic-workflows554—~827Automated safety check: PassMIT
Deep Research MCP Guidepminervini/deep-research-mcp112—~5.8kAutomated safety check: PassMIT
Claude To MedrixflowCitrus-bit/Anaxa120—~1.7kAutomated safety check: PassMIT
Deep Research312362115/claude107—~6.6kAutomated safety check: PassMIT

Similar skills

  • Web Research

    Juncai22/spring-ai-agent-learning

    A skill your agent uses for requests related to web research; it provides a structured approach to conducting comprehensive web research

    123 GitHub starsUsed in 3 repos~1.1k tokens
    Research & ScienceAuto-check passed
  • Workflow Patterns

    QuintinShaw/pi-dynamic-workflows

    Argument shapes for the 5 built-in workflow patterns — deep-research, adversarial-review, code-review, multi-perspective, codebase-audit — runnable via the workflow tool's name input, without…

    554 GitHub stars~827 tokensUpdated 2 days ago
    Research & ScienceAuto-check passed
  • Deep Research MCP Guide

    pminervini/deep-research-mcp

    Explains how to run, integrate and debug the deep-research-mcp project through its CLI, Python API or MCP server, with OpenAI, Gemini and DR-Tulu backends.

    112 GitHub stars~5.8k tokensUpdated 10 days ago
    Research & ScienceAuto-check passed
  • Claude To Medrixflow

    Citrus-bit/Anaxa

    Interact with MedrixFlow AI agent platform via its HTTP API.

    120 GitHub stars~1.7k tokensUpdated 1 mo ago
    Research & ScienceAuto-check passed
  • Deep Research

    312362115/claude

    深度调研技能:对任意命题进行系统性调研并输出专业研究报告. An agent skill from 312362115/claude.

    107 GitHub stars~6.6k tokensUpdated 4 mo ago
    Research & ScienceAuto-check passed
  • ULW Deep Research

    code-yeongyu/oh-my-openagent

    Runs an exhaustive, team-based research session that stands up cooperating agents, debates findings and delivers a report where every claim has a citation or proof.

    70k GitHub stars~14k tokensUpdated today
    Research & ScienceAuto-check passed

Works with

Questions about Deepdive

What does Deepdive do?

Meta-research под вопрос или решение: веб-поиск, источники, Q&A отчёт с цитатами по файлам для повторного использования. Deepdive is an agent skill from Socialpranker/deepdive. Meta-research под вопрос или решение: веб-поиск, источники, Q&A отчёт с цитатами по файлам для повторного использования.

When should I use Deepdive?

Deepdive fits situations like: tasks that involve Deep research.

How do I install Deepdive in Claude Code?

Run `npx skills add Socialpranker/deepdive --skill deepdive -a claude-code`. Or copy the skill folder (the Socialpranker/deepdive repository) into .claude/skills/deepdive in your project. Claude Code loads it when a task matches its description.

How do I install Deepdive in Codex?

Run `npx skills add Socialpranker/deepdive --skill deepdive -a codex`. Or copy the skill folder (the Socialpranker/deepdive repository) into .agents/skills/deepdive in your project. Codex loads it when a task matches its description.

Can I use Deepdive in Cursor, Gemini CLI or GitHub Copilot?

Cursor, Gemini CLI, GitHub Copilot and OpenCode also load SKILL.md folders. With the skills CLI, run `npx skills add Socialpranker/deepdive --skill deepdive -a cursor` (or -a gemini-cli, github-copilot or opencode for the others). To copy it by hand, put the folder in .cursor/skills/deepdive, .gemini/skills/deepdive, .github/skills/deepdive and .opencode/skills/deepdive in your project.

What does Deepdive need to run?

Going by SKILL.md and its folder, Deepdive needs the command-line tools its instructions call (python and uv). Our summary lists: Python 3.

Does Deepdive access the network?

SKILL.md contains no URLs. Its commands use uv, which can reach the network depending on how they are called. This is read from the text; nothing was executed.

Is Deepdive safe to install?

Our automated static check of SKILL.md found no risky patterns, such as piping downloads into a shell, reading credential files or hidden Unicode. It is not a guarantee. The check reads SKILL.md only: the scripts in the folder are not scanned, so read them before running anything.

What licence does Deepdive use?

Deepdive is published under the MIT licence (from the LICENSE file in the skill folder). It allows redistribution, so the full SKILL.md is shown on this page.

How many tokens does Deepdive use?

About 5.2k tokens (SKILL.md is roughly 21k characters). Agents keep only the skill's name and description in context until a task matches; then they load SKILL.md in full. Its references folder adds about 278k tokens, read only when the agent opens those files.

What are the alternatives to Deepdive?

Skills that share tags, products or a category with Deepdive: Web Research (Juncai22/spring-ai-agent-learning, 123 stars), Workflow Patterns (QuintinShaw/pi-dynamic-workflows, 554 stars), Deep Research MCP Guide (pminervini/deep-research-mcp, 112 stars) and Claude To Medrixflow (Citrus-bit/Anaxa, 120 stars). The comparison table on this page puts their stars, adoption, token cost, safety result and licence side by side.

Who maintains Deepdive?

Socialpranker (a GitHub user) maintains it in Socialpranker/deepdive, which has 371 GitHub stars. The repository was last updated on October 4, 2026.

Source: Socialpranker/deepdive on GitHub. Facts on this page come from the repository at the commit we read; the author's words are quoted as theirs.