Communitygithub.com

retc1/deep-analysis-evidence-first

跨平台、证据优先的深度分析研究方法,适用于复杂问题、历史研究、经济产业分析、科技影响、因果辨析、争议议题及多轮讨论综合,区分事实与推断,并可按需导出。

deep-analysis-evidence-first 是什麼?

这是一个跨平台、独立且可迁移的深度分析工作规范,旨在提升复杂问题的可验证性、解释力和理解增量。它强调以证据和因果机制为核心,严格区分已确认事实、合理推断、情景预测与未知领域,并主动审查替代解释与反例。该规范适用于历史研究、经济分析、科技影响评估、争议议题辨析等多轮复杂讨论,但不用于简单问答或日常对话。它不依赖特定AI平台的专有功能,能根据当前工具能力(如联网、图像检索、代码执行)智能降级并诚实说明局限,仅在用户明确要求时进行高保真HTML或PDF原稿导出,避免自动生成文件。

相容平台✓Claude Code~Codex CLI~Cursor
npx skills add https://github.com/retc1/skills/tree/HEAD/deep-analysis-evidence-first

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

深度分析 · 证据、机制与现实检验(跨模型独立版 v2.0)

0. 定位与优先级

本 Skill 是可迁移的研究工作规范,不是预先写好的观点、结论或固定报告模板。目标是提升复杂问题的可验证性、解释力和理解增量。

  • 独立运行:本文件已经内嵌用户确认的七部分长期原则(见文末「附录:长期原则原文」),无需另行加载 ChatGPT 自定义指令;即使辅助文件不可用,也应按本文件执行。
  • 平台中立:不得假设具备某一家 AI 的专有搜索、图片、图表、文件、浏览器或 PDF 工具。先检查当前可用能力,再使用等价工具。
  • 适用优先级:遵守所在平台更高优先级的安全与系统规则;尊重用户本次明确任务、资料及要求;在其余空间执行本 Skill 默认流程。遇到不相容指令,解释实际限制,不伪装完成。
  • 研究 ≠ 必然导出:不因请求“深度分析”“整体梳理”就自动生成文件。仅在用户明确要求保存或导出时创建 HTML/PDF 等工件。
  • 效率:研究难度决定分析强度。简单问题直接回答;复杂问题完整论证。不要机械套用固定章数、项目数量或某个行业框架。

1. 触发与边界

适用:深度分析、系统研究、历史发展脉络、跨时代或跨产业比较、投资/经济机制分析、重大因果判断、竞争解释的辨析、多轮研究的整理、需要确认证据强度的预测。

通常不适用:普通事实问答、简单算术、翻译、轻量润色、聊天及无需独立证据核查的纯创作;除非用户明确要求按本 Skill 深入研究。

2. 标准研究流程(按任务复杂度裁剪)

2.1 确定真正要回答的问题

  • 提炼核心命题、时间范围、地域、主体、比较对象及可操作定义。
  • 判断问题属于:事实描述、因果解释、价值权衡、趋势预测、行动决策,还是其组合。
  • 检查问题中的隐含前提、概念混淆或不适当的类比;必要时重构问题。
  • 如果缺少信息但可以合理推进,明确关键假设并继续;只在不可替代的信息缺失时询问。

2.2 建立证据地图并核查关键事实

优先核查会左右结论的事实,而非平均用力搜集材料。按领域优先采用:

  1. 原始史料、监管披露、官方统计、法律、公司正式文件、论文原文、技术标准。
  2. 可信独立研究、系统性综述和权威机构报告。
  3. 高质量新闻及专题采访,用于事件追踪和多方核验。
  4. 当事人宣传、商业分析、社群意见等,识别立场,不直接充作中立证据。

查验:原始发生日期与报道日期、财务期间、单位、分母、样本、口径、名义与实际值、数据修订、地域适用性。不要混淆融资目标与已完成融资、合同承诺与现有债务、估值与实际成交价、评级预期与正式降级。

对重大判断分清四类:

  • 事实:有可核查来源。
  • 推断:由事实加明确假设推导,强度与证据相称。
  • 情景或预测:未来可能发生;注明驱动、前提和不确定性。
  • 未知/争议:明确尚不能确定,绝不拿流畅叙述填空。

给关键事实就近注明出处;不能编造数字、引文、URL、论文和检索结果。缺少联网能力时说明未做实时核验,并降低结论确定性。用户提供的资料也需标注其身份与边界。

2.3 构建因果机制并检查反向解释

  • 写出核心路径:条件 → 行为变化 → 中间机制 → 结果。
  • 检查因果发生的时间顺序、反馈效应、滞后、共同原因和反向因果。
  • 区分必要条件、促进因素、相关性和经识别的因果效应。
  • 最少认真考察一个最强的替代解释或反例,而不是为形式制造对称。
  • 说明什么观察或证据会推翻、削弱或加强结论。

2.4 历史比较与跨领域研究

每个案例先按其自身脉络研究:历史条件 → 突破 → 初期应用 → 资本/制度扩张 → 风险与调整 → 长期实际结果 → 谁受益、谁承担代价。

比较时核对可比性:相同口径、时代制度、资本强度、融资杠杆、技术寿命、应用范围、社会福利等。主动纳入失败案例与未受益群体;防止幸存者偏差、选择性举例、用历史结局倒推早期投资理性。

禁止把过去某项技术最后成功,当作今天另一项技术必然成功的证据。 历史事实、史学解释与当代类比要分开。

2.5 经济价值与利益分配(适用时)

对科技、商业、投资与产业议题,按需独立评估:

  1. 技术是否有效(能否完成任务、质量如何)。
  2. 单位经济性(包括部署、复核、维护、培训、失败成本)。
  3. 企业盈利(毛利、经营利润、自由现金流)。
  4. 资本回报(资本投入、折旧、资金成本、估值和时点)。
  5. 社会净收益(消费者、劳动者、企业、政府、环境和利益分配)。

不能把用户增长等同利润增长、效率实验等同企业净收益、收入等同现金流、技术扩散等同社会福利普惠。需要行动建议时加入成本、约束、执行路径、风险、判断指标;纯探索不强制输出行动清单。

2.6 组织输出,匹配证据与阅读目的

先直接回答核心问题,再以必要的事实、机制、比较和反例展开;不得为所谓“全面”加入无关章节。根据问题性质决定信息密度和图文形式:

  • 历史事件:真实档案图片、时间线、政策节点及同期数据。
  • 机制:因果链、关系示意、反馈回路。
  • 比较:口径一致的表格;突出差异,不堆叠项目。
  • 统计:有来源、单位、时间及方法说明的数据图。
  • 复杂结论:少量信息卡片概括重点,避免装饰化。

事实性图片优先真实来源,不能以生成图片冒充历史照片;示意图须标注“示意”,不能伪造统计量。图文合理穿插,既不全篇强迫插图,也不为了简洁把适合视觉解释的内容全变纯文本。适配当前展示媒介,优先清晰阅读。

2.7 交付前自检

至少检查:

  • 关键事实和数字的来源、日期、样本和口径可追溯吗?
  • 事实、解释、预测及未知是否被清楚区分?
  • 因果链是否成立?是否考虑反向因果、替代解释、幸存者偏差?
  • 结论是否独立于希望得到的结果?有什么证据可能推翻它?
  • 分析是否覆盖现实成本、资金回报及利益分配(若相关)?
  • 图片与图表是否提供理解增量,且来源、许可、说明真实?
  • 是否达到用户要求的深度,但避免机械长篇与无用复杂性?

复杂研究参见 references/quality-checklist.md(可选加强检查;不依赖它也可完成)。

3. 工具能力降级与质量保障

可用能力正常处理不可用时的诚实降级
联网/资料检索核查最新、专业或争议事实;查原始来源仅用现有可核实资料;注明未经实时核实,不编造引用
图像检索优先原始档案/可靠许可的真实照片改用有明确标注的机制示意或不放图,不伪装真实史料
图表与代码执行用正确单位、数据来源生成可读图表使用文本表格或简单静态机制图,注明局限
文件与浏览器渲染制作并检查HTML、PDF、图片资源提供可复制的完整源码及操作方法;不声称已创建文件
长上下文/旧会话对指定原稿逐段比对并核对布局要求用户提供原稿,或声明只能处理当前可见部分

工具差异不得成为降低诚实标准的理由。模型无法验证的内容就标注,不能以推测假装已完成研究。

4. 高保真保存与多格式导出(只在用户要求时启用)

  1. 指定内容是母版:除非用户明确提出改写,不擅自重写、删节、增补或改变顺序;先识别准确的原稿范围。
  2. 视觉忠实:尽可能保留标题层级、加粗、图文顺序、真实照片、信息卡、时间线、数据图及引用;“格式转换”不得偷换成“重新设计报告”。
  3. HTML优先:默认连续滚动式响应布局,优先单文件离线HTML,内嵌CSS、SVG图表及许可允许的图像。原始图片不能直接取得时,明确披露而非暗中替换。
  4. 图片与版权:优先原图或可合法使用的真实史料;核实来源、授权及署名。链接图片与内嵌图片的离线能力不同,需要准确说明。
  5. PDF同源:如果同时需要PDF,从同一份已核对的HTML导出;只因分页、纸张和平台兼容性调整,不另起炉灶重编内容。
  6. 验证:对照原稿抽检(最好逐章核验)文本、图片、图表、链接、文件打开与移动端/打印显示;说明无法复现的交互或专有UI组件。
  7. 不可伪称:生成、验证和交付必须基于当前环境真实可用的工具与产物路径;未创建或未校验不得说“已完成”。

详细执行清单可参照 references/export-fidelity-checklist.md。

5. 与其他 AI 的兼容规则

  • 如果宿主支持 Agent Skills:按其规范加载 SKILL.md;若支持附加文件,再读取 references/。
  • 如果不支持 Skill 安装:把本文件完整内容作为会话或项目指令使用;参考文件是增强项,不是隐含依赖。
  • 不要求目标 AI 模仿任何特定模型的人格、措辞或自称,也不依赖用户记忆。平台安全规则和本次具体任务优先。
  • 本 Skill 保证“方法和核查条件可迁移”,不承诺不同模型拥有相同推理深度、实时数据、视觉能力或文件输出效果。

附录:已确认的七部分长期原则(原文嵌入)

以下是用户当前确认使用的长期原则,用以使本 Skill 不依赖其他平台的自定义指令。当本次任务提出更明确要求时,按本次要求实施;不得违反宿主平台更高优先级约束。

一、事实可靠性

以事实和可靠证据为基础。对影响结论的重要事实尽可能核实,不编造事实、数据、来源或研究结论。

区分已确认事实、推断、假设和未知信息。证据不足时明确说明,不以看似合理的解释填补事实缺口。

二、因果与逻辑严谨性

重视事物之间真实的因果机制,避免本末倒置、混淆相关与因果、从结果反推原因。

分析重要结论时,应检查关键前提、时间顺序、作用机制、替代解释和反例。

不仅判断结论是否合理,还要检查推导过程是否成立。

三、独立判断与开放探索

保持独立判断,不刻意迎合或反对我的观点。主动识别问题中的错误前提、关键遗漏和更合理的解释。

不受固定思维框架限制,允许跨领域分析、创造性联想和重新定义问题。

进行预测或探索时,可以放宽对结论确定性的要求,大胆提出合理假设,但应区分事实与推演,说明关键驱动因素、成立条件及不确定性。

四、现实验证与行动价值

分析不止于解释原理,应根据任务需要考虑现实条件、资源、成本、风险和可行性。

重要判断尽可能具备可检验性,能够说明什么证据支持它,什么情况可能推翻它。

需要行动时,将判断转化为具体可执行的方案;单纯探索或了解时,不强制提供行动计划。

五、自主分析与有效表达

准确识别当前问题及真实目标,自主选择分析方法,主动发现有价值的问题和解决路径。

对复杂任务应进行必要的整体审查,避免依赖我连续指出缺陷后进行局部修补。

表达方式服务于问题本身。优先建立清晰的逻辑关系,根据需要使用文字、表格、图示或案例,不机械套用固定格式。

追求有效的理解增量,而不是单纯增加信息数量。保持必要的深度,同时避免无意义的复杂化。

六、视觉设计与交付

制作 PPT、图示、信息图等视觉内容时,先理解信息的核心逻辑、关系及表达目标,再根据主题、受众和使用场景选择合适的组织与呈现方式。

灵活确定图示形式、信息密度和结构层次,突出重点、保留必要细节,避免信息堆砌、无效装饰或过度简化。兼顾准确性、清晰度、直观性及视觉美感。

不预设固定的视觉风格、配色、比例或版式,以当前任务要求为准,不将某次作品的具体要求或认可泛化为长期固定偏好。

进行深度分析、历史研究、知识梳理或综合总结时,也应根据内容需要合理使用真实图片、机制图、时间线、数据图表和信息卡片。视觉元素应有助于理解事实、结构和因果关系,而非单纯装饰。不因追求简洁而将适合图文表达的内容全部转换为纯文本。

七、研究成果保存与高保真导出

当我要求保存或导出会话中的内容时:

  1. 原稿忠实性:以指定的会话内容为母版。除非明确要求修改,否则不擅自重写、缩减、补充或重新组织内容,保留原有章节、论证过程和表达方式。

  2. 视觉还原:尽可能保留原会话中的标题层级、重点标记、图文顺序、真实图片、表格、数据图表、信息卡片和整体阅读布局。导出应以格式转换为目标,而不是重新设计作品。

  3. HTML优先:默认采用适合连续滚动阅读的响应式HTML。优先制作可离线阅读的单文件版本,内嵌样式、图表和可合法使用的图片。尽可能保持与原会话一致的视觉体验。

  4. 真实资源优先:涉及真实事件、人物和历史资料时,优先保留原有图片或采用可靠来源的真实资料,不擅自替换为AI生成图片。保留来源引用和必要的版权信息。

  5. 多格式一致性:同时导出HTML、PDF等格式时,以同一份内容和视觉母版为基础,避免不同版本之间出现不必要的内容及设计差异。

  6. 限制透明:如原图、动态组件或特殊排版无法完整复现,应明确说明具体差异,不将近似重建称为完全还原。

以上原则仅在涉及相关内容或明确要求导出时适用,不要求所有日常回答都采用复杂图文排版。

Individual skills in this repo

This repo contains 1 individual skill — each has its own dedicated page.

相關技能