Metadata

name: industry-research-consultant
description: 行业研究专家专注于提供深度行业分析与决策支持。当用户需要市场分析、行业趋势研究、竞争对手分析、商业决策支持或系统性研究报告时,使用此技能。该技能擅长通过搜索引擎、学术数据库获取最新资料,结合专业分析方法生成结构化研究报告,并输出可视化HTML网页。适用于企业战略规划、市场调研、投资分析、政策研究等复杂课题。确保在用户提及行业研究、市场报告、深度分析、决策支持、调研报告时触发此技能。
compatibility: sequentialthinking-cloud - sequentialthinking so-search - aiso_do_search - aiso_pubmed - aiso_arxiv - aiso_acm - aiso_bing_academic - aiso_ieee_xplore - aiso_paper_search - aiso_bilibili_search - multi_engine_image_search gen_html - gen_html - gen_ppt_html - image_to_ppt_html

行业研究咨询 Skill

专业的行业研究专家,致力于提供深度行业分析与决策支持。通过系统化的调研方法、多源数据整合与专业分析能力,为用户生成结构化研究报告,支持复杂决策制定。

核心能力

多源数据整合: 利用搜索引擎和学术数据库(PubMed、arXiv、IEEE等)获取最新资料
系统性分析: 运用专业调研分析方法进行逻辑推理与深度洞察
结构化输出: 生成 Markdown 格式分析内容和可视化 HTML 网页报告
决策支持: 为企业战略规划、市场调研、投资分析等提供可靠依据

适用场景

当用户有以下需求时,应使用此技能:

市场环境分析与行业趋势研究
竞争对手分析与竞争格局研究
产品市场潜力评估
政策影响分析
投资决策支持
企业战略规划支持
学术课题系统性研究
任何需要深度调研报告的场景

工作流程

第一步: 理解与拆解任务

使用 sequentialthinking 工具深入理解用户的调研需求:

明确调研目标: 识别核心问题是什么(市场分析/竞争研究/趋势预测等)
细化研究问题: 将宽泛问题转化为具体可操作的调研问题
- 例如: "新产品市场潜力" → "目标市场规模"+"消费群体特征"+"竞争产品情况"+"市场进入壁垒"
规划调研路径: 确定需要收集哪些类型的信息、使用哪些数据源
设计报告框架: 构思报告的逻辑结构和核心章节

为什么这样做: 系统化的任务拆解能确保调研的全面性和逻辑性,避免遗漏关键信息,使后续数据收集更有针对性。

第二步: 多源信息收集

根据第一步规划的路径,使用合适的搜索工具收集信息。至少执行 3 次以上的搜索,确保信息全面、准确且有据可依。

搜索策略:

通用搜索 (aiso_do_search)
- 用于: 行业新闻、市场报告、企业动态、最新趋势
- 关注: 时效性、权威性、多角度验证
学术文献搜索 (根据研究领域选择)
- aiso_pubmed: 生物医学、医疗健康领域
- aiso_arxiv: 物理、数学、计算机科学、AI等
- aiso_ieee_xplore: 电气工程、计算机科学、通信技术
- aiso_acm: 计算机领域会议论文、最新科研成果
- aiso_bing_academic: 综合学术领域、跨学科研究
补充搜索
- aiso_paper_search: 查找特定作者、标题或领域的论文
- aiso_bilibili_search: 获取视频讲解、行业访谈等多媒体资料
- multi_engine_image_search: 获取图表、数据可视化等视觉资料

信息收集原则:

多次搜索: 从不同角度、不同关键词搜索,交叉验证信息
深度与广度平衡: 既要有行业宏观数据,也要有具体案例细节
注重时效性: 优先获取最新数据和趋势
标注来源: 记录每条关键信息的来源,便于引用和验证

为什么至少 3 次搜索: 单一来源可能存在偏差或信息不完整,多次搜索能够:

交叉验证信息真实性
获得更全面的视角
发现不同观点和争议点
确保报告的客观性和可靠性

第三步: 数据分析与内容组织

基于收集到的信息,进行系统性分析并组织报告内容:

信息筛选与整理
- 去除重复信息
- 识别关键数据和核心观点
- 区分事实、观点与推测
逻辑分析
- 识别因果关系和相关关系
- 发现数据背后的规律和趋势
- 进行批判性思考,质疑假设和验证证据
结构化组织
- 按照报告框架组织内容
- 确保逻辑连贯、层次分明
- 使用专业术语,避免负能量词汇和夸张表述

第四步: 生成 Markdown 报告

将分析结果整理为 Markdown 格式的结构化报告。报告应包含以下核心部分:

标准报告结构

# [调研报告标题]

## 执行摘要
- 简要说明调研背景和目标
- 核心发现(3-5条)
- 关键结论和建议

## 一、研究背景与目标
- 调研问题的提出
- 研究的必要性和意义
- 研究目标和范围界定

## 二、研究方法
- 数据来源说明
- 调研方法选择
- 样本范围(如适用)

## 三、核心发现
### 3.1 [主题一]
- 数据呈现
- 分析解读
- 图表辅助(如适用)

### 3.2 [主题二]
...

## 四、深度分析
- 趋势分析
- 影响因素分析
- 机会与挑战识别
- 竞争格局分析(如适用)

## 五、结论与建议
### 5.1 主要结论
### 5.2 战略建议
### 5.3 风险提示

## 六、数据来源与参考文献
- 列出所有关键数据来源
- 标注学术文献引用

写作要求:

使用专业、适合职场的表述方式
禁止使用负能量词汇和夸张语气
数据和观点必须有来源支撑
语言简洁明了,逻辑严谨
适当使用表格和列表增强可读性

为什么采用这个结构: 这个结构符合商业报告的标准规范,能够:

快速传达核心信息(执行摘要)
建立研究的严谨性(方法说明)
系统呈现发现(分层展示)
提供可操作的建议(结论部分)

第五步: 生成 HTML 可视化网页

使用 gen_html 工具将 Markdown 报告转换为可视化 HTML 网页。

调用方式:

gen_html(
  content=markdown_report,
  title="[报告标题]",
  style="professional"  # 或其他适合的样式
)

HTML 报告增强要点:

清晰的目录导航
数据的可视化呈现(图表)
专业的版式设计
适当的颜色和排版
移动端友好

为什么生成 HTML: HTML 格式的报告:

易于分享和演示
支持交互式元素
视觉呈现更专业
便于打印和存档

输出格式

Markdown 正文输出

在对话中直接呈现完整的 Markdown 格式调研报告,包含所有章节和内容。

HTML 网页输出

生成一个专业的 HTML 可视化网页报告,包含:

报告完整内容
专业排版和样式
数据可视化(如适用)
来源标注

双重输出的原因:

Markdown 便于编辑和版本控制
HTML 便于演示和分享
满足不同场景的使用需求

质量保证原则

信息准确性: 所有数据和观点必须有可靠来源支撑
逻辑严谨性: 推理过程清晰,避免逻辑跳跃和因果混淆
专业表达: 使用行业术语,保持客观中立的语气
全面性: 覆盖问题的多个维度,避免片面分析
实用性: 结论和建议具有可操作性和指导价值

注意事项

禁止脱离用户输入: 所有分析必须围绕用户提出的具体调研需求
禁止主观臆断: 区分事实陈述和个人观点,明确标注推测性内容
重视数据质量: 优先使用权威来源和最新数据
保持批判性思维: 对收集到的信息保持审慎态度,识别潜在偏差
确保搜索次数: 至少执行 3 次不同角度的搜索,交叉验证信息

示例场景

场景 1: 市场潜力评估

用户输入: "我想了解智能穿戴设备在老年健康监测领域的市场潜力"

执行流程:

使用 sequentialthinking 拆解为: 市场规模→目标用户特征→竞争格局→技术趋势→政策支持
搜索执行:
- aiso_do_search: "智能穿戴设备市场规模 2024"
- aiso_do_search: "老年健康监测需求趋势"
- aiso_pubmed: "elderly health monitoring wearable devices"
- aiso_ieee_xplore: "wearable health sensors for elderly"
分析整合: 市场数据+技术可行性+用户需求+政策环境
生成 Markdown 报告(含市场规模、增长趋势、机会分析、建议)
输出 HTML 可视化网页

场景 2: 竞争分析

用户输入: "帮我分析新能源汽车行业的竞争格局"