技能介绍

要解决什么问题

做行业研究、竞品扫描或投资备忘时，常见痛点不是「写不出字」，而是证据链不完整：观点缺少可核对来源、章节结构随意、反面论据被省略，最后很难交给同事或客户做二次核验。若研究素材在本地 PDF/笔记里，还要和线上公开信息混用，手工整理目录与引用格式成本很高。

技能如何工作

本技能围绕 四段流水线 产出最终 Markdown 报告，中间产物均为 JSON/Markdown 文件，便于复查：

大纲：根据主题生成 outline.json（章节、检索问题、目标年份、模式）。
证据采集：汇总为 data-pool.json 与采集清单，支持 online / offline / hybrid 三种数据模式。
分章撰写：各章并行草稿，只写中间文件，不提前拼终稿。
装配与 QA：校验、合并、生成信度评估、引用转换与质量检查（dr_tools.py）。

运行前需解析 报告深度：-quick 偏快扫、默认标准、-deep 章节与证据更厚。语言随研究主题自动判定。终稿默认落在 reports/，含 H1 标题、元数据（字数、阅读时长、数据截止月、模式与版本）、目录、带引用的正文、信度评估、参考文献与免责声明。

适用边界

在线爬取可依赖 Scrapling/Playwright（经 scrapling-mcp-server.py），若环境不可用应改用现有搜索/网页工具并在报告中说明限制。纯本地文件研究不依赖 Scrapling。Windows 下含非 ASCII 的正文应写入文件再传路径，避免经 shell 参数传递。细节质量门槛见 bundled 的 references/RULES.md。