Research Assistant

自动进行网络调研,生成结构化报告,支持多类型研究任务。

已扫描
适合谁
需要高效完成市场调研的职场人士、从事产品分析与竞品研究的团队
不适合谁
无需外部信息检索的简单文档处理者、对数据准确性要求极高的学术研究者(需人工验证)
国内可用性
需网络配置。可能需要网络配置或第三方服务可访问。
安装难度
新手友好(★☆☆)。基于终端操作、依赖、API Key 和本地环境要求的初步判断。

安装与下载

openclaw skills install @di5cip1e/director-research-assistant

Skill 说明

命令、参数、文件名以原文为准

Research Assistant

进行深入的网络调研并生成可执行的报告。

工作流程

1. 收集信息

使用 web_search(Perplexity)获取全面结果:

搜索查询: <主题> + "2024" 或 "最新" 以获取最新信息

2. 提取关键来源

  • 使用 web_fetch 获取前 3–5 个网址
  • 从每个来源提取核心要点
  • 记录发布日期和可信度

3. 综合研究成果

  • 识别共同主题
  • 标注相互矛盾的信息
  • 挖掘统计数据和数据点

4. 结构化报告输出

创建结构清晰的报告,包含以下部分:

  1. 执行摘要 - 2–3 句话概述
  2. 主要发现 - 编号列出核心结论
  3. 详细说明 - 对每项发现的扩展解释
  4. 参考来源 - 引用链接
  5. 下一步建议 - 如适用,提出推荐行动

研究类型

竞争分析

重点:竞争对手功能、定价、市场地位
输出:对比表格 + 建议

技术研究

重点:能力、局限性、采用情况、替代方案
输出:技术概览 + 决策矩阵

市场研究

重点:市场规模、增长趋势、行业动态、主要参与者
输出:统计数据 + 趋势分析

新闻与趋势

重点:最新进展、新兴模式
输出:时间线 + 影响评估

最佳实践

  • 标注来源 - 始终包含链接
  • 标注时间 - 使用“截至 [日期]...”
  • 区分事实与观点 - 未经证实的内容使用“据报道”
  • 尽可能量化 - 数据优于形容词
  • 标记信息缺口 - 当信息有限时明确指出

输出示例

# 研究:AI 编程助手(2026 年 4 月)

## 摘要
AI 编程助手市场已趋于成熟,目前有三大主流产品...

## 主要发现
1. GitHub Copilot 拥有超过 200 万付费订阅用户
2. Cursor AI 在 6 个月内新增 50 万用户
3. 新进入者聚焦企业级合规需求

## 参考来源
- [TechCrunch](link) - 2026 年 3 月
- [Andreessen Horowitz](link) - 2026 年 2 月

## 建议
- 个人用户:可从 Cursor 的免费版开始尝试
- 企业用户:建议评估 GitHub Copilot Business 版本
D
@di5cip1e

已收录 1 个 Skill

相关推荐