研究报告执行方法论

遵循 6 步标准化流程，支持多 Agent 并行执行，确保报告严谨详实（370行+）。

> 每次执行本研究技能前，必须先加载 references/研究纪律.md 的「核心研究纪律」——它来自多轮深度报告（《AI时代组织演进深度研究报告》v4.1 → v4.3-保守口径「仅引高置信度数据」等）的用户反馈迭代沉淀，是本用户所有深度研究报告的通用质量硬约束，优先级高于本文件其他宽松默认。任何研究报告产出前必须逐条自检。完整 8 条纪律（三级置信度 [L1/L2/L3]、保守口径、绝对化表述禁令、结论前置、论断式小标题、逻辑连续、去过通用/去通道标签、估算透明）及与同源技能的映射见该引用文件。

核心研究纪律（速览，完整版见 references/研究纪律.md）

1. 三级置信度 [L1/L2/L3] 强制标注：每条量化数据紧邻标注，无来源且无法推算不写（[L1]=官方/多源交叉，[L2]=机构研究，[L3]=推算须展示假设+公式）。
2. 保守口径：强结论必有权威支撑否则删除；低置信数据不逐家拆分改整体定性；跨口径对比须标注差异。
3. 绝对化表述禁令：禁用"唯一/首次/必然/100%"，写前必 cross-check 反例。
4. 结论前置：每章「X.0 本章核心结论（前置）」连贯段，全文结论置首。
5. 小标题写成完整论断句（含论点）。
6. 逻辑链连续：每段「论点→数据→判断」三段式。
7. 去过通用、去通道标签：用具体企业实证，删"融合XX知识库"等过程描述。
8. 估算透明：正文给逻辑、附录放详表，公式展示。

从 0 到 1 快速开始（外部用户照做）

本 skill 是自包含的：所有纪律、SOP、生成器模板都在包内，不依赖任何外部私有文件。第一次使用按以下路径走，即可复现与作者相同的输出质量。

触发

对用户说：「帮我写一份 <XX 行业 / 竞品 / 专题> 深度研究报告」「研究一下 XX 赛道」「竞品分析：XX vs YY」，或直接要求「按上面的格式并生成 HTML」。skill 会被自动加载。

标准执行路径（6+1 步）

1. 需求确认（Step 1）：先和用户对齐 5 个维度——主题边界 / 输出格式 / 目标读者 / 质量标准 / 数据口径（默认保守口径）。
2. 加载纪律：执行任何研究前，先读 references/研究纪律.md 的 8 条核心纪律并逐条自检（这是质量红线，优先级最高）。
3. 信息检索（Step 2）：三层并行（中文源 + 英文源 + 行业数据库），每论点 ≥2 独立来源；不依赖模型内部知识。
4. 撰写初稿（Step 3–4）：倒金字塔 + 每段「论点→数据→判断」；数据紧邻 [L1/L2/L3] 标注；每章前置「X.0 本章核心结论」。
5. 多 Agent 并行编排：复杂报告拆模块并行调研 → 汇总合并（口径对齐 / 去重 / 补合成章）→ 双审查并行（事实核查 ∥ 逻辑行业）→ 终稿。实操见 references/多Agent并行编排SOP.md。
6. 质量审查（Step 5–6）：4 角色审查（事实 / 风格 / 行业 / 汇总），P0 必改；按清单定稿。
7. HTML 可视化（Step 7）：终稿 MD 出来后，复制 scripts/report_html_generator.py → 改配置区（SRC/OUT/标题/日期）+ 在 extra_component() 按本报告表格表头补可视化组件 → 运行 → 结构自检（标签配对 / 章节齐全 / 表格数一致 / 组件注入 / 热力生效）→ 无头 Chrome 顶部+长图截图验证 → 交付 MD + HTML + 生成脚本。

交付物标准

• XX赛道深度分析报告.md（终稿，370 行+，每条量化数据带置信度标注）
• XX赛道深度分析报告.html（单文件、内联 CSS/JS、无 CDN、双击离线可开；侧栏 TOC 滚动高亮 + 置信度徽章 + 结论卡片 + 表格热力 + 章节专属可视化组件）
• generate_XX_report.py（本次报告的可视化生成脚本，可留作同类报告参考）

最小路径（只想快速出报告）

跳过多 Agent 拆分，单 Agent 直接走 Step 1→4→6→7，纪律红线不变；HTML 用模板默认组件即可，不必每个报告都定制 extra_component。

发布到 SkillHub 的注意点

• 本包 name 已设为 deep-research-report-sop（research-report 已被社区源占用，直接发布会撞 slug）。
• 发布命令：skillhub publish <目录或zip> --token skh_你的Token --version 1.0.0
• 本地预检（不联网）：skillhub publish <目录或zip> --dry-run

多 Agent 并行架构

大规模研究任务采用分层 Agent 架构，实现并行执行 + 逐层收敛。落地操作手册（模块拆分 / 并行启动 / 汇总合并 / 双审查 / Agent 失败兜底）见 references/多Agent并行编排SOP.md，每次执行复杂报告前建议先读。

架构分层

执行层 Agent（多个，并行）
  ├── Agent A: 子任务1（独立章节/维度）
  ├── Agent B: 子任务2（独立章节/维度）
  ├── Agent C: 子任务3（独立章节/维度）
  └── Agent D: 子任务4（独立章节/维度）
        │
        ▼
汇总层 Agent（1个，串行）
  整合各子 Agent 输出，形成完整初稿
        │
        ▼
审查层 Agent（2个，可并行）
  ├── 事实校验 Agent
  └── 逻辑审查 Agent
        │
        ▼
终稿 Agent（1个，串行）
  根据审查意见修改，输出最终版

并行规则

并行执行原则

1. 独立任务 → 同时启动，不排队等待
2. 同文档写入 → 串行执行，避免覆盖冲突
3. 审查 Agent → 事实校验和逻辑审查可并行，汇总 Agent 须等两者完成后再执行

子 Agent 规格要求

每个子 Agent 必须包含：

1. 完整任务描述：具体要研究什么、边界在哪、不可遗漏的要点
2. 输出格式要求：Markdown 章节格式、表格规范、数据标注方式
3. Skill 路径：明确使用的 skill 名称和版本（如 research-report）
4. 输入上下文：该子任务需要的前置信息（已确认的需求、数据来源等）

写作规范

1. 结构规范

倒金字塔：最重要的结论放在最前面。读者看完第一部分就知道报告核心结论，后续章节是支撑和展开。

证据链：每段分析遵循 论点 → 数据/案例支撑 → 判断 的三段式结构。
- 不允许只给数据不给判断（停留在描述现象）
- 不允许只给判断不给数据（缺少论据支撑）

脚注分层：
- 一级来源：正文内直接标注（关键数据、核心引用）
- 二级来源：脚注/附录（补充阅读、佐证材料）

高密度内联：数据嵌入段落句子中，而非把数字单独拎出来成段。
- 正确："2025年 Q1 中国 AI Agent 市场规模达 12.7 亿元[1]，同比增长 43%，其中企业级 Agent 占比超过六成。"
- 错误："AI Agent 市场在增长。具体数据如下表：……"

2. 来源分层标准

> 与上方「纪律 1」三级置信度体系一致。本文件采用 L1–L3 三级（取代原 L1–L4 中含自媒体的四级用法）；自媒体仅作线索，不得独立支撑论点。

使用规则：
- L1 优先于 L2 优先于 L3，同一数据点尽量使用最高层级来源
- L3 推算项必须展示：基于什么假设、用什么公式、输入数据来源（对应纪律 1）
- 自媒体/社交平台内容仅作线索或补充观点，不能独立支撑核心论点
- 当 L1 与 L2/L3 数据冲突时，以 L1 为准并说明差异

3. 口径标注规则

触发条件：同一指标在不同来源间出现 2倍以上 数据差异时，必须主动进行口径区分分析。

标注格式：

宽口径：XX 亿（含 XX、YY、ZZ）
窄口径：XX 亿（仅 XX）

差异来源：[说明具体差异原因，如统计范围不同 / 含不含关联交易 / 汇率换算方式差异]

AI 推算标注：
- 所有由推理得出的数据必须标注 [AI 推算]，不能默认为事实
- 推算过程必须展示：基于什么假设、用什么公式、输入数据来源
- 例："2026 年市场规模约 45 亿 [AI 推算，基于 2025 年 32 亿 × 年增速 40%，来源：公司年报增速指引]"

4. 自检清单

每个段落/章节完成后逐项检查：

• [ ] 每个核心数据有可访问的 URL 来源
• [ ] 同一指标多来源时，口径差异已标注
• [ ] 增速数据可通过 (本期-上期)/上期 反推验证
• [ ] 无停留在描述现象的段落（每段有关键判断或行动启示）
• [ ] 有具体的启示和行动建议（不只是"值得关注"，而是"这意味着XX应XX"）
• [ ] 推断/估算数据已标注 [AI 推算]
• [ ] 来源层级标注正确（L1/L2/L3/L4）

Step 1 — 需求确认

在动手前，向用户确认以下5个维度：

1. 研究主题与边界：核心问题是什么？不覆盖什么？
2. 输出格式：Markdown/PPT/PDF？是否有参考模版或提纲？
3. 目标读者：决策层（关注战略/趋势）、执行层（关注落地/数据）、还是公开发布（关注可读性/引用规范）？
4. 质量标准：是否有对标的报告质量（如"参考Gartner的报告密度"）？
5. 数据口径偏好：保守口径（仅引高置信度，强结论必有权威支撑、低置信数据不做逐家拆分，对应「核心研究纪律」）还是标准口径（允许 [L3] 推算与逐家展开）？默认按保守口径执行——即用户明确要求放宽时才使用标准口径。

Step 2 — 信息检索

核心原则：不依赖模型内部知识，所有论点从实际检索中得出。

三层并行搜索

交叉验证规则

• 每个核心论点至少 2个独立来源 交叉验证
• 数据优先用一手来源（公司财报、官方公告），其次二手来源（第三方报告）
• 来源存疑时，标注"该数据仅单一来源，未经交叉验证"

Step 3 — 筛选与结构化

来源分层

优先级：官方公告/财报 > 第三方权威机构报告 > 行业媒体 > 个人自媒体

• 自媒体来源用于补充观点，不能作为核心论据的独立支撑
• 同行评议/权威机构背书可提升自媒体材料可信度

数据口径对齐

同一指标不同来源的口径差异必须标注：
- 例："IDC 口径（含服务器）vs Gartner 口径（仅终端设备），差异约 12%"
- 例："财年口径：阿里 FY2025（截至2025年3月）vs 腾讯 CY2025（自然年）"

时间线梳理

按时间排列关键事件节点，格式：

[时间] [事件] [影响/意义]

竞品功能验证

涉及竞品功能描述时，必须实际访问产品页面确认，不能仅凭二手资料描述。

Step 4 — 分析撰写

写作结构：倒金字塔

1. 核心结论（1-2句话，读完就知道报告要说什么）
2. 关键发现（3-5个要点，支撑结论的论据）
3. 详细分析（分章节展开，每个论点有数据/案例支撑）
4. 背景与方法论（研究范围、数据来源、局限性）

技术概念 4 层深度

每个技术概念按以下层次阐述：

数据呈现要求

• 数据表格必须含：指标名 + 数据值 + 来源 + 口径说明 + 启示/解读
• 量化测算：关键指标需有测算过程（如市场空间 = 用户数 × 渗透率 × ARPU）
• 整个报告 370行以上 才算详实（不含目录和附录）

Step 5 — 四 Agent 质量审查

报告初稿完成后，按以下4个角色分别审查：

Agent 1: 事实核查

职责：校验所有数据点和事实陈述，并核对「核心研究纪律」落实情况

审查要点：
- 每条数据是否有可访问的原始来源链接？是否带 [L1]/[L2]/[L3] 置信度标注（纪律 1）？
- IDC/媒体/官网数据必须附 URL（有来源名称但无链接 → 不合标）
- 数字是否自洽？（增速反推验证、市占率分母复现）
- 引用的事实陈述是否与原文一致？
- 绝对化表述核查（纪律 3）：是否出现"唯一/首次/必然/100%"等词？若有，是否真有 L1 支撑？否则删除或弱化
- 保守口径核查（纪律 2）：是否有强结论缺乏 L1/L2 支撑？低置信数据是否误上表/误逐家拆分？跨口径对比是否标注差异？
- 小标题核查（纪律 5）：子标题是否为包含论点的完整句？

Agent 2: 行文风格

职责：检查写作质量

审查要点：
- 是否有 AI 痕迹？（重复句式、空洞过渡、无信息量的总结句）
- 是否使用了倒金字塔结构？
- 逻辑连贯性：段落之间是否有跳跃？
- 是否避免了模糊措辞？

Agent 3: 行业专家

职责：从领域视角审视内容

审查要点：
- 是否遗漏了关键玩家？（竞品分析中是否有重要公司未提及）
- 判断是否合理？（市场预测、趋势判断是否有盲区）
- 行业语境是否准确？（术语使用、商业模式描述）

Agent 4: 研究员汇总

职责：整合前 3 个 Agent 意见

工作内容：
- 按优先级排序修改意见（P0 必须改 / P1 建议改 / P2 锦上添花）
- 冲突意见仲裁（如事实核查要求加引用 vs 风格审查要求精简）
- 生成最终修改清单

Step 6 — 修改定稿

按审查意见逐条修改：

1. 按优先级处理修改清单
2. 补充所有缺失的来源链接（有来源名就必须有 URL）
3. 确认所有数据自洽（交叉验算）
4. 去除 AI 味：删掉无信息量的过渡句、统一语态、让结论而非总结句收尾
5. 输出最终版文件

定稿检查清单

• [ ] 所有数据点有可追溯来源
• [ ] 来源链接均可访问
• [ ] 核心数据交叉验证 ≥2 来源
• [ ] 口径差异已标注
• [ ] 报告总行数 ≥ 370
• [ ] 无模糊措辞（"可能""大概""差不多"）
• [ ] 推断/估算已明确标注
• [ ] 倒金字塔结构完整
• [ ] 每条量化数据带 [L1]/[L2]/[L3] 置信度标注（纪律 1）
• [ ] 强结论均有高置信数据支撑，无据强判断已删除（纪律 2）
• [ ] 无绝对化表述，或已有 L1 明确支撑（纪律 3）
• [ ] 每个章节含「X.0 本章核心结论（前置）」连贯段（纪律 4）
• [ ] 子标题为包含论点的完整论断句（纪律 5）
• [ ] 低置信数据未逐家拆分，已改为整体定性判断（纪律 2）

Step 7 — HTML 可视化生成（单文件离线版）

用户常要求"按上面的格式并生成 HTML"。终稿 MD 完成后，转成单文件可视化 HTML（纯内联 CSS/JS、无 CDN、双击可离线打开）：固定侧栏目录 + 滚动高亮、[L1/L2/L3] 置信度徽章、结论卡片、表格热力着色、章节专属可视化组件。

• 完整生成器架构、CSS/JS 模式、组件库、结构自检、以及 3 个已知 bug 坑：见 references/单文件HTML可视化生成器.md
• 参数化模板：scripts/report_html_generator.py —— 复制后只改配置区（SRC/OUT/标题/日期）+ 在 extra_component() 按本报告表格表头补可视化组件，即可生成
• 标准流程：复制模板 → 改配置与组件钩子 → 运行 → 结构自检（标签配对 / 章节齐全 / 表格数一致 / 组件注入 / 热力生效）→ 无头 Chrome 顶部+长图截图验证 → 清理临时文件，交付 MD + HTML + 生成脚本

> 若 HTML 生成 Agent 连续失败（Cannot read properties of undefined），按 references/多Agent并行编排SOP.md 第 6 节兜底：直接读取既有 generate_*_report.py 作模板，自行改写并运行，任务不收摊。

配套文件索引