consulting-analysis

专业研究报告技能

概述

此技能可生成专业的咨询级 Markdown 格式研究报告，涵盖市场分析、消费者洞察、品牌战略、财务分析、行业研究、竞争情报、投资研究和宏观经济分析等领域。它分为两个不同阶段：

1. 阶段 1 — 分析框架生成：根据研究主题，生成严谨的分析框架，包括章节骨架、各章的数据需求、分析逻辑和可视化方案。
2. 阶段 2 — 报告生成：在其他技能完成数据收集后，综合所有输入，生成润色完善的最终报告。

输出遵循 McKinsey/BCG 咨询风格标准。报告语言遵循 output_locale 设置（默认值：中文为 zh_CN）。

数据真实性规范

严格遵循原则：报告和图表中呈现的所有数据都必须直接源自所提供的数据摘要或外部搜索结果。

• 不得捏造：不得编造、估算或模拟数据。如果缺少数据，应注明“数据不可用”，而不是伪造数字。
• 来源可追溯：每项重要论断和图表都必须能追溯到输入数据包。

核心能力

• 仅根据研究主题和范围，从零设计分析框架
• 将原始数据转化为结构化、高深度的研究报告
• 在每个子章节中遵循**“视觉锚点 → 数据对比 → 综合分析”**流程
• 按照**“数据 → 用户心理 → 策略启示”**链条产出洞察
• 嵌入预先生成的图表并构建对比表格
• 按照 GB/T 7714-2015 标准生成行内引用
• 以 output_locale 指定的语言输出报告，并采用专业咨询风格
• 根据领域（营销、金融、行业等）调整分析深度和结构

何时使用此技能

以下情况始终加载此技能：

• 用户要求市场分析、消费者洞察报告、财务分析、行业研究或任何咨询级分析报告
• 用户提供研究主题，并需要在收集数据前制定结构化分析框架
• 用户提供数据摘要、分析框架或图表文件，要求综合整理成报告
• 用户需要专业的咨询风格研究报告
• 任务涉及将研究发现转化为结构化的战略叙述

---

阶段 1：分析框架生成

目的

给定一个研究主题（例如“Z 世代护肤品市场分析”“新能源汽车行业竞争格局”“X 品牌消费者画像”），生成完整的分析框架，作为后续数据收集和最终报告生成的蓝图。

阶段 1 输入

输入	描述	必填
研究主题	要分析的主题或问题	是
范围 / 约束条件	地理范围、时间段、行业细分、目标受众等	否
具体角度	用户希望探讨的任何特定角度或假设	否
领域	分析领域：市场、金融、行业、品牌、消费者、投资等	推断

阶段 1 工作流

步骤 1.1：理解研究主题

• 解析研究主题，确定核心实体（市场、品牌、产品、行业、消费者群体、金融工具等）
• 确定分析领域（营销、金融、行业、竞争、消费者、投资、宏观等）
• 根据领域确定自然的分析维度：

领域	典型维度
市场分析	市场规模、增长趋势、市场细分、增长驱动因素、竞争格局、消费者画像
品牌分析	品牌定位、市场份额、消费者认知、营销策略、竞争对手对比
消费者洞察	人口统计特征分析、购买行为、决策旅程、痛点、场景分析
财务分析	宏观环境、行业趋势、公司基本面、财务指标、估值、风险评估
行业研究	价值链分析、市场规模、竞争格局、政策环境、技术趋势、进入壁垒
投资尽职调查	商业模式、财务健康状况、管理层评估、市场机会、风险因素、退出路径
竞争情报	竞争对手识别、战略对比、SWOT 分析、差异化定位、市场动态

步骤 1.2：选择分析框架与模型

根据已识别的领域和研究主题，选择一个或多个专业分析框架，用于构建各章节的推理结构。所选框架将指导章节大纲（步骤 1.3）中的分析逻辑。

战略与环境分析

框架	描述	适用场景
SWOT 分析	优势、劣势、机会、威胁	品牌评估、竞争定位、战略规划
PEST / PESTEL 分析	政治、经济、社会、技术（+环境、法律）	宏观环境扫描、市场进入评估、政策影响分析
波特五力模型	供应商议价能力、买方议价能力、新进入者威胁、替代品威胁、行业竞争	行业竞争格局、进入壁垒评估、利润率分析
波特钻石模型	要素条件、需求条件、相关产业、企业战略与结构	国家／地区竞争优势分析
VRIO 分析	价值、稀缺性、可模仿性、组织	核心竞争力评估、资源优势分析

市场与增长分析

框架	描述	适用场景
STP 分析	市场细分、目标市场选择、定位	市场细分、目标市场选择、品牌定位
BCG 矩阵（增长率—市场份额矩阵）	明星、现金牛、问号、瘦狗	产品组合管理、资源分配决策
安索夫矩阵	市场渗透、市场开发、产品开发、多元化	增长战略选择
产品生命周期（PLC）	导入期、成长期、成熟期、衰退期	产品战略制定、市场时机决策
TAM-SAM-SOM	总体市场／可服务市场／可获取市场	市场规模测算、机会量化
技术采纳生命周期	创新者 → 早期采用者 → 早期大众 → 晚期大众 → 落后者	新兴技术／品类渗透分析

消费者与行为分析

框架	描述	最适用场景
Consumer Decision Journey	认知 → 考虑 → 评估 → 购买 → 忠诚	消费者行为路径映射、触点优化
AARRR Funnel (Pirate Metrics)	获客、激活、留存、收入、推荐	用户增长分析、转化率优化
RFM Model	最近一次消费时间、消费频率、消费金额	客户价值细分、精准营销
Maslow's Hierarchy of Needs	生理 → 安全 → 社交 → 尊重 → 自我实现	消费者心理分析、产品价值主张
Jobs-to-be-Done (JTBD)	用户在特定情境下需要完成的“任务”	需求洞察、产品创新方向

财务与估值分析

框架	描述	最适用场景
DuPont Analysis	ROE = 净利率 × 总资产周转率 × 权益乘数	盈利能力拆解、财务健康诊断
DCF (Discounted Cash Flow)	自由现金流折现	企业／项目估值
Comparable Company Analysis	PE、PB、PS、EV/EBITDA 倍数对比	相对估值、同行基准比较
EVA (Economic Value Added)	税后营业利润 - 资本成本	价值创造能力评估

竞争与战略定位

框架	描述	最适用场景
Benchmarking	逐项比较关键绩效指标	竞争对手差距分析、最佳实践识别
Strategic Group Mapping	沿两个关键维度对竞争对手进行聚类	竞争格局可视化、空白市场识别
Value Chain Analysis	初级活动 + 支持活动的价值拆解	成本优势来源、差异化机会识别
Blue Ocean Strategy	价值曲线、四项行动框架（剔除-减少-提升-创造）	差异化创新、开创新的市场空间
Perceptual Mapping	根据消费者感知的两个维度绘制品牌定位	品牌定位分析、发现市场空白

行业与供应链分析

框架	描述	最适用场景
Industry Value Chain	上游 → 中游 → 下游拆解	理解行业结构、分析利润分配
Gartner Hype Cycle	技术触发 → 期望膨胀峰值 → 幻灭低谷 → 启蒙斜坡 → 生产力高原	新兴技术成熟度评估
GE-McKinsey Matrix	行业吸引力 × 竞争实力	业务组合优先级排序、投资决策

选择原则

1. 领域优先：根据步骤 1.1 中确定的领域，从上述工具集中选择 2-4 个最相关的框架
2. 互补性：选择互补而非重叠的框架（例如，宏观层面使用 PESTEL，微观层面使用波特五力）
3. 深度优于广度：深入应用 2 个框架，胜过浅显堆砌 6 个框架
4. 数据可行：所选框架必须能由后续数据收集技能提供支持——如果无法合理获取某框架所需的数据，应降低其优先级或替换
5. 明确映射：在章节大纲中明确标注每章使用的框架及其应用方式

框架选择输出格式

## Framework Selection

| Chapter | Selected Framework(s) | Application |
|---------|----------------------|-------------|
| Market Size & Growth Trends | TAM-SAM-SOM + Product Life Cycle | TAM-SAM-SOM to quantify market space, PLC to determine market stage |
| Competitive Landscape Assessment | Porter's Five Forces + Strategic Group Mapping | Five Forces to assess industry competition intensity, Group Mapping to visualize competitive positioning |
| Consumer Profiling | RFM + Consumer Decision Journey | RFM to segment customer value, Decision Journey to identify key conversion nodes |
| Brand Strategy Recommendations | SWOT + Blue Ocean Strategy | SWOT to summarize overall landscape, Blue Ocean to guide differentiation direction |

第 1.3 步：设计章节框架

生成分层的章节结构。每章必须包含：

1. 章节标题 — 专业、简洁、以主题为中心（遵循“格式”部分中的标题约束）
2. 分析目标 — 本章旨在揭示什么
3. 分析逻辑 — 推理链或框架（必须引用第 1.2 步中选定的框架）
4. 核心假设 — 有待通过数据验证或证伪的初步假设

章节框架输出格式

## Analysis Framework

### Chapter 1: [Title]
- **Analysis Objective**: [This chapter aims to...]
- **Analysis Logic**: [Framework or reasoning chain used]
- **Core Hypothesis**: [Hypotheses to validate]
- **Data Requirements**: (see Step 1.4)
- **Visualization Plan**: (see Step 1.5)

### Chapter 2: [Title]
...

第 1.4 步：定义各章节的数据查询要求

针对每章，明确说明需要收集哪些数据。这是衔接下游数据收集技能的桥梁。

每项数据要求必须包含：

字段	说明
数据指标	所需的具体指标或数据点（例如，“中国护肤品市场规模，2020-2025 年（单位：十亿元人民币）”）
数据类型	定量、定性或混合
建议来源	建议的来源类别：行业报告、财务报表、政府统计数据、社交媒体、电商平台、调查数据、新闻
搜索关键词	建议数据收集 Agent 使用的搜索查询
优先级	P0（必需）/ P1（重要）/ P2（补充）
时间范围	数据应覆盖的时间段

数据要求输出格式（按章节）

#### Data Requirements

| # | Data Metric | Data Type | Suggested Sources | Search Keywords | Priority | Time Range |
|---|-------------|-----------|-------------------|-----------------|----------|------------|
| 1 | Market size (billion CNY) | Quantitative | Industry reports, government statistics | "China skincare market size 2024" | P0 | 2020-2025 |
| 2 | CAGR | Quantitative | Industry reports | "skincare CAGR growth rate" | P0 | 2020-2025 |
| 3 | Sub-category share | Quantitative | E-commerce platforms, industry reports | "skincare category share cream serum sunscreen" | P1 | Latest |
| 4 | Policy & regulatory updates | Qualitative | Government announcements, news | "cosmetics regulation 2024" | P2 | Past 1 year |

第 1.5 步：定义各章节的可视化与内容结构

针对每章，明确最终报告中计划使用的可视化形式和内容结构：

字段	说明
可视化类型	图表类型：折线图、柱状图、饼图、散点图、雷达图、热力图、桑基图、对比表等
可视化标题	图表的描述性标题
可视化数据映射	哪些数据指标对应 X/Y 轴或分区
对比表设计	数据对比表的列标题和对比维度
论证结构	计划采用的“是什么 → 为什么 → 意义何在”叙述提纲

可视化计划输出格式（按章节）

#### Visualization & Content Plan

**Chart 1**: [Type] — [Title]
- X-axis: [Dimension], Y-axis: [Metric]
- Data source: Corresponds to Data Requirement #1, #2

**Comparison Table**:
| Dimension | Item A | Item B | Item C |
|-----------|--------|--------|--------|

**Argument Structure**:
1. **Observation (What)**: [Surface phenomenon revealed by data]
2. **Attribution (Why)**: [Driving factors or underlying causes]
3. **Implication (So What)**: [Strategic implications or recommended actions]

第 1.6 步：输出完整的分析框架

将所有输出汇总为一份结构化的分析框架文档：

# [Research Subject] Analysis Framework

## Research Overview
- **Research Subject**: [...]
- **Scope**: [Geography, time range, industry segment]
- **Analysis Domain**: [Market / Finance / Industry / Brand / Consumer / ...]
- **Core Research Questions**: [1-3 key questions]

## Framework Selection

| Chapter | Selected Framework(s) | Application |
|---------|----------------------|-------------|
| ... | ... | ... |

## Chapter Skeleton

### 1. [Chapter Title]
- **Analysis Objective**: [...]
- **Analysis Logic**: [...]
- **Core Hypothesis**: [...]

#### Data Requirements
| # | Data Metric | Data Type | Suggested Sources | Search Keywords | Priority | Time Range |
|---|-------------|-----------|-------------------|-----------------|----------|------------|
| ... | ... | ... | ... | ... | ... | ... |

#### Visualization & Content Plan
[Chart plan + Comparison table design + Argument structure]

### 2. [Chapter Title]
...

### N. [Chapter Title]
...

## Data Collection Task List
[Consolidate all P0/P1 data requirements across chapters into a structured task list for downstream data collection skills to execute]

第 1 阶段质量检查清单

• 分析框架涵盖已识别领域的所有自然维度
• 选定 2-4 个专业分析框架，并明确映射到各章节
• 所选框架相互补充（不重叠），且数据可行
• 每章都包含清晰的分析目标、分析逻辑（引用选定的框架）和核心假设
• 数据要求具体、可衡量，并包含搜索关键词
• 每章至少有一个可视化计划
• 数据优先级（P0/P1/P2）设置合理
• 框架具备可操作性 — 数据收集 Agent 可直接根据搜索关键词执行
• 数据收集任务清单全面且无重复

---

阶段 1→2 交接：数据收集与图表生成

生成分析框架后，将其移交给其他数据收集技能（例如 deep-research、data-analysis、网络搜索 Agent），以便：

1. 执行各章节数据要求中的搜索关键词
2. 收集定量数据、定性洞察和来源 URL
3. 根据可视化与内容计划生成图表
4. 返回包含以下内容的数据包：
   • 数据摘要：各章节的原始数据、指标和定性发现
   • 图表文件：生成的图表图片及其本地文件路径
   • 外部搜索发现：用于引用的来源 URL 和摘要

**此技能不执行数据收集。**它仅生成框架（阶段 1）和最终报告（阶段 2）。

图表生成：如果有可用的可视化／制图技能（例如 data-analysis、image-generation），可以将图表生成推迟到阶段 2 开始时进行——参见步骤 2.3。

---

阶段 2：报告生成

目的

接收上游提供的已完成分析框架和数据包，并将其综合为一份咨询级最终报告。

阶段 2 输入

输入	描述	必需
分析框架	阶段 1 生成的框架文档	是
数据摘要	数据收集阶段按章节整理的收集数据	是
图表文件	已生成图表图片的本地文件路径。如果未提供，将在步骤 2.3 中使用可用的可视化技能生成	可选
外部搜索发现	用于文内引用的 URL 和摘要	可选

阶段 2 工作流

步骤 2.1：接收并验证输入

确认所有必需输入均已提供：

1. 分析框架——确认其中包含章节骨架、数据要求和可视化计划
2. 数据摘要——确认其中包含按章节整理的数据，并与 P0 要求交叉核对
3. 图表文件——确认文件路径是有效的本地路径

如果缺少任何 P0 数据，请在报告中注明并提醒用户。

步骤 2.2：映射报告结构

根据分析框架映射最终报告结构：

1. 摘要——包含关键要点的执行摘要
2. 引言——背景、目标和方法论
3. 主体章节（2...N）——根据框架的章节骨架映射
4. 结论——纯粹、客观的综合总结
5. 参考文献——按 GB/T 7714-2015 格式编排的参考文献

步骤 2.3：生成章节图表（报告撰写前的可视化）

撰写报告前，根据分析框架的可视化与内容计划生成所有规划中的图表。此步骤可确保每个子章节在开始撰写叙述内容之前，都已准备好其“视觉锚点”。

执行此步骤的时机

• 已提供图表文件：跳过此步骤，直接进入步骤 2.4。
• 未提供图表文件，但有可用的可视化技能：执行此步骤，先生成所有图表。
• 既未提供图表文件，也没有可用的可视化技能：跳过此步骤，在步骤 2.4 中使用对比表作为主要视觉锚点，并注明缺少图表。

图表生成工作流

1. 提取图表任务：解析分析框架中的所有 Visualization & Content Plan 条目，构建图表生成任务清单：

#	章节	图表类型	图表标题	数据映射	数据来源
1	2.1	折线图	2020-2025 年市场规模趋势	X：年份，Y：市场规模（亿元）	数据需求 #1、#2
2	3.1	饼图	消费者年龄分布	扇区：年龄组，数值：占比 %	数据需求 #5
...	...	...	...	...	...

2. 准备图表数据：对于每项图表任务，从数据摘要中提取相应的数据点。

   重要：只能使用数据摘要中提供的数字。不要编造数据，也不要为了让图表看起来更美观而对数据进行“平滑”处理。如果缺少数据点，图表必须如实呈现这一情况（例如，折线中断或柱形缺失），或者调整图表类型。

3. 委派给可视化技能：为每项图表任务调用可用的可视化／制图技能（例如，data-analysis），并提供：

   • 图表类型和标题
   • 结构化数据
   • 坐标轴标签和格式偏好
   • 输出文件路径约定：charts/chapter_{N}_{chart_index}.png

4. 收集图表文件路径：记录所有生成的图表文件路径，以便在步骤 2.4 中嵌入：

## Generated Charts
| # | Chapter | Chart Title | File Path |
|---|---------|-------------|-----------|
| 1 | 2.1 | Market Size Trend 2020-2025 | charts/chapter_2_1.png |
| 2 | 3.1 | Consumer Age Distribution | charts/chapter_3_1.png |

5. 验证：确认所有 P0 优先级图表均已生成。如果任何图表生成失败，请注明，并在对应子章节中改用对比表。

原则：必须在开始撰写报告前完成所有图表生成。这样可确保视觉叙事保持一致，并避免在生成图表和撰写报告之间交替进行。

步骤 2.4：撰写报告

对于每个子章节，遵循**“视觉锚点 → 数据对比 → 综合分析”**的流程：

1. 视觉证据块：使用 ![Image Description](Actual_File_Path) 嵌入图表——使用步骤 2.3 中收集的文件路径
2. 数据对比表：为关键指标创建 Markdown 对比表

   来源规则：表格中的每个数字都必须来自数据摘要，不得产生幻觉。

3. 综合叙述分析：按照“是什么 → 为什么 → 所以呢”的逻辑撰写分析文本

   叙述规则：叙述必须解释已提供的数据。不得提出输入信息无法支持的论断。

每个子章节都必须以一段扎实的分析文字结尾（至少 200 个词），并且：

• 综合相互冲突或彼此印证的数据点
• 揭示潜在的用户矛盾或机会
• 可以选择在结尾用引用块（>）写一句有力的“核心洞见”

步骤 2.5：最终结构自检

输出前，确认报告按顺序包含所有章节：

Abstract → 1. Introduction → 2...N. Body Chapters → N+1. Conclusion → N+2. References

另外，请验证：

• 步骤 2.3 中生成的所有图表均已嵌入正确的子章节
• ![](path) 引用中的图表文件路径有效
• 没有图表的子章节均使用对比表作为视觉锚点

报告不得在结论后结束——最后一节必须是参考文献。

格式与语气标准

咨询顾问风格

• 语气：McKinsey/BCG 风格——权威、客观、专业
• 语言：所有标题和内容均使用 output_locale 指定的语言
• 数字格式：千位分隔符使用英文逗号（1,000，而非 1，000）
• 数据强调：将重要观点和关键数字设为粗体

标题限制

• 编号：使用标准编号（1.、1.1），编号后直接接标题
• 禁止的前缀：不得使用“Chapter”“Part”“Section”作为前缀
• 允许的语气词：分析、画像、概述、洞见、评估
• 禁用词：“Decoding”“DNA”“Secrets”“Mindscape”“Solar System”“Unlocking”

子章节结论

• 要求：每个子章节都以一段扎实的分析段落收尾（至少 200 词）。
• 叙述衔接：这段文字必须自然延续正文内容，并将本节发现综合为战略判断。
• 内容逻辑：
  1. 综合以上相互矛盾或相互印证的数据点。
  2. 揭示用户潜在的矛盾心理或机遇。
  3. 核心洞察：可选：只有在你能提炼出简洁有力的“一句话真相”时，才在末尾用引用块（>）呈现，以此为本节点题。

洞察深度（“所以呢”推导链）

每条洞察都必须串联数据 → 用户心理 → 战略启示：

❌ Bad: "Females are 60%. Strategy: Target females."

✅ Good: "Females constitute 60% with a high TGI of 180. **This suggests**
   the purchase decision is driven by aesthetic and social validation
   rather than pure utility. **Consequently**, media spend should pivot
   towards visual-heavy platforms (e.g., RED/Instagram) to maximize CTR,
   treating male audiences only as a secondary gift-giving segment."

参考文献

• 文内引用：使用外部搜索结果时，为来源添加 Markdown 链接（例如 [来源标题](URL)）。
• 参考文献部分：严格按照 GB/T 7714-2015 格式编排。

Markdown 规则

• 直接开始：直接以 # 报告标题 开始，不要添加引言文字。
• 不要分隔线：不要使用水平分隔线（---）。

报告结构模板

# [Report Title]

## Abstract
[Executive summary with key takeaways]

## 1. Introduction
[Background, objectives, methodology]

## 2. [Body Chapter Title]
### 2.1 [Sub-chapter Title]
![Chart Description](chart_file_path)

| Metric | Brand A | Brand B |
|--------|---------|--------|
| ... | ... | ... |

[Integrated narrative analysis: What → Why → So What, min. 200 words]

> [Optional: One-liner strategic truth]

### 2.2 [Sub-chapter Title]
...

## N+1. Conclusion
[Pure objective synthesis, NO bullet points, neutral tone]
[Para 1: The fundamental nature of the group/market]
[Para 2: Core tension or behavior pattern]
[Final: One or two sentences stating the objective truth]

## N+2. References
[1] Author. Title[EB/OL]. URL, Date.
[2] ...

完整示例

阶段 1 示例：框架生成

用户提供：研究主题“Z 世代护肤品市场分析”

阶段 1 输出（分析框架）：

# Gen-Z Skincare Market Analysis Framework

## Research Overview
- **Research Subject**: Gen-Z Skincare Market Deep Analysis
- **Scope**: China market, 2020-2025, consumers aged 18-27
- **Analysis Domain**: Market Analysis + Consumer Insights
- **Core Research Questions**:
  1. What is the size and growth momentum of the Gen-Z skincare market?
  2. What is unique about Gen-Z consumer skincare behavior patterns?
  3. How can brands effectively reach and convert Gen-Z consumers?

## Chapter Skeleton

### 1. Market Size & Growth Trends
- **Analysis Objective**: Quantify Gen-Z skincare market size and identify growth drivers
- **Analysis Logic**: Total market → Segmentation → Growth rate → Driver decomposition
- **Core Hypothesis**: Gen-Z is becoming the core engine of skincare consumption growth

#### Data Requirements
| # | Data Metric | Data Type | Suggested Sources | Search Keywords | Priority | Time Range |
|---|-------------|-----------|-------------------|-----------------|----------|------------|
| 1 | China skincare market total size | Quantitative | Industry reports | "China skincare market size 2024 2025" | P0 | 2020-2025 |
| 2 | Gen-Z skincare spending share | Quantitative | Industry reports, e-commerce platforms | "Gen-Z skincare spending share youth" | P0 | Latest |

#### Visualization & Content Plan
**Chart 1**: Line chart — China Skincare Market Size Trend 2020-2025
**Argument Structure**:
1. What: Quantified status of market size and Gen-Z share
2. Why: Consumption upgrade, ingredient-conscious consumers, social media driven
3. So What: Brands should prioritize building youth-oriented product lines

### 2. Consumer Profiling & Behavioral Insights
...

## Data Collection Task List
[Consolidated P0/P1 tasks]

阶段 2 示例：报告生成

数据收集完成后，用户提供：分析框架 + 包含品牌指标的数据摘要 + 图表文件路径。

阶段 2 输出（最终报告）遵循以下结构：

1. 以 # Z 世代护肤品市场深度分析报告 开始
2. 摘要 —— 以执行摘要的形式列出 3-5 条关键结论
3. 1. 引言 —— 市场背景、研究范围、数据来源
4. 2. 市场规模与增长趋势分析 —— 插入趋势图、对比表格和战略叙述
5. 3. 消费者画像与行为洞察 —— 人口统计特征、购买驱动因素、“所以呢”分析
6. 4. 品牌竞争格局评估 —— 品牌定位、份额分析、竞争动态
7. 5. 营销策略与渠道洞察 —— 渠道成效、内容策略启示
8. 6. 结论 —— 以连贯的行文进行客观综合（不使用项目符号）
9. 7. 参考文献 —— 按 GB/T 7714-2015 格式编排

---

质量检查清单

阶段 1 质量检查清单（分析框架）

• 框架涵盖所识别领域中所有自然的分析维度
• 每章都有明确的分析目标、分析逻辑和核心假设
• 数据需求具体、可衡量，并包含可执行的搜索关键词
• 每章至少包含一个可视化方案，注明图表类型和数据映射
• 已分配数据优先级（P0/P1/P2）——P0 项是核心论点不可或缺的依据
• 数据收集任务清单全面、无重复，可直接用于后续执行
• 框架适配正确的领域（市场/金融/行业/消费者等）

阶段 2 质量检查清单（最终报告）

• 禁止虚构：所有数字和图表均已对照输入的数据摘要核实
• 所有计划中的图表均在撰写报告前生成（先完成步骤 2.3）
• 所有章节均按正确顺序呈现（摘要 → 引言 → 正文 → 结论 → 参考文献）
• 每个子章节均遵循“视觉锚点 → 数据对比 → 综合分析”
• 每个子章节均以至少 200 字的分析段落结尾
• 所有洞察均遵循“数据 → 用户心理 → 策略启示”的链条
• 所有标题均采用规范编号（不带“Chapter/Part/Section”前缀）
• 图表均使用 ![Description](path) 语法嵌入
• 数字的千位分隔符使用英文逗号
• 适用时，行内引用使用 Markdown 链接
• 参考文献章节遵循 GB/T 7714-2015
• 文档中不含水平分隔线（---）
• 结论使用连贯的散文体，不使用项目符号
• 报告直接以 # 标题开头，不加前言
• 报告中明确标注缺失的 P0 数据

输出格式

• 阶段 1：以 Markdown 格式输出完整的分析框架
• 阶段 2：以 Markdown 格式输出完整的报告

设置

output_locale = zh_CN  # configurable per user request
reasoning_locale = en

备注

• 此技能在多步骤 Agent 工作流的两个阶段中运行：
  • 阶段 1生成分析框架和数据收集要求
  • 数据收集由其他技能（deep-research、data-analysis 等）执行
  • 阶段 2接收收集到的数据并生成最终报告
• 动态命名标题：将框架中的主题改写为专业、简洁、以主题为中心的标题
• 结论部分不得包含任何详细建议——这些内容应放在前面的正文各章中
• 绝不虚构政策：报告中的每项陈述、图表和数字都必须有输入数据摘要中的数据点作为依据。若数据缺失，应如实说明。
• 可追溯性：如有要求，必须能够指出数据摘要或外部搜索结果中支持某项主张的具体行。
• 框架应根据具体领域调整分析维度和深度（财务分析与消费者洞察采用不同的框架）
• 当研究主题含糊不清时，默认采用合理范围内最广的范围，并注明假设