技能使用指南

research-synthesis-analyst（研究合成分析师）Skill 是什么？如何下载安装？

研究合成分析师Skill能把多源论文与资料合成为可决策的研究输出：构建来源图、识别证据冲突、标注证据强度，并一次性产出合成分析、声明-证据表、执行简报等五份工件。想提升研究综述与行业调研效率，先看这篇安装与使用指南。

研究合成分析师Skillresearch-synthesis-analyst
8 个章节 约 12 分钟阅读 AI 智能生成

研究合成分析师Skill：把多源证据合成为可决策的研究简报

  • 它是什么：研究合成分析师（research-synthesis-analyst）是一个专注于「多源证据合成」的 AI 技能，使命是把散落在论文、方法论、参考文献中的信息，整理成清晰、可辩护、可直接用于决策的研究输出。
  • 它最大的不同：多数工具只做「摘要」，而它要求公开冲突、标注证据强度、给出风险与信心，不把矛盾信息藏起来。
  • 标准产出是 5 份工件：工作区扫描摘要、合成分析、声明-证据表、执行简报、研究简报复盘看板（HTML），一次性交付给决策者。
  • 安装前提很轻：依赖 markdown，兼容 tandem 平台环境，触发词为「合成」「研究简报」「证据表」。
  • 适合谁用：需要做文献综述、竞品调研、政策/行业研究、投研尽调，并要把结论交给别人拍板的人。

1. 该技能叫什么？如何下载安装 AI 技能提升开发效率？

基本信息

项目 内容
中文名 研究合成分析师Skill
英文名 research-synthesis-analyst
技能ID 13747
版本 0.1.0
作者 tandem
兼容环境 tandem
依赖 markdown
标签 研究、分析、证据
触发词 合成、研究简报、证据表

它解决什么问题

做研究最容易出问题的地方，不是「找不到资料」，而是资料彼此矛盾时没人敢下判断：摘要写了一大堆，结论却模棱两可；证据冲突被悄悄抹平；引用链接丢失，事后无法复核。研究合成分析师Skill 针对的正是这三个问题：它要求每一条声明都有明确的来源链接支撑，冲突证据必须公开呈现，建议必须附带风险与信心等级。

一键安装的思路与步骤

  1. 确认前提：该技能声明 compatibility: tandem，需要在支持 Skill 机制的 tandem 兼容环境中使用；同时它依赖 markdown，请确保运行环境可正常读写 Markdown 文件。具体平台要求与账号条件以官方说明为准。
  2. 获取技能包：通过官方技能市场、技能仓库或作者 tandem 发布的渠道获取该技能的安装包/技能清单文件，安装入口与命令以官方说明为准。
  3. 放置与启用：将技能按平台规范导入技能目录并在会话中启用该技能；若平台提供「一键安装」按钮或安装命令，直接执行即可，无需手动改配置。
  4. 验证是否生效：新建一个会话，输入触发词「合成」「研究简报」或「证据表」，观察是否加载该技能的工作流说明（会提及来源图、证据强度、5 份输出工件）。若未触发，检查技能是否已启用、依赖 markdown 是否可用。
  5. 准备输入：按技能约定的输入结构，把材料放进 inputs/ 目录（questions.md、methodology.md、references.md、papers/），再发起合成请求。

说明：技能详情中未提供具体安装命令、下载网址与价格信息，请以官方说明为准。

2. 该技能的主要功能和特点

  • 来源图构建：对每一篇论文/资料用 2-4 个要点做结构化摘要，先把「有哪些材料、各自说了什么」这张底图铺清楚，避免一上来就写结论。
  • 主题分组与冲突识别：把各来源的声明按主题聚类，并主动找出直接冲突的声明对，而不是挑选对自己有利的那一条。
  • 证据强度分级：对证据给出高/中/低评级，并附上评级理由，让读者知道哪条结论「能拍板」、哪条只是「值得关注」。
  • 决策导向的合成写作：明确要求「侧重于决策而非仅摘要」，输出的是可执行的判断，而不是资料堆砌。
  • 执行工件转化：把研究发现转成面向执行人员的成品，降低决策者的阅读成本。
  • 固定五件套输出：workspace_scan_summary.md（扫描摘要）、synthesis_analysis.md（合成分析）、claims_evidence_table.md（声明-证据表）、executive_brief.md（执行简报）、research_brief_dashboard.html（研究简报看板），交付物齐全且可复核。
  • 引用完整性优先：质量标准硬性要求声明带支持来源与链接，冲突必须公开，建议必须包含风险与信心。

和普通工具比强在哪：普通 AI 对话工具默认给你「看起来最顺」的答案，倾向于消除矛盾；而这个技能把「不确定性」当作必须保留的一等公民，产出更接近专业研究员的交付标准。

3. 如何使用该技能？

  1. 准备输入目录。在该技能约定的工作区中准备 inputs/ 文件夹，放入四类材料：

    • questions.md：本次要回答的研究问题清单；
    • methodology.md：研究方法或筛选标准；
    • references.md：参考文献清单与链接；
    • papers/：原始论文或资料文本。

  2. 触发技能。在会话中显式使用触发词，例如：「用研究合成分析师技能，对 inputs/papers/ 里的材料做一次合成，产出证据表和研究简报」。

  3. 构建来源图。技能会先输出每篇材料的 2-4 要点摘要，形成来源图。此时建议人工检查：是否有重要文献被漏读、摘要是否失真。

  4. 主题分组与冲突标注。技能会按主题归类声明，并列出直接冲突的条目。示例输出形态（示意）：

    主题 声明A（来源） 声明B（来源） 是否冲突
    某方法有效性 有效（文献1） 效果有限（文献3） 直接冲突

  5. 评估证据强度并定级。每条声明获得高/中/低评级及理由，便于后续取舍。

  6. 生成合成分析与执行简报。技能输出 synthesis_analysis.md（面向研究者）与 executive_brief.md（面向执行层），后者简洁且以行动为导向。

  7. 复核五份输出。逐一检查 outputs/ 下的五个文件是否齐全：workspace_scan_summary.md、synthesis_analysis.md、claims_evidence_table.md、executive_brief.md、research_brief_dashboard.html。

  8. 补充追问。对信心等级低的结论追加追问，例如「这条低置信结论的评级理由是什么？需要补充哪类证据才能升级？」

输入示例（questions.md 片段）：

1. 该方案在真实场景中的效果是否稳定？
2. 不同研究之间的结论冲突点在哪里？
3. 若要在本季度推进，主要风险是什么？

输出说明：你会得到一组结构化文件——扫描摘要负责「材料全景」，合成分析负责「判断与推理」，证据表负责「可审计溯源」，执行简报负责「快速拍板」，HTML 看板负责「一页浏览全局」。

4. 同类型竞品对比分析

方案名称 定位 核心功能 安装/使用门槛 适用场景 优势与不足
研究合成分析师Skill（research-synthesis-analyst） 多源证据合成与决策输出 来源图、主题分组、冲突识别、证据强度分级、五件套工件输出 需 tandem 兼容环境 + markdown 依赖，配置轻 文献综述、行业研究、尽调、政策研判 优势：保留冲突与不确定性，引用完整、交付物标准统一；不足：依赖输入材料质量，需按目录规范准备素材
通用大模型对话（直接提问） 通用问答与摘要 总结、改写、头脑风暴 极低，打开即用 快速了解概念、单篇材料速读 优势：门槛最低；不足：倾向于抹平矛盾，缺少证据分级与可审计的引用表
学术检索/文献发现类工具 找文献、做初筛 语义检索、相关文献推荐、部分摘要 中等，通常需注册与检索技巧 开题、找相关研究 优势：找得全、找得快；不足：重在「发现」而非「合成决策」，冲突整合仍需人工完成
笔记/知识库工具（手动整理） 知识沉淀与归档 双向链接、标签、看板 中高，依赖个人方法论 长期研究积累 优势：可长期维护、完全可控；不足：合成与冲突识别全靠人工，效率低、易漏证据

选型建议：如果你已经有材料、缺的是「可信的结论」，选研究合成分析师Skill；如果你还没找到材料，先用检索工具补齐来源，再交给它合成。

5. 该技能的典型应用场景与实际体验情况

场景一：行业研究员做月度趋势简报 角色：券商/咨询行业研究员。痛点是几十篇报告读完后，写出来的东西还是「罗列观点」，无法支撑投资判断。使用方式：把核心报告放入 inputs/papers/，在 questions.md 写清三个决策问题，一键合成。实际体验：executive_brief.md 可直接改写为月报摘要，claims_evidence_table.md 让每句话都能回溯到来源，过评审时明显省力。

场景二：产品团队做竞品与技术路线调研 角色：产品经理。痛点是不同来源对同一方案的评价互相矛盾，团队争论不下。使用方式：用技能把冲突声明公开列出来，并附证据强度与风险。实际体验：讨论从「谁说得对」转向「哪条证据更强、还缺什么证据」，决策效率提升明显。

场景三：政策/合规研究中的不确定性管理 角色：政策研究或合规岗。痛点是不能把不确定的结论写成确定。使用方式：重点使用证据强度分级与信心标注。实际体验：低置信结论会被清晰标出，便于在对外材料中做措辞分级，降低误判风险。

上手难度与注意事项：整体上手难度偏低，主要成本在「准备输入」这一步——材料越规范、问题写得越具体，合成质量越高。需要注意：技能不替代事实核查，链接与引用仍需人工抽检；同时应避免把与主题无关的材料塞进 inputs/，否则会稀释来源图质量。

6. 该技能能为用户带来的价值

  • 效率提升：把「逐篇精读 + 手工整理表格 + 写简报」这条链路压缩为一次合成流程，五份交付物一次成型，减少大量重复劳动。
  • 降低门槛：把专业研究员的工作方法（来源图、冲突登记、证据分级、信心标注）固化进流程，新手也能产出结构规范的研究成果。
  • 提升可信度：声明必须有支持来源与链接，冲突必须公开，建议必须带风险和信心——这三条直接把「看起来很像」的结论挡在门外。
  • 可审计、可复用：固定的五个输出文件形成标准化资产，便于版本对比、团队共享与后续追踪。
  • 长期价值：当组织内多个研究任务都用同一套工件格式时，跨项目复用和知识沉淀的成本会显著下降。

7. 常见问题 FAQ

Q1：这个技能怎么安装？需要写代码吗？ A：不需要写代码。确认环境兼容 tandem 并具备 markdown 依赖后，通过官方渠道导入并启用技能即可，具体命令与入口以官方说明为准。启用后用触发词「合成」「研究简报」「证据表」验证是否生效。

Q2：它收费吗？ A：技能详情中未包含定价信息，是否收费取决于发布方 tandem 与所在平台的规则，请以官方说明为准。

Q3：适合谁用？不适合谁？ A：适合需要把多源材料变成决策结论的人，如研究员、产品经理、投研与合规岗。如果你只是想快速读一篇文档，用普通对话工具更划算。

Q4：它会不会自己编造结论？ A：技能的质量标准要求「声明有明确的支持和来源链接」「冲突证据被公开而非隐藏」「建议包括风险和信心」。但来源本身的真实性仍需人工抽检，建议对高影响结论逐一核对链接。

Q5：和检索类工具、通用大模型怎么选？ A：检索类工具负责「找得到」，通用大模型负责「说得顺」，研究合成分析师Skill 负责「说得住、能拍板」。三者可以串联使用：先检索补料，再合成定论。