Communitygithub.com

rrrrrredy/industry-research-framework

產業研究框架:一套與代理無關的框架,用於來源佐證的產業研究與可發表寫作

industry-research-framework 是什麼?

此技能提供一個嚴謹的框架,專為生成具深度、可發表的產業研究報告而設計。它並非綁定特定資料來源或範本,而是定義了一系列慣例與行為約束,幫助 AI 代理有效管理研究狀態、區隔證據與論述、避免主題偏移,並在最終產出中呈現乾淨、讀者導向的內容。框架支援多種平台(如 Claude Code、Cursor、Codex),透過狀態檔案、來源與主張註冊表、以及結構化的審查循環來確保研究品質。其核心機制包含研究簡報閘門(Research Brief Gate)、分階段執行、深度預算(Depth Budget)與執行護欄(Guardrails),專為解決長篇研究中常見的五大失敗模式:主題過擬合、流程洩漏、證據偏移、虛假完成與深度坍塌。此外,框架也允許使用子代理處理有限任務,例如來源驗證或覆蓋率審查,但主代理始終保有最終論點與文筆的擁有權。最後,框架提供明確的「硬停止」條件,在證據蒐集停滯或主張與草稿脫節時強制修復狀態,避免無效循環。

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

在你喜歡的 AI 中提問

開啟一個已預先載入此 Agent Skill 的新對話。

說明文件

產業研究框架

此技能是一個用於長篇產業研究與可發表寫作的框架。它不內建任何爬蟲、資料來源或固定的報告範本;相反地,它規定了一系列慣例,說明 AI 代理應如何持久化狀態、分離證據與散文、避免主題偏移、規劃審查,並將龐大的研究後端轉化為乾淨、面向讀者的文章或報告。

1. 動機

長篇研究代理往往以五種反覆出現的方式失敗:

  1. 主題過擬合:從一個專案中歸納出的方法被錯誤地當作普遍適用的架構。
  2. 流程洩漏:最終文章讀起來像工作日誌,出現例如「使用者提供了」或「資料顯示」等詞句。
  3. 證據偏移:來源、主張、不確定性與作者判斷被壓縮成一個無法區分的論述。
  4. 虛假完成:在覆蓋率、審查與讀者品質修訂完成之前,將部分里程碑回報為最終完成。
  5. 深度坍塌:報告滿足來源數量與覆蓋率檢查清單,但對於使用者預期的研究深度而言過短、過於壓縮或淺薄。

此框架中的每項機制都針對上述某一失敗模式。

2. 範圍合約

此技能是一個用於產出實質研究交付物的執行框架。它不是一個理論體系、產品架構或通用建模語言。

應保留在此技能內的事項:

  1. 流程:研究範圍校準、分階段執行、來源處理、草稿、審查、修訂與最終清理。
  2. 狀態:任務狀態、進度、發現、假設、決策與方向追蹤。
  3. 稽核:來源、主張、不確定性、覆蓋率、深度與讀者品質檢查。

除非使用者明確要求一個獨立的系統設計專案,否則應排除在此技能之外的事項:

  1. 領域本體論、通用分類法或通用建模語言。
  2. 中間表示法、評分系統、嵌入向量、知識圖譜或排序引擎。
  3. 儀表板、CLI、資料庫、自動化管道或產品架構。
  4. 未直接改善當前研究交付物的方法論宣言。

如果任務開始偏離至上述排除層,請保留當前交付物路徑,將該想法記錄為未來擴展,不要擴充工作流程。

3. 行為約束

  1. 交付物優先:如果要求的輸出是文章或報告,不要偏離至系統設計、提示設計或工作流程說明。
  2. 研究簡報閘門先於收集:當缺乏決策關鍵資訊時,提出一個精簡的釐清批次問題。
  3. 狀態先於規模:對於長時間任務,在擴充來源收集之前,先將任務狀態寫入檔案。
  4. 證據不是散文:除非使用者要求稽核附錄,否則註冊表、日誌、稽核標籤與存取失敗應保持幕後。
  5. 深度預算先於草稿:記錄預期深度、大致長度範圍、單元級擴展計畫,以及對本次任務而言「太短」的定義。
  6. 分階段執行:在進入下一個單元之前,依序執行規劃、收集、分析、草稿、審查、修訂與更新狀態。
  7. 章節級進度:按章節、公司、案例、時期或論點撰寫複雜作品;不要一次生成整份報告。
  8. 僅為可選視角:框架/分類分析、水平-垂直分析、資本分析與採用分析是工具,而非預設結構。
  9. 審查閉環:每項稽核發現都必須轉化為修訂動作、調降的主張或明確的限制。
  10. 讀者審查最後進行:僅在事實、覆蓋率、結構與深度檢查穩定之後,才改善可讀性。

4. 架構

主代理 負責論點、結構、最終判斷

研究後端 發佈前端 狀態檔案 論點/章節 來源註冊表 機制/綜合分析 主張註冊表 反證 不確定性清單 面向讀者的參考文獻 審查日誌 最終散文清理

子代理可檢查或質疑後端中受限制的部分,但主代理負責論點與最終散文。

5. 狀態檔案

對於實質性工作,請建立:

{task}/state/
  task_spec.md            # 目標、讀者、輸出、範圍、深度、證據標準、假設
  progress.json           # 階段、已完成單元、待辦問題、stale_count
  findings.jsonl          # 僅附加的發現與判斷
  directions_tried.json   # 已嘗試過的方向
  iteration_log.jsonl     # 階段摘要

{task}/logs/
  work.jsonl              # 執行決策
  review.jsonl            # 審查發現與轉派的修復

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

使用狀態檔案在上下文遺失後恢復。不要僅依賴聊天記錄作為唯一記憶。

上下文恢復協定

在上下文遺失、會話重啟或交接後恢復時:

  1. 讀取 state/task_spec.md 以取得目標、範圍、讀者、輸出、深度、證據標準與假設。
  2. 讀取 state/progress.json 以取得當前階段、已完成單元、待辦問題、stale_count 與下一個動作。
  3. 讀取 state/findings.jsonl 與 state/iteration_log.jsonl 的最新條目以恢復最近的方向。
  4. 讀取 state/directions_tried.json 以避免重複已失敗或耗盡的路徑。
  5. 從操作循環中的對應步驟恢復。

不要重複執行已完成階段。如果 task_spec.md 已記錄答案,不要再次詢問研究簡報。

6. 研究簡報閘門

在開始收集之前,判斷請求是否包含足夠的決策關鍵資訊。如果沒有,在開始前提出一個精簡的批次問題。該批次通常應包含 3-7 個問題,並且當預期長度或深度缺失時必須涵蓋這些項目。

僅詢問缺失的關鍵資訊:

  • 研究對象與範圍邊界
  • 目標讀者與決策背景
  • 輸出格式、語言與發佈背景
  • 預期深度、大致長度範圍或深度等級
  • 必須涵蓋的單元、排除項目與優先領域
  • 所需的來源或材料、來源排除項目與證據標準
  • 時間區間、地理位置、截止日期,以及是否需要圖表/表格

如果使用者已提供足夠的上下文,則不要問例行性問題。直接繼續,在 task_spec.md 中記錄假設,並將未解決的非關鍵細節標記為假設或不確定性。

如果一個釐清批次後關鍵細節仍未獲得解答,則做出保守假設,記錄它們,並從一個有界限的階段 1 開始,而不是停滯不前。

7. 操作循環

對於每個階段:

  1. 執行研究簡報閘門,然後規劃該階段的範圍、輸入、輸出與完成標準。
  2. 僅收集或處理該階段所需的來源。
  3. 將來源轉化為主張、不確定性與分析筆記。
  4. 草擬一個有界限的章節或單元。
  5. 審查該章節的證據、覆蓋率、結構、懷疑態度與散文。
  6. 修訂該章節與註冊表。
  7. 更新進度並定義下一個階段。

如果一個循環未增加任何新的證據、案例、反例、架構或判斷,則增加 stale_count。如果 stale_count >= 2,則轉變結構角度,而不僅僅是更努力地搜尋。

對於長篇交付物,不要將來源數量、主張數量、連結數量或檔案大小當作完成的替代品。它們是後端健康信號,而非證明完成的報告具有足夠深度。在最終彙整之前,將草稿與深度預算進行比較,並在讀者審查之前擴充較薄的單元。

8. 來源與主張紀律

根據來源能證明的內容對其分類:

  • 官方資料:顯示陳述的立場、意圖、產品表面或正式政策
  • 原始資料:當定義與收集方法清楚時,支援可衡量的主張
  • 專家資料:解釋推理、背景與詮釋
  • 媒體資料:顯示公眾框架,但對於硬事實需要佐證
  • 使用者/社群證據:顯示接受度,但並非自動具有代表性
  • 反證:限制、削弱或否定主要主張

分別對主張分類:

  • 已驗證事實
  • 來源主張
  • 詮釋
  • 作者判斷
  • 推測

每個重要的硬主張都應有信賴邊界。不要將公司公關、投資者期望或媒體放大當作事實。

9. 分析視角排程

選擇適合研究問題的視角:

  • 框架/分類分析:定位、正當性、類別創造、公眾意義與媒體轉譯
  • 水平-垂直分析:時間線深度加上當前競爭者/替代品比較
  • 採用分析:使用者行為、工作流程變化、取代、摩擦
  • 資本分析:定價、收入、估值、融資、成本結構、利潤
  • 組織/人才分析:營運模式、招聘、領導層、人才流動
  • 政策/正當性分析:法規、合規、信任、地緣政治或機構壓力
  • 反案例分析:最強的替代解釋與失敗模式

選擇一個主要視角以及最多兩個次要視角,除非使用者特別要求一份多方法的報告。

在選擇視角時,請閱讀 references/optional-analysis-lenses.md。僅在選擇了水平-垂直視角後,才閱讀 references/horizontal-vertical-analysis.md。

10. 子代理排程

僅針對有界限的工作使用子代理:

  • 需求對應
  • 針對不同區域、行動者或來源類別的來源發現
  • 證據鏈驗證
  • 覆蓋率稽核
  • 懷疑性審查
  • 結構審查
  • 在草稿穩定後進行的讀者品質審查

子代理的提示必須包含目標、要檢查的檔案或章節、輸出格式、PASS/FAIL 標準以及界限。子代理不應改寫整份報告或負責論點。

在委派之前,請閱讀 references/subagents-and-review-loop.md。

11. 最終化

最終文章或報告應僅包含面向讀者的材料:

  • 結論優先的見解(適用時)
  • 範圍說明
  • 按論點、案例、時期或機制組織的分析章節
  • 跨單元綜合分析
  • 反證與不確定性以清晰方式表達
  • 影響
  • 面向讀者的參考附錄

移除:

  • 可見的來源 ID
  • 稽核標籤
  • 檔案路徑
  • 「使用者提供了」
  • 「資料顯示」
  • 「此來源補充了」
  • 「此章節通過稽核」
  • 削弱而非釐清判斷的過度免責聲明

12. 驗證與限制

在宣告完成之前:

  1. 研究簡報閘門已完成,或假設已記錄。
  2. 所需覆蓋率完成,或限制已明確說明。
  3. 主要主張可追溯至來源或不確定性記錄。
  4. 事實、來源主張、詮釋與作者判斷保持區分。
  5. 反證已處理。
  6. 草稿符合深度預算,或明確解釋為何原始預期深度不再適當。
  7. 在事實、覆蓋率、結構與深度審查之後,已執行讀者審查。
  8. 最終散文讀起來像作者的報告,而非代理程序報告。

限制:

  1. 框架可減少引用與證據錯誤;但無法完全消除。
  2. 子代理審查是一種檢查,而非外部真理。
  3. 若機械式使用,可選視角可能會過擬合報告。
  4. 狀態檔案有助於恢復,但僅在任務期間更新時有效,而非事後重建。

13. 執行護欄

使用這些護欄來防止迴圈、過度收集與範圍偏移:

  1. 來源收集:如果連續三次搜尋或來源傳遞未添加相關證據,則停止在該方向收集,更新 directions_tried.json,然後草擬或轉向。
  2. 主張提取:如果 source_registry.csv 增長但 claims_registry.csv 仍然薄弱,則暫停收集,在收集更多來源之前先提取主張。
  3. 審查迴圈:除非使用者要求更多,否則將每個章節的完整審查-修訂循環上限設為兩次;將未解決的問題記錄為限制或後續任務。
  4. 深度檢查:在讀者審查之前,將草稿與深度預算進行比較,並在優化散文之前擴充較薄的單元。
  5. 範圍擴展:如果新工作落在 task_spec.md 之外,將其記錄為建議的擴展,並在擴展專案之前詢問。
  6. 子代理審查:提示必須要求審查者主動尋找問題;如果未發現問題,審查者必須說明哪些證據支持 PASS。

14. 陷阱

注意這些反覆出現的失敗模式:

  1. 註冊表戲法:來源與主張註冊表看起來完整,但最終散文未綜合機制或權衡。
  2. 來源列舉式散文:段落重複「來源 X 說 Y」,而非將證據轉化為面向讀者的判斷。
  3. 過早的讀者修飾:在覆蓋率、證據、結構與深度檢查穩定之前就開始散文清理。
  4. 視角越界:一個可選視角變成整份報告,即使使用者的問題需要更簡單的結構。
  5. 子代理擴張:要求審查者或收集者負責論點、改寫整份報告或擴展範圍。
  6. 深度替代:將連結數量、檔案大小或檢查清單覆蓋率當作報告深度足夠的證明。

在診斷反覆偏移、改進評估或將框架適配至新代理時,請閱讀 references/gotchas.md。

15. 硬停止

發生以下任何情況時,停止當前路徑並在繼續之前修復狀態:

  1. 簡報停止:在釐清閘門之後,一項實質研究任務仍缺乏讀者、範圍、輸出形式、證據標準或深度預算。
  2. 證據停止:連續三次搜尋或來源傳遞未添加任何新的相關證據、案例、反例或判斷。
  3. 主張停止:source_registry.csv 增長,但 claims_registry.csv 仍然空白、通用或與草稿脫節。
  4. 草稿停止:最終散文仍包含流程語言、內部來源 ID、稽核標籤、檔案路徑

相關技能