Industry Deep-Dive Pipeline

This skill should be used when turning a topic brief, research materials, vendor case, policy event, or industry question into a publish-ready single deep-dive article for technology, AI, data, cloud, or enterprise-software audiences. It runs source verification, originality and competition review, full editorial planning, two human decision gates, drafting, deterministic red-line checks, an existing eight-role review panel, revision, and final evidence packaging. It stops at an approved Markdown article plus evidence and review records; it does not create publication layouts, covers, social copy, CMS drafts, or publish content. 【适用】中立第三方产业深度研究 / 行业长文（个人 IP、公众号深度稿、厂商案例的独立分析）。【不适用】品牌营销稿、产品稿、按 content brief 写的推广文、技术教程——这类内容请用对应项目工作区里专门的写作 Skill；本 Skill 不做品牌露出与营销措辞，也不产出发布物料。

将单篇科技、AI、数据、云和企业软件产业选题推进到审核通过的正式 Markdown。采用 Prompt Chaining + Evaluator-Optimizer：固定主链保证可追踪，八角色会审后的修订循环保证质量。

When to use

• 输入包含选题简报、事件、厂商案例、政策变化或研究材料，需要形成有判断、有证据、有边界的深度文章。
• 需要先查中文与英文同类内容，确认信息增量和表述撞车风险。
• 需要在正文前完成目标读者、核心判断、论证链、反方、结构、标题和风险策划。
• 需要事实表、原创性复核、会审记录和终稿复检形成完整证据包。

Do not use

• 新闻快讯、摘要、产品说明书、技术教程或营销稿。
• 厂商大会全景报告；改用 vendor-summit-report。
• LinkedIn 单平台短观察；改用 linkedin-industry-observation。
• 微信排版、封面、摘要、关键词、社交物料、CMS/Notion 入库或发布；交给独立发布套件。
• 多篇系列的自动排期与批量生成。系列信息仅作单篇上下文。

Required inputs

读取 references/planning-schema.md，建立 case bundle。至少确认：

• topic
• source_materials
• target_reader
• target_format
• length_range
• writing_profile

可选输入：合集或系列关系、历史平台信号、必须处理的反方、本篇新增红线、时效窗口和用户已有假设。

Workflow

Step 1: [Deterministic] Diagnose input

1. 校验路径、URL、日期、目标格式和 writing profile。
2. 判断文章类型、时效等级、事实风险与敏感性。
3. 把用户已有判断标为待验证假设，不直接当成结论。
4. 复制 templates/case-brief.template.md 为 00-case-brief.md。
5. 运行：

bash

python scripts/validate_case_bundle.py --case-dir <case-dir> --stage input --enforce

输入门禁失败时停止，报告缺项。

Step 2: [LLM] Build fact table

1. 从材料提取数字、日期、公司、政策、产品状态、引述和因果声明。
2. 使用搜索发现来源，回到官网、财报、论文、监管原文或官方发布核验关键事实。
3. 高风险事实至少双源确认，或由一手权威源确认。
4. 记录原始日期、核验日期、状态、来源等级、可使用措辞和失效条件。
5. 复制 templates/fact-table.template.md 为 01-fact-table.md。
6. 按需读取 references/evidence-and-originality.md。

Step 3: [LLM] Review originality and competition

1. 拆出核心判断、分析框架和标志性表达。
2. 搜索中英文新闻覆盖、同主题分析和高度相似论证。
3. 区分公共观点、独立深化、可验证差异和表述撞车。
4. 主动查找直接反方、历史反例和证伪变量。
5. 输出 02-originality-review.md。

以下情况停止：核心判断已被充分覆盖且无信息增量；论点依赖无法核实的事实；选题只能依靠夸大标题成立。

Step 4: [LLM] Produce full planning brief

1. 复制 templates/planning-brief.template.md 为 03-planning-brief.md。
2. 完成选题可行性、竞争程度、读者分层、核心判断、论证链、原创锚点、反方、标题、结构、收藏载体、风险和系列关系。
3. 只保留真正需要人做价值判断的待确认项。

Gate A: [Human] Confirm planning

暂停并确认：核心判断、标题方向、篇幅与取舍、争议处理、平台目标和系列关系。确认前禁止写正文。

Step 5: [LLM] Draft article

1. 只使用确认后的策划与事实表。
2. 判断先行，论据、反方和边界随后展开。
3. 禁止补入事实表中没有的新数字、日期、状态和强结论。
4. 禁止把任务背景、内部备注、发布信息和写作过程带入正文。
5. 输出 04-draft.md；只保留必要的图表占位。

Step 6: [Deterministic] Run machine gate

运行：

bash

python scripts/scan_draft_gates.py \
  --draft <case-dir>/04-draft.md \
  --facts <case-dir>/01-fact-table.md \
  --profile <writing-profile.json> \
  --output <case-dir>/05-machine-gate.json \
  --enforce

检查未登记数字、凭据、UUID、个人路径、元信息、对举句、营销词、口语缓冲和 profile 红线。失败时回到 Step 5 修订并重跑。

Step 7: [LLM] Run eight-role review

调用 tech-content-review-panel，复用 G1/G2、R1-R4、G3 和 T1。复制 templates/review-record.template.md 为 06-review-record.md，将意见分为必改、建议改、可选和张力项。

Gate B: [Human] Resolve real tensions

仅在出现传播与专业、深度与完读、风险与表达、系列一致与单篇独立等真实张力时暂停。事实错误、来源缺失、格式错误和明确红线由流程直接修正，不推给用户决定。

Step 8: [LLM] Revise to final

1. 处理全部必改和建议改。
2. 按 Gate B 决策处理张力项。
3. 禁止接受会审中新出现且未经核验的事实。
4. 记录未采纳意见及理由，避免重复提出。
5. 输出 07-final.md。

Step 9: [Deterministic + LLM] Re-check

1. 重核事实、时效和来源。
2. 对 07-final.md 重跑 scan_draft_gates.py。
3. 人工通读检查机器难以识别的 AI 腔、逻辑跳步和姿态越界。
4. 对照策划，确认判断、范围、标题和表格一致。
5. 输出 08-final-check.md。
6. 运行：

bash

python scripts/validate_case_bundle.py --case-dir <case-dir> --stage final --enforce

Step 10: [Deterministic] Package deliverables

复制 templates/final-package.template.md 为交付说明。交付：07-final.md、事实表、原创性复核、确认后的策划、会审记录和终稿复检。

Hard Rules

1. 搜索用于发现，关键事实回到一手来源。
2. 用户假设必须经过验证，不因用户提出就视为事实。
3. 原创、首创、唯一等判断必须有检索证据和边界。
4. Gate A 未确认不得写正文。
5. Gate B 只处理真实价值张力，不把事实和格式问题交给用户。
6. 正文中的高风险数字、日期和状态必须出现在事实表。
7. 改稿后必须重跑机器门禁并人工通读。
8. 私有写作 profile 只按需读取，不复制进通用 Skill 或公开包。
9. 输出止于审核定稿和证据包；禁止生成或执行发布动作。
10. 任何工具失败执行重试与交叉验证；修复后必须重跑。

Failure Handling

场景	处理
输入材料缺失	停止，列缺项，不猜测内容
高风险事实无法确认	删除、降级或标记待核，禁止进入强判断
原创空间不足	停止写作，给出合并、换角度或放弃建议
Gate A 未确认	保持任务进行中，不生成正文
机器门禁失败	修订对应问题并重跑，最多两轮后报告剩余阻塞
会审新增未经核验事实	拒绝纳入，回到事实表核验
Gate B 未确认	保留张力项，暂停终稿修订
工具首次失败	同操作重试 1-2 次，再换工具交叉验证
最终验证失败	不标完成，不生成发布物料

Output Format

text

<case-dir>/
├── 00-case-brief.md
├── 01-fact-table.md
├── 02-originality-review.md
├── 03-planning-brief.md
├── 04-draft.md
├── 05-machine-gate.json
├── 06-review-record.md
├── 07-final.md
├── 08-final-check.md
└── FINAL-PACKAGE.md

References

• references/planning-schema.md：输入、策划和 case bundle 字段。
• references/evidence-and-originality.md：来源分级、事实状态和原创性判断。
• references/writing-profile-interface.md：私有写作 profile 接口。
• references/replay-evaluation.md：Fireworks、Kimi 和欧洲 AI 回放标准。

Pitfalls

• 公司案例写成公司介绍，产业判断退到次要位置。
• 原创性复核只搜同标题，遗漏同论证不同表述。
• 会审后改稿未复扫，重新引入红线和事实错误。
• 把摘要、关键词、标签、封面提示词或发布备注混入正文。
• 系列上下文变成跨篇自指，导致单篇无法独立成立。
• 为减少打断跳过 Gate A，最终围绕错误判断写完整篇文章。
• 主题判断成立不等于策划逻辑成立：把“度量/采购/验收”写成操作清单，会偏离产业研究的方法链。策划必须明确“厂商说了什么、做了什么、想争什么、市场会不会买单、行业如何演化”，操作性框架只能作为证据载体。
• 由调查报道触发的主题，不能把争议个案直接升格为行业结论；要把各方动作、利益关系和时间表放在同一分析链上，并保留事实冲突。

Verification

• 必填输入齐全，case bundle 通过 input 校验。
• 高风险事实可追溯率 100%。
• 原创性复核覆盖中英文同类内容、反方和证伪变量。
• Gate A 有明确确认记录。
• 初稿机器门禁通过后才进入会审。
• Gate B 只包含真实张力项。
• 终稿重跑机器扫描并完成人工通读。
• 凭据与私有标识 P0=0。
• 输出不包含发布物料或外部动作。
• case bundle 通过 final 校验。