Deep Research

• Qual o objetivo da pesquisa?
• Qual o nível de profundidade esperado?
• Há fontes preferenciais ou restrições?

Step 2: Decompose the Topic

Quebre o tópico em 3-5 sub-questões focadas:

Topic: "State of AI coding assistants in 2025"

Sub-questions:
1. What are the top tools and their market share?
2. What are the benchmark performance comparisons?
3. What are the pricing models?
4. What do developers say in forums/reviews?
5. What are the recent major releases/changes?

Step 3: Multi-Source Search

Use buscas variadas com keywords diferentes. Alvo: 15-30 fontes.

# Vary your search terms
"AI coding assistants 2025 comparison"
"Claude Code vs Copilot benchmark"
"developer survey AI tools 2025"
"best coding AI tools reddit"

Step 4: Deep-Read Key Sources

Selecione 3-5 fontes mais relevantes e leia o conteúdo completo (não só o snippet).

Priorize:

• Publicações técnicas e papers
• Dados primários (benchmarks, surveys)
• Fontes recentes (últimos 6 meses)

Step 5: Synthesize into Report

Estrutura padrão do relatório:

# [Topic] — Research Report

**Date:** YYYY-MM-DD
**Sources:** N sources reviewed

## Executive Summary
2-3 parágrafos com as principais conclusões.

## Key Findings

### Finding 1: [Título]
Análise com citações inline [Source 1].

### Finding 2: [Título]
...

## Data & Evidence
Tabelas, números, comparativos.

## Gaps & Limitations
O que não foi possível confirmar. O que pode ter mudado.

## Sources
1. [Title](URL) — descrição
2. ...

Step 6: Deliver

• Relatório completo no chat, ou
• Salvar em arquivo .md se o usuário preferir

Parallel Research with Subagents

Para tópicos amplos, paralelize usando o Agent tool:

Agent 1: Buscar dados quantitativos e benchmarks
Agent 2: Buscar opiniões e reviews de usuários
Agent 3: Buscar notícias e lançamentos recentes

Depois sintetize os resultados dos 3 agentes em um único relatório.

Quality Rules

1. Toda afirmação precisa de fonte — sem dados sem citação
2. Cross-reference — confirme fatos importantes em 2+ fontes
3. Recência — prefira fontes dos últimos 12 meses; sinalize quando antigas
4. Acknowledge gaps — seja explícito sobre o que não foi encontrado
5. Sem alucinação — se não encontrou dado, diga que não encontrou
6. Fato vs inferência — separe claramente dados verificados de análise própria

Examples

# Tópicos adequados para esta skill:
"What are the best practices for RAG systems in 2025?"
"Compare pricing of top cloud providers for ML workloads"
"What is the current state of WebAssembly adoption?"
"Research competitors to [product] in the Brazilian market"
"Due diligence on [technology/library] before adopting"