关于 us-program-research
us-program-research 是一套针对美国本科、硕士和博士项目的结构化研究技能,适用于比较项目并制定申请计划。它分析申请者背景与学历资质,通过并行调研和适配评分卡生成项目排名及行动方案。
主要功能
- 01分析学历资质与等效评估策略
- 02并行发现并深入调研项目
- 03比较课程、费用和录取要求
- 04按申请者情况调整评分与排名
- 05生成申请行动计划文档
适用场景
- 01筛选符合预算和地点偏好的项目
- 02比较多个硕士或博士项目的课程与费用
- 03制定申请时间表和材料清单
安装
复制下面的命令,在终端中运行。
npx skills add https:/ / github.com/ ericgandrade/ claude-superskills --skill us-program-research安装后在 Claude Code 中输入/us-program-research确认已加载。
包含的文件
除 SKILL.md 外,安装时一起下载的参考资料和脚本。
README.mdevals/evals.jsontrigger-eval.jsonreferences/action-plan-template.mdcredential-analysis.mdresearch-sources.mdscorecards.mdsubagent-prompts.md详细介绍
美国学术项目研究——完整工作流
目的
对美国学术项目开展结构化研究,包括资历分析、并行探索、自适应评分卡,以及生成可执行的申请计划文档。
适用场景
在任务需要以下内容时使用此技能:
- 选择并排名美国的项目(博士、硕士或本科)
- 详细比较课程设置、费用和录取要求
- 根据个人背景、预算和时间安排制定申请策略
- 生成用于决策和执行的最终汇总文档
进度跟踪
在每个研究阶段开始前显示进度:
[███░░░░░░░░░░░░░░░░░] 15% — Phase 0: Program Type Detection & Input Collection
[██████░░░░░░░░░░░░░░] 30% — Phase 1: Profile & Credential Analysis
[█████████░░░░░░░░░░░] 45% — Phase 2: Parallel Discovery (4 subagents)
[████████████░░░░░░░░] 60% — Phase 3: Parallel Deep Research (4 subagents)
[███████████████░░░░░] 75% — Phase 4: Adaptive Scorecards & Ranking
[█████████████████░░░] 85% — Phase 5: Document Generation
[████████████████████] 100% — Phase 6: Inline Report & Recommendations
工作流
按以下顺序执行各阶段,同时确保来源可追溯,并将事实与推断分开。
针对美国学术项目(博士、硕士 MS/MBA/MPS 或本科)开展个性化研究。 分析申请者的个人背景,通过子 Agent 并行搜索,发掘潜力项目, 应用自适应评分卡,并生成包含排名、课程设置、费用 和分步清单的完整 ACTION_PLAN.md。
**输出语言:**葡萄牙语(与用户的研究背景相匹配)。**查询/子 Agent:**英语(确保搜索质量的必要要求)。
执行说明
- 阶段 0——检测项目类型(第一个问题)
- 阶段 0B——开始研究前收集所有输入信息
- 阶段 2——在一条消息中启动 4 个子 Agent(真正并行)
- 阶段 3——在一条消息中启动 4 个深度研究子 Agent
- 阶段 4——所有研究完成后应用自适应评分卡
- 阶段 5——生成完整文档并保存
- 阶段 6——向用户呈现内嵌报告
重要:所有搜索查询和子 Agent 提示词都必须使用英语。
阶段 0——项目类型检测
使用 AskUserQuestion 提问: “您想申请哪类美国学术项目?”
选项:
- 博士/博士学位——4–7 年研究。通常提供全额资助(津贴 + 学费)。
- 硕士——MS、MBA、MPS、MEng(1.5–3 年)。高管、技术、在线或线下项目。
- 本科/学士学位——第一个或第二个学位(BS、BA)。2–4 年。
整个工作流将根据此答案调整。
阶段 0B——收集输入信息(分 2 轮使用 AskUserQuestion)
第 A 轮——个人背景(所有类型,最多 4 个问题):
- 全名 + 电子邮箱
- 原籍国 + 文凭所用语言
- 目前取得的最高学历:院校、文凭类型、GPA/成绩(例如:“8.1/10”)
- 希望学习的领域(例如:计算机科学、商业分析、AI、金融……)
第 B 轮——安排与偏好(最多 4 个问题):
- 希望就读的美国城市/州(或“地点不限”)
- 偏好形式:线下 / 100% 在线 / 混合 / 无偏好
- 总预算:低于 $20k / $20–50k / $50–80k / 高于 $80k / 希望获得资助
- 希望的入学时间:2026 / 2027 / 2028 / 灵活
根据项目类型追加的问题:
- **博士:**具体研究方向?是否有意向导师?是否只考虑有资助的项目?
- **硕士:**目前的职位/级别(初级/经理/总监/副总裁/高管)?学习期间是否工作?
- **本科:**第一个还是第二个学位?是否有可转学分?偏好大型还是小型校园?
可选输入(提供即可,不作要求):简历、成绩单、先前的高管课程、 美国移民身份(Green Card / F1-OPT / H1-B / 其他)。
阶段 1 — 个人背景与学历证书分析
在评估任何项目之前,先确定外国学历的等同性和评估策略。
操作: 查阅 references/credential-analysis.md,了解:
- 各国学历等同性对照表(包括巴西 Tecnólogo 学位的风险)
- 按项目类型比较 WES 与 ECE
- WES ICAP 分步流程(8 个步骤 + 2 种情形:结果有利与不利)
- VP/C-Level 候选人的防降级分析(仅限硕士)
- PhD 导师适配度分析 + 联系邮件模板
- 州内学费逻辑(绿卡 + 12 个月居住地要求 = 符合资格)
巴西 Tecnólogo = 高风险。WES 可能将其评估为副学士学位,而非学士学位。 如果 WES 评估结果不利,建议提供院校证明信,并将 ECE 作为第二意见。
阶段 2 — 并行调研(4 个子 Agent)
重要:在同一条消息中同时启动全部 4 个子 Agent(Task 工具 × 4)。
将调研任务分配给 4 个 subagent_type="general-purpose" 的子 Agent:
| 子 Agent | 重点 | 最少项目数 |
|---|---|---|
| A | 区域 / 当地线下项目 | 4 |
| B | 全国性线上项目 / 品牌价值 | 5 |
| C | 隐藏宝藏(低成本) | 3 |
| D | 参考排名 | 前 20 名背景信息 |
操作: 查阅 references/subagent-prompts.md,获取每个子 Agent 的完整提示词(英文),包括所有待收集字段和搜索查询。
全部 4 个子 Agent 完成后:
- 对项目去重(同一所学校可能出现在多个子 Agent 的结果中)
- 核实认证:AACSB(商科)、ABET(工程)——缺少认证会降低品牌价值评分
- 对 PhD:核实项目是全额资助还是自费
- 分组:1(首选线下)、1.5(线上品牌价值)、2(技术类 / 优先级较低)
- 目标:为阶段 3 准备 12–20 个不重复的项目
阶段 3 — 并行深入调研(4 个子 Agent)
重要:将 12–20 个项目分为 4 组(每组 3–5 个),并在同一条消息中启动调研。
对每个项目收集:完整课程设置、官网核实的费用、学生评价(Niche/Reddit/GMAT Club/GradCafe)、录取要求(GMAT/TOEFL/推荐信/截止日期)、校友网络。
操作: 查阅 references/subagent-prompts.md,获取完整的深入调研模板(“Deep Research Template”部分),其中包含所有英文查询。
阶段 4 — 自适应评分表
操作: 查阅 references/scorecards.md,获取完整评分表。
按项目类型选择评分表:
| 类型 | 评分表 | 关键标准 |
|---|---|---|
| 硕士 | 评分表 A | 品牌 + 高管职业准备度 + 灵活性 + 人脉 + 投资回报率 + 满意度 |
| PhD | 评分表 B | 研究声誉 + 导师适配度 + 资金支持 + 就业去向 + 满意度 |
| 学士 | 评分表 C | 品牌 + 职业发展起步 + 投资回报率 + 校园生活 + 满意度 |
硕士 — 按候选人级别调整权重:
| 标准 | EXECUTIVE | SENIOR | STANDARD | CAREER_LAUNCH | OPT_CRITICAL |
|---|---|---|---|---|---|
| 品牌价值 | 25 | 23 | 23 | 23 | 22 |
| 高管职业准备度* | 25 | 22 | 18 | 10 | 20 |
| 灵活性 | 16 | 16 | 14 | 12 | 16 |
| 人脉质量 | 15 | 15 | 15 | 15 | 12 |
| 投资回报率 / 成本效益 | 12 | 14 | 16 | 20 | 14 |
| 学生满意度 | 10 | 10 | 10 | 10 | 10 |
| STEM 认定 | 0 | 0 | 0 | 0 | 6 |
*对 VP/C-Level 而言,此项为“高管职业准备度”;对非高管而言,此项为“职业发展起步潜力”。
层级分类:
| 层级 | 分数 | 标签 | 操作 |
|---|---|---|---|
| 前 5 名 | ≥ 80 | 最高优先级 | 必须申请 |
| 第 2 层级 | 70–79 | 预算允许时考虑 | 预算允许时考虑 |
| 第 3 层级 | 55–69 | 备选 | 仅作备选 |
| 第 4 层级 | < 55 | 避免 | 避免 |
💎 隐藏宝藏 = 分数 ≥ 70 且费用 ≤ 预算的 50% 且满意度 ≥ 8.0/10
阶段 5 — 生成文档
保存为:{CANDIDATE_NAME}_US_PROGRAM_ACTION_PLAN.md(位于当前目录)。
操作: 查阅 references/action-plan-template.md,获取完整的葡萄牙语文档模板,
其中包含所有章节、约 30 个对齐的表格,以及表格格式政策。
生成的文档必须包含以下章节: 总体状态 → 优先后续行动 → 阶段 1(WES/ECE)→ 阶段 2(考试)→ 阶段 3(联系)→ 阶段 4(提交)→ 评估人员 → 按层级划分的已选项目 → 自适应评分卡 + 完整排名 → 课程对比 → 详细课程设置 → 费用对比 → 录取对比 → 各项目入选原因 → 文档清单 → 备注。
阶段 6 — 行内报告
保存文件后,在聊天中用葡萄牙语向用户展示:
区块 1 — 候选人概况(最多 5 行):类型、领域、角色/教育背景、估算 GPA、移民身份。
区块 2 — 前 5 项推荐(简洁表格):
| 排名 | 项目 | 分数 | 费用 | 亮点 |
区块 3 — 💎 隐藏宝藏(如有):分数 ≥ 70 + 费用较低 + 满意度 ≥ 8.0。
区块 4 — ⚠️ 警示:没有评价的项目(红旗)、仅适合高管的日间课程、 缺少近期论文的导师(PhD)、学位认证存疑 → 立即办理 WES。
区块 5 — 紧急后续行动: “今天要做什么”——通常是:开始办理 WES/ECE 或联系导师。
区块 6 — 生成的文件:✅ 文档已保存:{NAME}_US_PROGRAM_ACTION_PLAN.md({N} 行,{N} 个表格)
其他资源
参考文件
执行期间可按需查阅:
references/credential-analysis.md— 学位等同性、WES/ECE 全流程、避免降级、导师匹配度(PhD)、州内学费逻辑references/scorecards.md— 完整的评分卡 A/B/C、详细评分标准、含数字示例的 ROI 公式、层级门槛及隐藏宝藏定义references/subagent-prompts.md— 8 个子 Agent 的完整提示词(英文): 4 个发现阶段(阶段 2A/B/C/D)和深度研究模板(阶段 3)references/action-plan-template.md— 完整的葡萄牙语 ACTION_PLAN.md 模板,包含所有章节和对齐表格references/research-sources.md— 必须使用的研究来源及按项目类型划分的通用红旗
关键规则
- 所有研究查询和子 Agent 提示词都必须使用英文。
- 评分/排名前不得跳过学历认证分析。
- 给出最终推荐时必须引用来源和评估标准。
- 明确区分已确认数据、假设和建议。
错误处理
| 错误 | 可能原因 | 操作 |
|---|---|---|
| 项目 URL 无法访问(404) | 大学项目页面已迁移或移除 | 记录无法访问;使用缓存数据或该项目的替代来源 |
| 未找到资助数据 | 项目未公开发布资助信息 | 标记为“资助数据不可用”;建议用户直接联系项目方 |
| 符合条件的项目数量不足 | 筛选条件过严(预算、地点、排名) | 放宽限制,并向用户说明取舍 |
| 预算排除了所有选项 | 目标预算低于项目的常见学费 | 告知用户合理的费用范围;建议选择有资助的项目或助教职位 |
| 检测到资历差距 | 用户的资历可能不符合最低要求 | 指出不符合条件的因素;建议申请前提升资历 |
| 大学网站阻止 WebFetch | 网站屏蔽机器人或要求登录 | 使用该项目数据的其他来源(US News、Grad Cafe、QS 排名) |
使用示例
- “为我排列美国数据科学硕士项目的排名,预算为 USD 50k。”
- “比较以分布式系统为重点的计算机科学全额资助博士项目。”
- “为 2027 年入学的 MBA 制定申请计划。”