自主研究

独立开展全面的研究。

适用场景

• 对任意主题进行深度研究
• 在无明确指引的情况下收集信息
• 分析并整合研究成果
• 生成详细报告

核心能力

1. 独立研究

• 寻找相关的信息来源
• 评估来源的可信度
• 提取关键信息
• 多源交叉验证

2. 分析与综合

• 识别模式与关联
• 分析相互矛盾的信息
• 将发现整合为连贯的洞见
• 基于证据得出结论

3. 报告生成

• 逻辑化组织研究成果
• 生成全面的报告
• 包含引用与参考文献
• 提供可执行的建议

4. 来源管理

• 跟踪信息来源
• 管理引用与参考文献
• 评估来源可靠性
• 随新信息更新研究成果

研究流程

1. 主题定义 → 明确研究范围
2. 来源识别 → 找到相关资料
3. 信息提取 → 摘取关键数据
4. 分析 → 分析并综合发现
5. 报告撰写 → 生成完整报告
6. 验证 → 确保准确性和完整性

快捷指令

• research [主题] - 开展全面研究
• analyze sources - 评估来源可信度
• synthesize findings - 从数据中提炼洞察
• generate report - 生成详细报告
• validate research - 验证研究准确性与完整性

使用示例

"研究2026年AI代理的变现策略"
"分析自主代理开发的当前状态"
"查找并评估关于大模型推理能力的资料"
"生成关于AI安全问题的综合性报告"
"验证研究成果并识别空白点"

研究方法论

1. 来源选择

• 学术论文与期刊
• 行业报告与白皮书
• 专家博客与文章
• 原始资料与数据

2. 信息提取

• 关键发现与洞见
• 数据点与统计数据
• 专家观点与分析
• 方法论与研究路径

3. 交叉验证

• 在不同来源间比较信息
• 识别矛盾与共识
• 用多源信息验证主张
• 综合形成主流观点

4. 分析框架

• SWOT分析（优势、劣势、机会、威胁）
• 趋势分析与预测
• 对比分析
• 影响评估

报告结构

标准格式

# 研究报告：[主题]

## 执行摘要
- 主要发现与结论
- 可执行的洞见
- 建议

## 研究范围
- 目标与问题
- 方法与来源
- 局限性与假设

## 发现
- 各方面的详细分析
- 数据与证据
- 专家意见

## 分析
- 模式与趋势
- 意义与影响
- 机遇与威胁

## 结论
- 核心要点
- 建议
- 未来展望

## 来源
- 引用参考文献
- 扩展阅读
- 数据来源

来源评估

可信度标准

• 作者的专业背景与资质
• 出版机构声誉
• 发布时间与时效性
• 研究方法与证据支持
• 引用与参考文献情况

可靠性评估

• 是否经过同行评审
• 数据质量与方法严谨性
• 是否披露利益冲突
• 研究结果是否可复现
• 专家共识程度

信息提取

数据收集

• 提取关键统计数据与数据点
• 识别趋势与模式
• 记录专家观点与预测
• 捕捉研究方法与路径

内容分析

• 识别主要论点与结论
• 提取支持性证据
• 注意局限与注意事项
• 捕捉意义与应用场景

综合过程

模式识别

• 归类相似发现
• 识别共通主题
• 注意矛盾与一致之处
• 建立概念间的关联图谱

洞见生成

• 从证据中得出结论
• 识别影响与意义
• 生成可操作建议
• 预测未来趋势

报告撰写

• 逻辑化组织研究成果
• 使用清晰简洁的语言
• 包含支持性证据
• 提供可执行建议

质量保障

准确性验证

• 交叉核对事实与数据
• 验证来源与引用
• 审查逻辑一致性
• 检查偏见与客观性

完整性检查

• 确保覆盖所有方面
• 识别缺失信息
• 验证研究范围
• 检查空白与局限

清晰性评估

• 审查可读性与结构
• 检查逻辑流畅性
• 验证建议清晰度
• 确保建议具有可操作性

高级功能

1. 多源分析

• 整合来自多样化来源的信息
• 识别共识与分歧
• 综合形成全面视角
• 提供平衡的观点

2. 趋势分析

• 识别新兴模式
• 预测未来发展
• 分析历史趋势
• 推演潜在影响

3. 对比研究

• 比较不同方法
• 评估替代方案
• 识别最佳实践
• 推荐最优解决方案

4. 影响评估

• 分析后果与影响
• 评估风险与机遇
• 评估可行性与可持续性
• 推荐应对策略

与其他技能的集成

任务编排

• 协调多个研究代理
• 管理复杂研究项目
• 编排数据收集与分析流程

内容创作

• 生成基于研究的内容
• 制作数据驱动的报告
• 产出有证据支持的建议

分析技能

• 应用高级分析技术
• 使用专业分析框架
• 生成更深层次的洞见

最佳实践

技能：自主研究

版本：1.0.0

分块：2/2

1. 广泛起步：从宽泛的范围开始，逐步缩小聚焦
2. 多元来源：使用多种类型的信息来源
3. 交叉验证：在不同来源之间核对信息
4. 保持时效：使用最新且相关的资料
5. 保持批判性：质疑假设与偏见
6. 全程记录：详细保存所有参考资料
7. 验证结论：检查结果的准确性和完整性
8. 提供背景：解释其意义与影响

常见研究主题

技术

• 人工智能与机器学习趋势
• 软件开发最佳实践
• 新兴技术
• 技术对比分析

商业

• 市场分析与趋势
• 竞争性研究
• 商业模式与策略
• 行业分析

科学

• 研究成果与突破
• 科学方法与研究路径
• 实验结果与分析
• 理论进展

社会

• 社会趋势与行为
• 文化分析
• 公众意见与情绪
• 人口统计研究

输出格式

1. 研究报告

• 包含引用的全面分析
• 执行摘要
• 详细发现与建议

2. 数据报告

• 统计分析与可视化
• 数据驱动的洞察
• 趋势分析与预测

3. 对比报告

• 并列对比
• 评估矩阵
• 建议框架

4. 执行摘要

• 精炼的总结
• 核心洞察与要点
• 可操作的建议

成功指标

• 全面性：涵盖所有相关方面
• 准确性：事实正确性与可靠性
• 深度：分析的质量与深入程度
• 可操作性：建议的实际价值
• 清晰性：可读性与易理解性
• 可信度：来源的质量与可靠性

提醒：优质的研究应具备全面性、准确性与可操作性。