A Claude Code plugin for product strategy research. 7 AI researchers investigate product decisions in parallel — across product, UX, tech, best practices, academic, historical, and social media perspectives, then cross-validate findings. English below.
Deep Research 是一个 Claude Code 插件，专为产品战略思考设计。它会同时启动 7 个 AI 研究员，从不同专业视角并行调研你的产品问题。
做产品决策时，单一视角容易产生盲区。这个插件帮你同时获得产品、交互、技术、行业实践、学术、历史、社交媒体 7 个维度的交叉验证，让你在做"做不做"、"怎么做"、"先做什么"这类决策时有更全面的依据。
| 视角 | 回答什么产品问题 |
|---|---|
| 🟢 产品设计与PM | 该不该做？给谁用？PMF 在哪？竞品怎么定义的？ |
| 🟣 交互设计 | 交互怎么设计？信息架构怎么组织？体验上的坑在哪？ |
| 🔵 技术方案 | 技术上能不能做？用什么架构？有没有开源方案？ |
| 🔷 行业最佳实践 | 头部公司怎么做的？踩过什么坑？设计系统怎么演进的？ |
| 🟡 学术研究 | 学术界怎么看？有没有实验数据支撑？认知科学怎么说？ |
| 🔴 历史科技产品 | 历史上类似的产品怎么演化的？失败的教训是什么？ |
| ⬜ 社交媒体观察 | 用户真实反馈是什么？Twitter/Reddit/HN 上怎么讨论的？ |
┌─────────────┐
│ Team Lead │
│ (协调者) │
└──────┬──────┘
│
Hub-and-Spoke 通信
│
┌──────┬──────┬───────┼───────┬──────┬──────┐
│ │ │ │ │ │ │
┌─┴─┐ ┌─┴─┐ ┌──┴──┐ ┌─┴─┐ ┌──┴──┐ ┌─┴─┐ ┌─┴─┐
│ 🟢 │ │ 🟣 │ │ 🔵 │ │ 🔷 │ │ 🟡 │ │ 🔴 │ │ ⬜ │
│产品│ │交互│ │技术 │ │实践│ │学术 │ │历史│ │社交│
└─┬─┘ └─┬─┘ └──┬──┘ └─┬─┘ └──┬──┘ └─┬─┘ └─┬─┘
│ │ │ │ │ │ │
└──────┴──────┴──────┴──────┴──────┴──────┘
交叉验证链接
核心设计决策：
- Hub-and-Spoke 通信：避免 7×7=49 条消息的广播风暴
- 预设交叉验证对：每个研究员知道该和谁交叉验证
- 并行执行：7 个 agent 在一条消息中同时启动
- Agent Team 模式：使用 Claude Code 的 TeamCreate/SendMessage 实现真正的团队协作，不是简单的并行 subagent
产品 product ←→ 交互 ux, 实践 practice
交互 ux ←→ 产品 product, 学术 academic
技术 tech ←→ 实践 practice, 学术 academic
实践 practice ←→ 技术 tech, 产品 product
学术 academic ←→ 交互 ux, 技术 tech
历史 history ←→ 实践 practice, 社交 social
社交 social ←→ 产品 product, 历史 history
- 已安装并配置 Claude Code CLI
# 克隆仓库
git clone https://github.com/Hayes-Zhang/deep-research.git
# 安装为 Claude Code 插件
claude plugin add ./deep-research# 启动 Claude Code
claude
# 使用 /deep 命令研究产品问题
/deep "实时语音对话的交互应该怎么设计？"
/deep "AI agent 产品的形态演化趋势"
/deep "笔记工具市场还有没有机会？切入点是什么？"- 理解需求 — 解析研究主题，必要时追问明确方向
- 组建团队 — 创建 Agent Team，启动 7 个专业研究员
- 并行调研 — 7 个 agent 独立搜索网络，然后交叉验证发现
- 综合分析 — Team Lead 汇总洞察，解决矛盾，识别盲区
- 交付报告 — 输出 3 种格式的报告：
- Markdown（对话中直接展示）
- 独立 HTML 文件（暗色/亮色模式、响应式、可打印）
- Notion 页面（可选，需要 Notion MCP）
- 清理团队 — 优雅关闭所有 agent 并删除团队
最终综合报告包含：
- 执行摘要 — 2-3 段核心发现总结
- 关键发现 — 标注支撑视角（如 🟢🔵🔷）和交叉验证状态（✅）
- 多维度分析 — What / Why / So What / What Next
- 各视角要点汇总 — 7 个视角的并排对比表
- 观点交叉分析 — 共识、分歧与盲区
- 来源列表 — 所有参考资料及 URL
examples/ 目录包含真实的研究产出：
- CLI 交互范式研究 — 7 份独立视角报告，研究"CLI 在 AI 时代是倒退还是进化？"展示了每个 agent 独立产出的内容。
- AI Native 笔记设计 — 综合报告，研究"AI 原生的笔记/创作工具应该怎么设计？"展示最终交叉验证产出，60+ 来源、14 次交叉验证。
AI Native 笔记报告的亮点 — 7 个视角达成的核心共识：
AI Native 不是"给笔记工具加 AI"，而是重新定义人与知识的关系——从"人记录信息"变为"人与 AI 共同思考"。
每条发现都标注了支撑视角（如 🟢🔵🔷）和交叉验证状态（✅），你可以清楚地看到多视角协作如何产出更高置信度的结论。
所有研究员 agent 默认使用 sonnet，兼顾效果和成本。你可以修改 agents/ 下各文件中的 model 字段来切换模型。
如果你配置了 Notion MCP server，插件会自动将报告推送到 Notion。没有配置也不影响使用，会优雅跳过。
deep-research/
├── .claude-plugin/
│ └── plugin.json # 插件元数据
├── agents/ # 7 个研究员 agent 定义
│ ├── researcher-product.md # 产品设计与PM
│ ├── researcher-ux.md # 交互设计
│ ├── researcher-tech.md # 技术方案
│ ├── researcher-practice.md # 行业最佳实践
│ ├── researcher-academic.md # 学术研究
│ ├── researcher-history.md # 历史科技产品
│ └── researcher-social.md # 社交媒体观察
├── commands/
│ └── deep.md # /deep 命令主流程
├── examples/ # 真实研究产出示例
│ ├── cli-interaction-paradigm/ # 案例 1：7 份分视角报告
│ └── ai-native-notes/ # 案例 2：综合报告
├── README.md
└── LICENSE
- 在
agents/下按现有模式创建新的 agent 文件 - 在
commands/deep.md中添加到研究员列表 - 定义它的交叉验证关联对
每个 agent 文件中都有"搜索策略"部分，列出了推荐的搜索来源。修改这些内容可以聚焦到不同的领域或地区。
Deep Research is a Claude Code plugin designed for product strategy research. It orchestrates 7 AI research agents to investigate product decisions from multiple professional perspectives simultaneously, then cross-validates findings for higher-confidence conclusions.
| # | Perspective | Focus Areas |
|---|---|---|
| 🟢 | Product & PM | User needs, competitive analysis, PMF validation |
| 🟣 | UX & Interaction Design | Interaction patterns, information architecture, usability |
| 🔵 | Technical Architecture | Tech stack, API design, open-source implementations |
| 🔷 | Industry Best Practices | How top companies do it, design systems, iterations |
| 🟡 | Academic Research | HCI papers, AI/ML research, cognitive science |
| 🔴 | Historical Analysis | Product evolution, historical lessons, paradigm shifts |
| ⬜ | Social Media & Community | Twitter/X, Reddit, Hacker News discussions |
- Hub-and-Spoke messaging — avoids N×N message explosion
- Predefined cross-validation pairs — each researcher knows which peers to consult
- Parallel execution — all 7 agents launch simultaneously
- Agent Team mode — uses Claude Code's TeamCreate/SendMessage for real collaboration
git clone https://github.com/Hayes-Zhang/deep-research.git
claude plugin add ./deep-researchclaude
/deep "How should real-time voice AI interaction be designed?"- Markdown — in conversation
- Standalone HTML — dark/light mode, responsive, printable
- Notion page — optional, requires Notion MCP
See examples/ for real research outputs.