Communitygithub.com

rrrrrredy/行业研究框架

行业研究框架:一个与代理无关的框架,用于基于来源的行业研究和可发表的写作。

行业研究框架 是什么?

该技能是一个用于长篇行业研究和可发表写作的执行框架。它不提供固定的爬虫、数据源或报告模板,而是规定了一套约定,指导AI代理如何持久化状态、将证据与散文分离、避免主题漂移、安排审查,以及将大量的研究后端转化为清晰的面向读者的文章或报告。该框架解决了长篇研究代理最常见的五种失败模式:主题过拟合、过程泄露、证据漂移、虚假完成和深度塌陷。它适用于任何支持文件读写的AI代理平台(如Claude Code、Cursor、Codex等),并依赖任务状态文件(如task_spec.md、progress.json)进行上下文恢复和进度跟踪。该框架的核心是主代理拥有论点和最终散文,研究后端(状态文件、来源注册表、声明注册表、不确定性列表、审查日志)和发布前端(论文、章节、机制、综合、反证、最终散文)之间明确分离,子代理可以检查后端的有界部分。

兼容平台~Claude Code~Codex CLI~Cursor
npx skills add rrrrrredy/industry-research-framework

在你喜欢的 AI 中提问

打开一个已预加载此 Agent Skill 的新对话。

文档

行业研究框架 是做什么的?

这个技能是一个用于长篇行业研究和可发表写作的框架。它不提供固定的爬虫、数据源或报告模板;而是规定了一套约定,指导AI代理如何持久化状态、将证据与散文分离、避免主题漂移、安排审查,以及将庞大的研究后端转化为清晰的面向读者的文章或报告。

1. 动机

长篇研究代理往往以五种重复的方式失败:

  1. 主题过拟合:从某个项目中提炼的方法被错误地视为通用框架。
  2. 过程泄露:最终文章读起来像工作日志,包含诸如“用户提供了”或“材料显示”之类的短语。
  3. 证据漂移:来源、声明、不确定性和作者判断混为一谈,形成无差别的论点。
  4. 虚假完成:在覆盖、审查和读者质量修订完成之前,部分里程碑被报告为最终完成。
  5. 深度塌陷:报告满足来源数量和覆盖检查表,但过于简短、压缩或单薄,无法达到用户预期的研究深度。

该框架中的每一个机制都针对这些失败之一。

2. 范围约定

这个技能是一个产生实质性研究交付物的执行框架。它不是一个理论体系、产品架构或通用建模语言。

保留在技能内:

  1. 流程:研究范围校准、分阶段执行、来源处理、草稿、审查、修订和最终清理。
  2. 状态:任务状态、进度、发现、假设、决策和方向跟踪。
  3. 审计:来源、声明、不确定性、覆盖、深度和读者质量检查。

保留在技能外(除非用户明确要求一个单独的系统设计项目):

  1. 领域本体、通用分类法或泛化建模语言。
  2. 中间表示、评分系统、嵌入、知识图谱或排序引擎。
  3. 仪表板、CLI、数据库、自动化流水线或产品架构。
  4. 不能直接改善当前研究交付物的方法论宣言。

如果任务开始漂移到排除的层级,保留当前的交付路径,将该想法记录为未来的扩展,不要扩大工作流。

3. 行为约束

  1. 交付优先:如果要求的输出是文章或报告,不要漂移到系统设计、提示设计或工作流阐述。
  2. 研究简报门控:在收集之前,当决策关键信息缺失时,提出一个紧凑的澄清批次。
  3. 状态先行于扩展:对于长任务,在扩展现有来源收集之前,先将任务状态写入文件。
  4. 证据不是散文:注册表、日志、审计标签和访问失败保持在后端,除非用户请求审计附录。
  5. 深度预算先行于起草:记录预期的深度、大致的长度范围、单元级扩展计划,以及本次任务“太短”意味着什么。
  6. 分阶段执行:规划、收集、分析、起草、审查、修订,并在进入下一个单元之前更新状态。
  7. 按章节推进:按章节、公司、案例、时期或论点处理复杂工作;不要一次性生成整个报告。
  8. 仅作为可选镜头:框架/类别分析、横向-纵向分析、资本分析和采用分析是工具,而不是默认结构。
  9. 审查闭环:每个审计发现必须转化为修订行动、降级声明或明确的局限性。
  10. 读者审查最后进行:只有在事实、覆盖、结构和深度检查稳定后,才改进可读性。

4. 架构

主代理
拥有论点、结构、最终判断

研究后端                发布前端
状态文件                论文 / 章节
来源注册表              机制 / 综合
声明注册表              反证
不确定性列表            面向读者的参考文献
审查日志                最终散文清理

子代理可以检查或质疑后端的有界部分,但主代理拥有论点和最终散文。

5. 状态文件

对于实质性工作,创建以下文件:

{task}/state/
  task_spec.md            # 目标、读者、输出、范围、深度、证据标准、假设
  progress.json           # 阶段、已完成的单元、未解决的问题、stale_count
  findings.jsonl          # 仅追加的发现和判断
  directions_tried.json   # 已经尝试过的方向
  iteration_log.jsonl     # 阶段摘要

{task}/logs/
  work.jsonl              # 执行决策
  review.jsonl            # 审查发现和已分配修复

{task}/data/
  source_registry.csv
  claims_registry.csv
  uncertainty_registry.csv

使用状态文件在上下文丢失后恢复。不要仅依赖聊天历史作为记忆。

上下文恢复协议

在上下文丢失、会话重启或交接后恢复时:

  1. 读取 state/task_spec.md 以获取目标、范围、读者、输出、深度、证据标准和假设。
  2. 读取 state/progress.json 以获取当前阶段、已完成的单元、未解决的问题、stale_count 和下一步行动。
  3. 读取 state/findings.jsonl 和 state/iteration_log.jsonl 的最新条目以恢复最近的方向。
  4. 读取 state/directions_tried.json 以避免重复失败或已耗尽的方向。
  5. 从操作循环中的匹配步骤继续。

不要重新运行已完成的阶段。如果 task_spec.md 已经记录了答案,不要再次询问研究简报。

6. 研究简报门控

在收集之前,判断请求是否包含足够的决策关键信息。如果没有,在开始之前提出一个紧凑的疑问集。这个集通常应包含 3-7 个问题,并且在缺失预期长度或深度时必须涵盖。

仅询问缺失的关键信息:

  • 研究对象和范围边界
  • 目标读者和决策背景
  • 输出格式、语言和发布背景
  • 预期的深度、大致的长度范围或深度级别
  • 必须涵盖的单元、排除项和优先区域
  • 所需来源或材料、来源排除项和证据标准
  • 时间段、地理区域、截止日期,以及是否需要图表/表格

如果用户已经提供了足够的背景,不要提出仪式性问题。继续前进,在 task_spec.md 中记录假设,并将未解决的非关键细节标记为假设或不确定性。

如果经过一次澄清批次后关键细节仍未回答,做出保守的假设,记录它们,并从有界的阶段 1 开始,而不是停滞不前。

7. 操作循环

对于每个阶段:

  1. 运行研究简报门控,然后规划范围、输入、输出和完成标准。
  2. 仅收集或处理该阶段所需的来源。
  3. 将来源转化为声明、不确定性和分析笔记。
  4. 起草一个有界的章节或单元。
  5. 审查该章节的证据、覆盖、结构、怀疑态度和散文。
  6. 修订章节和注册表。
  7. 更新进度并定义下一阶段。

如果一个周期没有增加新的证据、案例、反例、框架或判断,则增加 stale_count。如果 stale_count >= 2,则转变结构角度,而不是仅仅更努力搜索。

对于长篇交付物,不要将来源数量、声明数量、链接数量或文件大小作为完成的替代品。它们是后端健康信号,而不是已完成的报告具有足够深度的证据。在最终组装之前,将草稿与深度预算进行比较,并在读者审查之前扩展薄弱的单元。

8. 来源和声明纪律

根据来源可以证明的内容对来源进行分类:

  • 官方材料:显示立场、意图、产品表面或正式政策
  • 一手数据:在定义和收集方法清晰时支持可衡量的声明
  • 专家材料:解释推理、背景和解释
  • 媒体材料:显示公众框架,但需要确凿证据才能用于硬事实
  • 用户/社区证据:显示接受度,但不自动具有代表性
  • 反证:限制、削弱或证伪主要声明

单独分类声明:

  • 验证过的事实
  • 来源声明
  • 解释
  • 作者判断
  • 推测

每个重要的硬声明都应有一个置信度边界。不要将公司公关、投资者期望或媒体放大转化为事实。

9. 分析镜头调度

选择适合研究问题的镜头:

  • 框架/类别分析:定位、合法性、类别创建、公共意义和媒体转化
  • 横向-纵向分析:时间线深度加上当前竞争对手/替代品比较
  • 采用分析:用户行为、工作流变化、替代、摩擦
  • 资本分析:定价、收入、估值、融资、成本结构、利润率
  • 组织/人才分析:运营模型、招聘、领导层、人才流动
  • 政策/合法性分析:监管、合规、信任、地缘政治或制度压力
  • 反案情分析:最有力的替代解释和失败模式

选择一个主要镜头,最多两个次要镜头,除非用户明确要求一份多方法报告。

在选择镜头时阅读 references/optional-analysis-lenses.md。仅在选择该镜头后阅读 references/horizontal-vertical-analysis.md。

10. 子代理调度

仅对有限的工作使用子代理:

  • 需求映射
  • 对独立区域、参与者或来源类别的来源发现
  • 证据链验证
  • 覆盖审计
  • 怀疑性审查
  • 结构审查
  • 草稿稳定后的读者质量审查

子代理提示必须包括目标、要检查的文件或章节、输出格式、通过/失败标准和边界。子代理不应重写整个报告或拥有论点。

在委托之前阅读 references/subagents-and-review-loop.md。

11. 最终化

最终的文章或报告应仅包含面向读者的材料:

  • 在有用时包含结论优先的见解
  • 范围说明
  • 按论点、案例、时期或机制组织的分析章节
  • 跨单元的综合
  • 清晰表达的反证和不确定性
  • 影响
  • 面向读者的参考文献附录

移除:

  • 可见的来源 ID
  • 审计标签
  • 文件路径
  • “用户提供了”
  • “材料显示”
  • “此来源补充”
  • “此章节通过了审计”
  • 削弱而非澄清判断的过多警告

12. 验证与限制

在声明完成之前:

  1. 已完成研究简报门控,或已记录假设。
  2. 所需覆盖已完成,或局限性已明确。
  3. 主要声明可追溯到来源或不确定性记录。
  4. 事实、来源声明、解释和作者判断保持区别。
  5. 已处理反证。
  6. 草稿符合深度预算,或明确解释了为什么原始预期深度不再合适。
  7. 在事实、覆盖、结构和深度审查之后,已运行读者审查。
  8. 最终散文读起来像作者的报告,而不是代理流程报告。

局限性:

  1. 该框架减少了引用和证据错误;但不能消除它们。
  2. 子代理审查是一种检查,不是外部真理。
  3. 如果机械地使用,可选镜头可能导致报告过拟合。
  4. 状态文件有助于恢复,但只有在任务期间更新时才有效,而不是事后重建。

13. 执行护栏

使用以下护栏防止循环、过度收集和范围漂移:

  1. 来源收集:如果连续三次搜索或来源传递没有添加相关证据,则停止在该方向收集,更新 directions_tried.json,然后起草或转向。
  2. 声明提取:如果 source_registry.csv 在增长而 claims_registry.csv 仍然薄弱,则暂停收集并提取声明,然后再收集更多来源。
  3. 审查循环:除非用户要求,否则每个章节的完整审查-修订周期最多限制为两次;将未解决的问题记录为局限性或后续任务。
  4. 深度检查:在读者审查之前,将草稿与深度预算进行比较,并在优化散文之前扩展薄弱单元。
  5. 范围扩展:如果新工作超出了 task_spec.md 的范围,将其记录为提议的扩展,并在扩展项目之前询问。
  6. 子代理审查:提示必须要求审查者主动寻找问题;如果未发现任何问题,审查者必须说明什么证据支持 PASS。

14. 易犯错误

注意这些重复出现的失败模式:

  1. 注册表演戏:来源和声明注册表看起来很完整,但最终散文没有综合机制或权衡。
  2. 来源列举式散文:段落重复“来源 X 说 Y”,而不是将证据转化为面向读者的判断。
  3. 过早的读者润色:在覆盖、证据、结构和深度检查稳定之前就开始散文清理。
  4. 镜头越权:即使用户的问题需要更简单的结构,可选镜头也变成了整个报告。
  5. 子代理蔓延:审查者或收集者被要求拥有论点、重写整个报告或扩大范围。
  6. 深度替代:链接数量、文件大小或检查表覆盖被视为报告足够深的证据。

在诊断重复漂移、改进评估或将框架适配到新代理时,阅读 references/gotchas.md。

15. 硬停止点

在以下任何一种情况发生时,停止当前路径并在继续之前修复状态:

  1. 简报停止:在澄清门控之后,实质性的研究任务仍缺少读者、范围、输出形式、证据标准或深度预算。
  2. 证据停止:连续三次搜索或来源传递没有添加新的相关证据、案例、反例或判断。
  3. 声明停止:source_registry.csv 在增长,而 claims_registry.csv 仍然为空、泛泛或与草稿脱钩。
  4. 草稿停止:最终散文仍然包含流程语言、内部来源 ID、审计标签、文件路径。

…(更多内容...)

相关技能