okjpg/openclaw-brunookamoto/deep-research

Deep Research Protocol — Skill de Pesquisa Profunda

O que é

Protocolo estruturado para pesquisa profunda. Combina múltiplas fontes, sintetiza findings, e entrega relatório acionável.

Protocolo de Pesquisa

1. Enquadramento (2 min)

• Qual a pergunta exata?
• Qual decisão essa pesquisa vai informar?
• Qual nível de profundidade? (Quick scan vs Deep dive)

2. Coleta Multi-fonte

Fontes primárias (usar nesta ordem):

1. web_search — busca geral (Brave)
2. web_fetch — extrair conteúdo de URLs relevantes
3. Perplexity — busca com AI-powered answers e citações (API key no 1Password: "Perplexity API")

``bash PERPLEXITY_API_KEY=$(op item get "Perplexity API" --vault "Meu Vault" --field credential --reveal) node /root/.openclaw/workspace/skills/perplexity/scripts/search.mjs "query" ``

1. Knowledge Base — se tiver conteúdo relevante já ingestado

Fontes especializadas:

• Reddit/HackerNews — opinião de comunidade técnica
• Twitter/X — sinais em tempo real
• YouTube — análises longas e tutoriais
• GitHub — repos e projetos open source

3. Síntese

Para cada fonte:

• Fato — o que é confirmável
• Opinião — o que é interpretação
• Sinal — o que sugere tendência

4. Relatório

Formato padrão:

# [Tema] — Deep Research
Data: DD/MM/YYYY
 
## TL;DR (3-5 bullets)
 
## Contexto
[Por que estamos pesquisando isso]
 
## Findings
### [Subtema 1]
-Finding + fonte
### [Subtema 2]
-Finding + fonte
 
## Análise
[Cruzamento dos findings, padrões identificados]
 
## Recomendação
[O que fazer com essa informação]
 
## Fontes
[Lista de URLs consultadas]

5. Salvamento

• Salvar em memory/research-YYYY-MM-DD-[slug].md
• Se relevante pra Knowledge Base → ingestar

Níveis de Profundidade

Quando spawnar sub-agent

Se a pesquisa é deep dive (>30min) ou Bruno quer continuar trabalhando enquanto pesquisa roda:

• Spawnar via sessions_spawn com task detalhada
• Sub-agent entrega relatório quando pronto
• Amora review e envia pro Bruno

Vieses a evitar

• Confirmation bias — buscar contra-argumentos ativamente
• Recency bias — verificar se tendências são reais ou hype
• Survivorship bias — buscar casos de fracasso, não só sucesso
• Authority bias — expert disse ≠ é verdade