咨询总结报告生成器 v5

v5.1.0

通用型专业报告PPT生成技能。支持任意内容输入（PPT/文字/PDF/图片），自动识别内容类型，自适应生成结构严谨的专业总结报告。覆盖精益生产、智能制造、计划物控、数字化转型、AI与工业智能五大领域。基于mck-ppt-design专业布局框架（70+种麦肯锡风格布局模式），python-pptx原生绘制。自动搜...

0· 24· 1 versions· 0 current· 0 all-time· Updated 5h ago· MIT-0

by@ericshao2025

Security Scans

VirusTotalPending ClawScanReview Static analysisBenign

Install

openclaw skills install consulting-report-generator

通用报告生成器 v5（自进化·深度研究版）

版本演进：v3 Pro（布局重构）→ v4（通用双模式）→ v5（自进化系统）→ v5.1（深度研究增强）

核心升级：

🧬 技能自进化系统 — 每日发现新技能、追踪使用模式、自动优化

🔍 技能发现引擎 — 扫描126+本地技能，智能推荐可集成的新能力

📊 使用分析引擎 — 追踪布局模式使用频率，优化模板选择

🐛 错误学习机制 — 记录每次错误与修复，避免重复问题

🔄 持续优化循环 — 自动更新技能生态矩阵，保持与时俱进

🎯 内容类型自识别 — 上传任意PPT/文字，自动判断内容类型

🔬 深度研究引擎 — 多源交叉验证、证据层次、三轮调研循环

🖼️ OCR/文档识别 — PDF、图片、Word、Excel文字提取

🧠 内容智能扩增 — 联网搜索补充，扩展报告深度

✨ 去AI味润色 — 集成 humanizer-zh 去除AI痕迹

一、定位

技能名称

consulting-report-generator（通用报告生成器）

核心能力

输入任意内容 → 自动识别 → 自适应模板 → 生成专业报告

无论你上传的是制造咨询PPT、项目规划文档、市场调研报告、技术总结、还是任何行业的工作总结，本技能会自动分析内容类型，选择最合适的模板和布局，生成结构严谨的专业报告。

双模式工作

模式	触发条件	说明
🎯 通用模式	任何非制造领域的内容	自适应模板，自动检测内容结构，生成通用总结报告
🔧 制造专家模式	检测到制造/精益/数字化关键词	调用ie-expert等专业分析技能，使用20页标准模板

内容类型自动检测

当用户上传资料时，自动执行内容分析：

输入内容分析
     │
     ├── 关键词检测: 精益/OEE/MES/TPM/SMED → 制造专家模式
     ├── 关键词检测: 项目/里程碑/成果/阶段 → 项目管理模式
     ├── 关键词检测: 市场/竞争/客户/份额 → 市场分析模式
     ├── 关键词检测: 技术/架构/系统/方案 → 技术总结模式
     └── 未匹配 → 通用模式（自适应模板）

用户角色

精益生产、智能制造、计划物控（PC&MC）、数字化转型、AI与工业智能资深咨询专家；以及任何需要将内容转化为专业报告的职场人士。

覆盖领域

领域	说明	模式
精益生产	VSM、5S、TPM、SMED、Kaizen、OEE、JIT	制造专家
计划物控	MPS、MRP、RCCP、排产调度、库存控制、齐套管理	制造专家
智能制造	MES/WMS、数字化车间、数据采集、工业互联网	制造专家
数字化转型	数字化战略、IT架构、数据治理、系统集成	制造专家
AI与工业智能	AI质检、预测维护、智能排产、数字孪生	制造专家
项目管理	项目总结、阶段汇报、结项报告	通用
市场分析	竞品分析、市场调研、行业报告	通用
技术总结	技术方案、架构设计、研发总结	通用
运营分析	经营分析、绩效报告、数据复盘	通用

报告类型（5种）

类型	页数	适用场景
阶段总结	15-25页	项目中期/里程碑汇报
项目总结	25-40页	终期交付/结项汇报
分析报告	20-30页	调研/诊断/市场分析
汇报提案	15-20页	方案汇报/投资审批
专题分析	10-15页	特定课题深度研究

二、架构 — 八层设计

┌─ 自进化层 ──【v5新增】──────────────────────────────────────┐
│  技能发现引擎 + 使用分析 + 错误学习 + 模板优化              │
│  ▸ 每日扫描 ~/.workbuddy/skills/ 发现新技能                │
│  ▸ 追踪布局模式使用频率，自动推荐最佳模板                   │
│  ▸ 记录每次执行错误与修复，持续改进                         │
│  ▸ 自动更新技能生态矩阵，保持与系统同步                     │
│  ▸ 每次执行后写入进化日志，供后续参考                       │
├─ 识别层 ──────────────────────────────────────────────────┤
│  内容类型自动检测 + 自适应模板选择                          │
│  ▸ 关键词扫描 → 判断内容领域（制造/项目/市场/技术/通用）    │
│  ▸ 结构分析 → 识别章节/数据/图表/KPI                      │
│  ▸ 模板匹配 → 根据内容类型选择最佳模板                     │
│  ▸ 制造领域 → 启用专家技能生态                             │
├─ 设计层 ──────────────────────────────────────────────┤
│  mck-ppt-design 引擎（70种麦肯锡布局模式）              │
│  ▸ Cover / TOC / Section / Appendix                    │
│  ▸ Big Number / Data Table / Metric Cards / KP Tracker │
│  ▸ 2x2 Matrix / Three-Pillar / Pyramid / Process       │
│  ▸ Side-by-Side / Before-After / Scorecard              │
│  ▸ Exec Summary / Key Takeaway / Case Study            │
│  ▸ Timeline / Vertical Steps / Cycle / Funnel          │
│  ▸ Grouped Bar / Horizontal Bar / Trend / Dashboard    │
├─ 研究层 ──【v5.1新增】──────────────────────────────────┤
│  深度研究引擎 + 多源交叉验证 + 证据层次                    │
│  ▸ 关键数据点识别 → 自动判断是否需要深度研究              │
│  ▸ 三级调研（广度/深度/交叉验证）                         │
│  ▸ 四级证据体系（L1-L4）                                  │
│  ▸ 对接academic-deep-research等研究技能生态               │
├─ 内容层 ──────────────────────────────────────────────┤
│  联网搜索（免API） + 内容扩增引擎                       │
│  ▸ multi-search-engine（16引擎中英双语）                │
│  ▸ WebSearch（WorkBuddy内置搜索）                      │
│  ▸ WebFetch（搜索结果详情提取）                         │
│  ▸ 智能扩增：搜索补充资料 → 扩展报告深度                │
├─ 提取层 ──────────────────────────────────────────────┤
│  OCR识别 + 文档解析 + 图片文字提取                      │
│  ▸ markitdown（PDF/Word/Excel/图片OCR/HTML/URL）       │
│  ▸ Read工具（直接读取PDF/图片/文本）                    │
│  ▸ python-pptx提取（PPT图片/文字）                      │
│  ▸ 原PPT图片提取复用（extract_images_from_pptx()）     │
├─ 分析层 ──────────────────────────────────────────────┤
│  通用分析（所有模式）  │  制造专家（仅制造领域）          │
│  ▸ 数据趋势分析        │  ▸ ie-expert（工业工程）        │
│  ▸ 竞品对比分析        │  ▸ rohoon-6sigma（六西格玛）    │
│  ▸ SWOT/波特五力       │  ▸ inventory-*（库存分析）     │
│  ▸ 数据可视化          │  ▸ planning-mc（计划物控）      │
│  ▸ 图表生成            │  ▸ lean-toolkit（精益工具）     │
│  ▸ 统计建模            │  ▸ mfg-toolkit（制造咨询）     │
│                        │  ▸ CIO（数字化战略）            │
├─ 输出层 ──────────────────────────────────────────────┤
│  python-pptx 原生生成 + 微软雅黑（Mac兼容）             │
│  humanizer-zh 去AI味润色                               │
│  full_cleanup() XML净化 + AUDIT() 自审函数             │
└────────────────────────────────────────────────────────┘

三、内容分析引擎（v4 通用 ⭐）

3.1 功能定位

核心创新：不再依赖固定的内容预设，而是智能分析用户提供的实际内容，自动决定报告的结构、模板和重点。

3.2 内容类型检测

接收到用户内容后，执行以下分析流程：

# 内容类型自动检测
def detect_content_type(text):
    """根据提取的文字内容判断内容类型"""
    indicators = {
        "manufacturing":   ["精益", "OEE", "TPM", "SMED", "MES", "WIP", "Kaizen",
                           "5S", "VSM", "Takt", "换型", "在制", "节拍", "数字化车间"],
        "project":         ["项目背景", "里程碑", "交付物", "甘特图", "阶段",
                           "进度", "风险", "项目总结", "结项", "收益"],
        "market":          ["市场", "竞品", "客户", "份额", "SWOT", "波特",
                           "增长率", "市场规模", "竞争对手"],
        "technical":       ["架构", "系统", "方案设计", "技术路线", "模块",
                           "接口", "部署", "测试", "上线", "版本"],
        "business":        ["营收", "利润", "KPI", "增长率", "ROI", "成本",
                           "预算", "达成率", "同比", "环比", "运营"],
    }

    scores = {k: sum(1 for kw in v if kw in text) for k, v in indicators.items()}
    best = max(scores, key=scores.get)
    return best if scores[best] >= 3 else "general"

检测结果决定：

制造领域（manufacturing）→ 启用制造专家模式 + 20页标准模板
项目管理（project）→ 项目管理模板（含甘特/里程碑/风险矩阵）
市场分析（market）→ 市场分析模板（含竞品矩阵/SWOT/趋势图）
技术总结（technical）→ 技术总结模板（含架构图/路线图/对比表）
运营分析（business）→ 运营分析模板（含KPI仪表盘/趋势/行动项）
通用（general）→ 通用模板（摘要/数据/对比/时间线/行动）

3.3 自适应模板引擎

基于内容类型，自动选择 20 页模板结构：

制造领域: [封面→目录→背景→KPI→BA→支柱→流程→时间线→仪表盘→结束]
项目管理: [封面→目录→概述→里程碑→成果→风险→资源→时间线→行动→结束]
市场分析: [封面→目录→环境→竞品→SWOT→趋势→策略→对比→建议→结束]
技术总结: [封面→目录→背景→架构→方案→对比→路线→验证→展望→结束]
通用模板: [封面→目录→摘要→数据→分析→对比→时间线→行动→总结→结束]

3.4 内容驱动的内容层

对于通用模式，报告章节内容直接从用户提供的资料中提取和重组：

模板章节	内容来源	生成方式
封面标题	自动从内容中提取主题	提取最高频关键词或首句
摘要	用户资料中的概要/总结部分	浓缩提炼，去AI味
关键数据	提取的数字/指标/KPI	做成#8 Big Number卡片
分析对比	内容中的对比/优劣势	做成#20 Before/After
时间线	内容中的时间/阶段节点	做成#29 Timeline
行动项	内容中的建议/下一步	做成#35 Action Items
来源	用户资料本身	标注"数据来源：用户资料"

四、资料提取子系统

4.1 功能定位

从用户提供的各类材料中智能提取文字内容，作为 PPT 生成的内容根基：

输入类型	提取方法	输出
PDF 文件	`markitdown` / `Read`（内置PDF阅读）	纯文本/Markdown
Word (.docx)	`markitdown` / python-pptx 读取	结构化文本
Excel (.xlsx)	`markitdown` / openpyxl 读取	表格数据
图片 (PNG/JPG)	`markitdown` (OCR) / `Read`（内置图片阅读）	识别的文字
HTML/URL	`markitdown` / `WebFetch`	格式化文本
PPTX (参考)	`extract_images_from_pptx()` + python-pptx 文本读取	图片+文字
纯文本 (.txt/.md)	`Read` 直接读取	原文

4.2 提取流程

用户提供资料
     │
     ▼
┌── 判断文件类型 ──────────────────────────────────────┐
│                                                        │
│  PDF/Word/Excel/Image  ──→ 方法A: markitdown CLI       │
│                            方法B: Read工具（内置支持）  │
│                                                        │
│  PPTX ──→ extract_images_from_pptx() + python-pptx读取 │
│                                                        │
│  HTML/URL ──→ WebFetch / markitdown                    │
│                                                        │
│  图片含表格 ──→ 手动提取表格结构 + 文字描述             │
│                                                        │
└────────────────────────────────────────────────────────┘
     │
     ▼
┌── 提取结果处理 ───────────────────────────────────────┐
│  ▸ 按文件来源分类整理                                   │
│  ▸ 识别关键数据点（数字、指标、日期、KPI）              │
│  ▸ 提取行业术语和技术要点                               │
│  ▸ 整理为结构化内容摘要                                 │
│  ▸ 输出 `extracted_content.md` 供后续使用               │
└────────────────────────────────────────────────────────┘

4.3 markitdown 使用规范

# 安装
pip install 'markitdown[all]'

# 基本用法
markitdown 输入文件路径 -o 输出文件.md

# 示例
markitdown report.pdf -o report.md          # PDF
markitdown data.xlsx -o data.md             # Excel
markitdown photo.png -o photo.md            # 图片OCR
markitdown https://example.com -o page.md   # 网页
markitdown doc.docx -o doc.md               # Word

4.4 资料提取规则（R6-R9）

规则	要求
R6	用户提供资料时，必须优先执行资料提取，不得跳过
R7	提取的文字必须按文件来源分类整理，不得混杂
R8	提取结果中识别关键数据点（数字/指标/年份）单独标注
R9	提取失败时告知用户，使用降级方法（Read工具→WebFetch）重新尝试

五、内容扩增子系统

5.1 功能定位

基于用户提供的资料内容，通过联网搜索 + 专业技能分析，智能扩展补充，提升报告的信息密度和专业深度。

5.2 三级扩增模型

L1: 直引 → 直接引用用户资料中的事实和数据
    └── 来源标记为 "数据来源：用户资料"

L2: 搜索补充 → 对每个关键数据点搜索行业基准/对标值
    └── 来源标记为 "来源：XXX（搜索日期）"

L3: 专业深化 → 调用技能生态进行专业分析
    └── 调用 ie-expert / rohoon-6sigma 等分析

5.3 扩增策略矩阵

用户资料内容	搜索补充方向	扩增目标	研究深度
项目周期/范围	搜索同行业同类项目周期基准	对比分析，评估项目效率	standard
效率指标（OEE/良率/周期）	搜索行业基准值、TEEPTRAK报告	行业对标，凸显差距	standard
库存周转数据	搜索同行业库存周转基准	定位行业水平	standard
改善措施清单	搜索最佳实践案例、成功对标	丰富方案论证	quick
投资/成本数据	搜索行业ROI基准、政策补贴	论证投资的必要性	quick
项目名称/关键词	搜索行业趋势、最新政策	提升报告时效性	standard
竞争对手提及	搜索竞争对手动态、行业排名	竞争格局分析	deep
市场规模/政策引用	搜索权威报告+政策原文	数据权威性验证	deep
技术趋势/前沿课题	搜索学术论文+行业白皮书	前瞻性分析	deep

5.4 扩增执行流程

提取的原始内容
     │
     ▼
┌── 关键数据点识别 ────→ 数字指标、KPI、日期、行业术语
     │
     ▼
┌── 搜索规划 ──────────→ 每个数据点对应2个搜索关键词
     │
     ├── [深度检测] 是否需要三轮调研？
     │   ├─ 数字指标 → standard/deep
     │   ├─ 竞品/政策 → deep
     │   └─ 纯描述 → quick（跳过研究）
     │
     ▼
┌── 联网执行 ──────────→ multi-search-engine / WebSearch
     │                      (根据深度级别执行1-3轮)
     ▼
┌── 交叉验证 ──────────→ 多来源对比（仅deep模式）
     │
     ▼
┌── 数据融合 ──────────→ 用户数据 + 搜索数据 = 综合结论
     │
     ▼
┌── 专业深化 ──────────→ 调用技能生态验证分析
     │
     ▼
┌── 内容撰写 ──────────→ 撰写扩增后的报告内容
     │
     ▼
┌── 去AI味润色 ────────→ humanizer-zh 去除AI痕迹

5.5 去AI味润色（集成 humanizer-zh）

生成的内容在写入 PPT 前，必须执行去AI味处理：

# 检查点：每条文案输出前自检以下特征
CHECK_LIST = [
    "❌ 夸大的象征用语（"革命性""颠覆性""前所未有的"）",
    "❌ 宣传性/空洞表述（"赋能""抓手""闭环""打通"）",
    "❌ 模糊归因（"一般来说""某种程度""通常"）",
    "❌ 过度三段式（"第一...第二...第三..."）",
    "❌ AI常用词汇（"值得关注的是""值得注意的是"）",
    "❌ 过多连接短语（"此外""同时""另外""而且"）",
]

规则：每条 Action Title 和正文段落必须经过自检，去除上述特征后再写入 PPT。

六、设计要求

6.1 布局模式（基于 mck-ppt-design）

废弃全部自定义图表函数（VSM/GANTT/BAR/PIE等），全面使用 mck-ppt-design 的布局模式：

类别	布局模式	用途说明
结构导航	#1 Cover / #5 Section Divider / #6 TOC / #36 Closing	封面/章节/目录/结束
数据统计	#8 Big Number / #11 Data Table / #12 Metric Cards / #52 KPI Tracker	关键数字/表格/指标/KPI追踪
框架矩阵	#14 Three-Pillar / #16 Process Flow / #24 Exec Summary	三支柱/流程箭头/执行摘要
对比评估	#20 Before/After / #39 Horizontal Bar / #37 Grouped Bar	改善前后对比/水平柱状图排名/分组柱状图
时间流程	#24 Exec Summary / #29 Timeline / #35 Action Items	执行摘要/时间线/行动项卡片
综合仪表盘	#57 Dashboard	KPI行+柱状图+关键洞见
深蓝递进	#60 HeaderBar	深蓝顶栏标题+副标题
深蓝递进	#61 PYRAMID	居中多层金字塔布局
深蓝递进	#62 BLOCK_3COL	父块内三列子块
深蓝递进	#63 TAG_CHIP	层级标签chip
深蓝递进	#64 LEFT_LABEL_BAR	左标签+右内容色条
战略分析	#70 SWOT	SWOT四象限战略分析矩阵
数据可视化	#71 PIE_BAR	占比柱状图（避免BLOCK_ARC）
卡片装饰	#72 ICON / DECORATED_CARD	图标装饰+带图标卡片
对比分析	#73 MATRIX	比较矩阵（多维度对比）

6.2 配色规范

主色板（6色）：

颜色	简写	RGB	用途
NV深蓝	NV	(05, 1C, 2C)	主色/标题/表格头
WH白色	WH	(FF, FF, FF)	背景/深蓝底色文字
D3深灰	D3	(33, 33, 33)	正文内容
M6中灰	M6	(66, 66, 66)	次级文字/来源
LG浅灰	LG	(CC, CC, CC)	分隔线/表格行
BG背景	BG	(F2, F2, F2)	背景面板/卡片底

强调色（4色）：

颜色	简写	RGB	用途
AB蓝色	AB	(00, 6B, A6)	第一项强调
AG绿色	AG	(00, 7A, 53)	正向/改善后
AO橙色	AO	(D4, 6A, 00)	警示/连接箭头
AR红色	AR	(C6, 28, 28)	负向/改善前

浅背景色（4色）：

颜色	简写	RGB	用途
浅蓝	LB	(E3, F2, FD)	蓝色卡片背景
浅绿	LG2	(E8, F5, E9)	绿色卡片背景
浅橙	LO	(FF, F3, E0)	橙色卡片背景
浅红	LR	(FF, EB, EE)	红色卡片背景

深蓝递进色（商品定义框架风格）：

颜色	简写	RGB	用途
深蓝L1	LV1	(05, 1C, 2C)	顶层/最深层
深蓝L2	LV2	(0A, 30, 4A)	第2层
深蓝L3	LV3	(10, 44, 62)	第3层
深蓝L4	LV4	(16, 58, 7A)	第4层
深蓝L5	LV5	(1C, 6C, 92)	第5层(底)/最浅层

深蓝递进子色（内部分块用）：

颜色	简写	RGB	用途
子色1	SV1	(10, 60, 78)	交付加速
子色2	SV2	(10, 68, 82)	成本精控
子色3	SV3	(10, 70, 8C)	质量跃升
子色4-6	SV4-6	(18,68,88)~(18,78,9C)	要素/策略/定义

6.6 多配色主题（v5新增 - 对标豆包多模板）

主题名	主色	风格	适用场景
deepblue	#051C2C 深蓝	咨询专业风	精益/制造/供应链
tech	#005A96 亮蓝	科技现代风	AI/数字化/智能制造
business	#2C3E50 商务灰	沉稳专业风	管理/运营/财务汇报
vibrant	#D46A00 活力橙	热情鲜明风	创新/变革/启动会

使用方式：生成脚本开头调用 theme = apply_theme("tech") 一键切换全局色系。

6.3 字体规范

全微软雅黑 + Arial英文：

层级	用途	字号	样式
H0	封面标题	40pt	Bold, Microsoft YaHei
H1	Section标题	28pt	Bold, Microsoft YaHei
H2	Action Title（每页标题）	22pt	Bold, Microsoft YaHei
H3	卡片/子标题	14-16pt	Bold, Microsoft YaHei
H4	正文/列表	12-14pt	Regular, Microsoft YaHei
H5	注释/来源	9pt	Regular, Microsoft YaHei

规则：

中文统一用 Microsoft YaHei（微软雅黑）
英文/数字统一用 Arial
通过 a:ea 节点设置东亚字体：ea.set('typeface', 'Microsoft YaHei')
设置拉丁字体：latin.set('typeface', 'Arial')

6.4 Mac兼容规则（R1-R5）

规则	要求	违反后果
R1	字体：中文=微软雅黑 + 英文=Arial（不用Georgia）	Mac缺失Georgia显示方块
R2	❌ 禁止 `MSO_SHAPE.BLOCK_ARC`（Mac PowerPoint不渲染）	饼图/环形图用表格或柱状图替代
R3	❌ 禁止 `MSO_SHAPE.DIAMOND`（菱形）	改用圆角矩形+文字标注
R4	文本框 `top+height` 不重叠，间距显式计算	多行文本动态计算高度
R5	生成后必须执行 `full_cleanup()`	Mac打开时报错

6.5 资料提取兼容规则（R6-R9）

R6-R9 规则的完整定义请参考 第四章第4.4节「资料提取规则（R6-R9）」，此处不再重复。

快速索引：

R6 → 资料必须优先提取
R7 → 提取内容按来源分类
R8 → 关键数据点单独标注
R9 → 提取失败降级重试

七、内容标准 — 自适应模板

制造专家模式：20页标准模板

当内容分析引擎检测到制造领域内容时，使用以下标准模板：

页码	内容	布局	最低图形数
P1	封面：项目名+副标题+日期+公司名	#1 Cover	6
P2	目录：8个章节，含编号+标题+描述	#6 TOC	35
P3	章节分隔 PART 01：项目背景与目标	#5 Section	4
P4	项目背景+数据卡片+关键数字	#12 Metric Cards + #8 Big Number	25
P5	KPI仪表盘/追踪器（含进度条+状态）	#52 KPI Tracker	37
P6	章节分隔 PART 02：组织优化	#5 Section	4
P7	调研发现 Before/After 对比	#20 Before/After	13
P8	改善方案三支柱框架	#14 Three-Pillar	16
P9	章节分隔 PART 03：计划模式	#5 Section	4
P10	计划流程+数据表（含排产流程+指标）	#16 Process Flow + #11 Data Table	43
P11	实施时间线（6-8个里程碑节点）	#29 Timeline	26
P12	章节分隔 PART 04：物流优化	#5 Section	4
P13	物流优化 Before/After 对比	#20 Before/After	13
P14	库存对标（水平柱状图+行业数据表）	#39 HBar + #11 Data Table	6
P15	章节分隔 PART 05：验证成果	#5 Section	5
P16	验证成果大数字+数据表格	#8 Big Number + #11 Data Table	17
P17	综合仪表盘（KPI行+柱状图+洞见）	#57 Dashboard	60
P18	章节分隔 PART 06：核心价值与展望	#5 Section	4
P19	持续改善行动项（三阶段路线+行动卡片）	#29 Timeline + #35 Action Items	22
P20	结束页致谢+联系方式+格言	#36 Closing	6
	合计	20页	≥ 350

通用模式：自适应20页模板

当内容分析引擎检测到非制造领域内容时，自动适配模板结构。以下为通用模板映射规则：

页码	内容	布局	适配方式
P1	封面：自动提取内容主题	#1 Cover	从内容中提取最高频关键词作为标题
P2	目录：4-8个自动识别的章节	#6 TOC	根据内容段落结构自动划分章节
P3	章节分隔 01	#5 Section	根据内容类型命名（背景/概述/环境）
P4	摘要/总览/关键数据卡片	#12 Metric Cards	提取内容中的数字/指标做成卡片
P5	核心发现/关键KPI	#52 KPI Tracker	提取关键指标做成进度追踪
P6	章节分隔 02	#5 Section	根据内容类型命名（分析/问题/对比）
P7-P8	分析/对比/核心内容	#20 BA / #14 Pillar	根据内容结构选择对比或框架布局
P9	章节分隔 03	#5 Section	根据内容类型命名
P10-P11	流程/时间线/数据	#16 Flow / #29 Timeline	提取内容中的时间节点和流程步骤
P12-P14	数据/对标/排名	#39 HBar / #11 TB	提取数据制作柱状图和表格
P15-P16	成果/验证/大数字	#8 BN / #11 TB	提取成果数据做卡片和表格
P17	综合仪表盘	#57 Dashboard	KPI行+趋势+洞见
P18	章节分隔 04	#5 Section	展望/建议
P19	行动项/建议	#29 + #35	提取下一步行动
P20	结束页	#36 Closing	致谢/联系信息
	合计	20页	≥ 200

Action Title 要求

每页标题必须是完整句子（陈述结论），而非标题式短语：

❌ "组织优化"
✅ "深入调研发现问题 — 组织架构不匹配、职责交叉"

❌ "项目背景"
✅ "民和电器携手连恩，启动精益+数字化双轮驱动战略转型"

❌ "库存分析"
✅ "库存管理行业对标 — 中国制造业与国际差距1.4-2.3倍"

来源标注规范

每个数据/图表下方必须标注来源
三级来源标注体系：

来源级别	内容来源	标注格式	示例
L1：用户资料	直接引用用户提供的资料	`"数据来源：用户资料"`	用户资料
L2：搜索补充	联网搜索到的行业数据	`"来源：XXX·年份"`	简道云·2026
L3：技能分析	调用专业技能分析结论	`"来源：ie-expert分析"`	ie-expert分析

位置：页面底部 7.05 英寸位置（9pt, M6色）

八、助手函数规范

所有生成的 PPT 脚本必须包含以下助手函数（参考 generate_pro.py 实现）：

函数	用途
`cs(s)`	清理 shape 的 p:style XML，防文件损坏
`sf(run, is_en)`	设置字体：中文 YaHei，英文 Arial，通过 a:ea 节点
`TX(s, l, t, w, h, tx, ...)`	统一文本框，支持 Microsoft YaHei
`R(s, l, t, w, h, c)`	矩形（无边框）
`RR(s, l, t, w, h, c)`	圆角矩形
`HL(s, x, y, ln, c, t)`	水平线（薄矩形替代connector）
`OV(s, x, y, lb, sz, bg, fg)`	圆形标签
`AT(s, tx, sz)`	Action Title（白色背景+下划线，22pt Bold）
`SR(s, tx, y)`	来源标注（9pt M6色，7.05寸位置）
`PN(s, n, total)`	页码
`full_cleanup(path)`	删除所有 p:style + 主题阴影
`AUDIT(prs)`	自审函数（图形量≥200，页数≥18，密度≥10）
`HDR(s, title, subtitle)`	深蓝顶栏标题（新增v4）
`PYRAMID(s, layers, header)`	居中多层金字塔（新增v4）
`BLOCK_3COL(s, cx, cy, cw, ch, items)`	三列子块布局（新增v4）
`TAG_CHIP(s, text, x, y)`	层级标签芯片（新增v4）
`LEFT_LABEL_BAR(s, x, y, w, h, label, lw, content, lb, cb)`	左标签右内容条（新增v4）
`apply_theme(name)`	配色主题切换（v5新增：deepblue/tech/business/vibrant）
`SWOT(s, s,w,o,t, y)`	SWOT四象限分析矩阵（v5新增）
`PIE_BAR(s, items, y, title)`	占比柱状图替代饼图（v5新增）
`ICON(s, x, y, char, sz, bg, fg)`	装饰图标（v5新增）
`DECORATED_CARD(s, x, y, w, h, icon, title, desc, clr)`	带图标装饰卡片（v5新增）
`MATRIX(s, headers, rows, y)`	比较矩阵（v5新增）

九、布局模式实现规范

布局：#1 Cover — 封面

def cover(s, title, subtitle="", date="", company=""):
    # 顶部细线：NV色
    # 标题：40pt Bold, NV色，多行动态计算高度
    # 副标题：24pt, D3色
    # 日期+公司：14pt, M6色
    # 底部装饰线：NV色 2pt

封面标题高度根据行数动态计算：th = 0.8 + 0.65 * (lines-1) 英寸

布局：#6 TOC — 目录

def toc(s, items):
    # items = [(编号, 标题, 描述), ...]
    # 每行：圆形编号(NV) + 章节名(16pt,Bold) + 描述(14pt,M6)
    # 底部：灰色分隔线

全部8个章节必须完整列出

布局：#5 Section — 章节分隔页

def SEC(s, n, title, subtitle=""):
    # 左侧NV色竖条
    # "PART N" 16pt M6色
    # 标题 28pt Bold NV色
    # 副标题 14pt D3色

布局：#8 Big Number — 大数字

def BN(s, items, y=TZ):
    # items = [(大数字, 标签, 颜色), ...]
    # 第一项：NV底色+白字 或 BG底+NV字
    # 大数字44pt Bold，标签14pt

布局：#11 Data Table — 数据表

def TB(s, l, t, rows, cols, data, col_ws=None):
    # 使用 add_table() 原生表格（不自绘）
    # 表头：NV深蓝底 + 白字 Bold 9pt
    # 数据行：浅灰交替行（#F5F7FA）
    # 字体：9pt Microsoft YaHei
    # 居中对齐

布局：#12 Metric Cards — 指标卡片

def MCARDS(s, items, y=TZ):
    # items = [(数值, 标签, 示例值, 颜色), ...]
    # 白底卡片 + 顶部色彩条
    # 数值24pt Bold 色彩色，标签11pt M6，详情10pt D3

布局：#14 Three-Pillar — 三支柱

def PILLAR(s, items, y=TZ):
    # items = [(标题, [要点列表...], 颜色), ...]
    # 顶部色条 + 标题14pt WH色
    # 下方BG色卡片 + 要点列表12pt D3色

布局：#16 Process Flow — 流程箭头

def FLOW(s, steps, y=Inches(2.5)):
    # steps = [(标题, 描述), ...]
    # 第一项NV色，后续BG色
    # 箭头用文本"→" AO色

布局：#24 Exec Summary — 执行摘要

def EXEC(s, title, points):
    # title: 摘要标题
    # points: [(编号, 标题, 描述), ...]
    # 首项：NV底白字 关键结论
    # 后续：编号OV + 标题(14pt NV Bold) + 描述(14pt D3)

用于 P4 项目背景、P8 方案概览等需要结论先行的页面
顶部深蓝结论条 + 下方3-4个支撑论点

布局：#20 Before/After — 对比

def BA(s, before, after, y=TZ):
    # 左栏 BG色 "现状(Before)" D3色文字
    # 右栏 NV色 "目标(After)" WH色文字
    # 中间 "→" 箭头 NV色

布局：#29 Timeline — 时间线

def TIMELINE(s, items, y=Inches(3.0)):
    # items = [(标题, 描述), ...]
    # 水平LG色连接线 2pt
    # 圆形编号节点 NV色
    # 上方标题 16pt Bold NV色
    # 下方描述 11pt D3色

布局：#35 Action Items — 行动项

def ACTIONS(s, items, y=TZ):
    # items = [(行动, 时间, 负责人), ...]
    # 多列BG色卡片
    # 编号 + 标题(14pt NV色) + 时间(11pt M6) + 负责人(11pt D3)

布局：#36 Closing — 结束页

def CLOSE(s, main_text, sub_text="", tagline=""):
    # 顶部NV色细线
    # 主标题 28pt NV色 Bold 居中
    # 装饰线 NV色 1.5pt
    # 副标题 18pt D3色
    # 底部NV色粗线 2pt
    # 标语：20pt AO色 Bold

布局：#39 Horizontal Bar — 水平柱状图

def HBAR(s, items, y=TZ, title=""):
    # items = [(标签, 值), ...] 已排序
    # 第一名NV色，后续BG色
    # 背景浅灰条 + NV色填充条

布局：#37 Grouped Bar — 分组柱状图

def GBAR(s, data, labels, colors, y=TZ, title=""):
    # data = [[系列1的值], [系列2的值], ...] 每行=一个系列
    # labels = [组标签, ...] 如 ["M1","M2","M3"]
    # colors = [颜色1, 颜色2, ...] 每个系列的颜色

通常嵌入 #57 Dashboard 中使用
含Y轴刻度（0%-100%）、数值标签、图例
用于月度趋势对比、多系列数据展示

布局：#52 KPI Tracker — KPI追踪

def KTRACK(s, items, y=TZ):
    # items = [(名称, 进度0-1, 详情, 状态on/risk/off), ...]
    # 表头(11pt M6 Bold) + 黑色分割线
    # 进度条 on=AG / risk=AO / off=AR
    # 达成率 14pt Bold 状态色

布局：#57 Dashboard — 仪表盘

def DASH(s, kpis, data, labels, colors, insights):
    # kpis = [(数值, 标签, 颜色), ...] 顶行KPI卡片
    # data/labels/colors → 分组柱状图
    # insights → BG色底+NV色字 关键洞见

十、完整工作流（S0-S12）

S0: 内容分析与自进化检查（双轨并行 ⭐）

内容分析轨道 — 在提取资料前，先对内容进行类型分析：

提取内容样本（前1000字符或文件标题）
运行 detect_content_type() 检测内容类型
根据检测结果选择模式：制造专家 / 项目管理 / 市场分析 / 技术总结 / 通用
根据模式选择对应的20页模板
通知用户检测结果，确认或手动调整

自进化轨道 — 与内容分析同时执行：

加载进化数据（self_evolution/ 目录下的 known_skills / usage_log）
调用 self_evolution.py scan 扫描新技能
检查上次错误是否已修复
加载高频使用的布局模式偏好
如有新发现技能，通知用户集成建议

检测结果示例：
  "检测到内容类型：项目管理（置信度85%）
  将使用项目管理模板，包含：里程碑/风险矩阵/资源分配等章节
  如需切换模板请告知"

💡 系统提示：
  "自进化检查完成 | 已发现 0 个新技能 | 上次错误已修复 ✅"

S1: 资料收集与识别

确认用户提供了哪些资料：

[ ] PDF 文件 → 计划使用 markitdown / Read 提取文字
[ ] Word 文档 → 计划使用 markitdown 提取文字
[ ] Excel 表格 → 计划使用 markitdown 提取数据
[ ] 图片/截图 → 计划使用 markitdown OCR / Read 识别
[ ] 参考 PPTX → 计划使用 extract_images_from_pptx() 提取
[ ] 参考 URL → 计划使用 WebFetch 获取内容
[ ] 纯文本/笔记 → 计划使用 Read 读取
[ ] 未提供任何资料 → 跳过S1，从S2开始

S2: 资料提取

执行资料提取流程：

对每个文件执行对应的提取方法
按来源分类整理提取结果
标注关键数据点（数字、指标、年份、KPI）
输出 extracted_content.md 内容摘要文件
如提取失败，尝试降级方法（Read → WebFetch）

S3: 内容扩增

基于提取的资料内容执行联网扩增：

识别关键数据点 → 每个点搜索2个关键词
融合用户资料 + 搜索数据 → 形成综合结论
调用专业技能验证分析（仅制造领域）
输出扩增后的内容大纲
执行去AI味自检（参考5.5节检查清单）

S4: 需求确认

与用户确认：内容类型检测结果、资料提取结果、内容扩增大纲、报告类型。重点确认扩增的数据是否准确、模板选择是否合适。

S5: 联网调研（免API）

使用 multi-search-engine + WebSearch + WebFetch 搜索行业基准数据。

每个搜索点至少搜索2个关键词交叉验证
所有来源必须标注"来源：XXX（搜索日期）"

S6: 原PPT图片提取（如有）

调用 extract_images_from_pptx() 提取参考PPT图片，按页归类。提取的图片嵌入新PPT的对应页面。

S7: 设计大纲

按照自动选定的20页模板（制造/项目/市场/技术/通用），逐页确认内容和布局模式。 不包含 mck-ppt-design 禁用的模式（Donut/Pie/Gauge）。

S8: 专业技能分析（仅制造领域）

专业领域	调用技能	应用于报告章节
精益生产诊断	ie-expert	P7调研发现
六西格玛分析	rohoon-6sigma	P16验证成果
库存分析	inventory-eye / inventory-demand-planning	P14库存分析
计划物控	planning-mc-assistant	P10计划流程
精益工具	lean-production-toolkit	P8改善方案
制造咨询	manufacturing-consulting-toolkit	全流程辅助
数字化转型	Chief Information Officer	P18数字化规划

S9: 编写生成脚本

参考 references/generate_pro.py 模板（制造领域）或按通用模板规则编写：

导入 python-pptx / lxml
设置常量和配色
按20页模板逐页生成（使用 mck-ppt-design 布局模式）
全微软雅黑，无 BLOCK_ARC
每条文案执行去AI味自检
包含 full_cleanup() + AUDIT()

S10: 执行生成

pip install python-pptx lxml
python generate_xxx.py

S11: 质量审查

执行 AUDIT() + full_cleanup()，按交付检查清单逐项确认。

S12: 自进化日志（v5 新增）

报告生成完成后，自动写入进化日志：

记录本次使用的内容类型和模板 → usage_log.json
记录使用的布局模式及其频率 → template_stats.json
如有错误发生 → 写入 error_log.json（含修复方案）
更新 evolution_summary.md 进化摘要
输出本次进化日志摘要：💡 自进化：记录本次使用 | 累计X次 | 成功率Y%

十一、质量门禁

11.1 API依赖安装

在执行本技能前，确保以下依赖可用：

# PPT生成必备
pip install python-pptx lxml

# 可选：文档提取增强（如无法安装不影响核心PPT生成）
pip install 'markitdown[all]'

11.2 自审（AUDIT）

检查项	合格线
图形总量	≥ 200
总页数	≥ 18
图形密度	≥ 10 图/页
微软雅黑覆盖	≥ 80%

11.3 交付检查清单（14项）

十二、常见错误与修复

错误1：文件损坏打不开

原因：shape 携带 p:style 引用主题阴影修复：

每个 shape 调用 cs(s) 清理 p:style
最终执行 full_cleanup() 全XML净化

错误2：中文显示方块

原因：未设置东亚字体修复：

def sf(run, is_en=False):
    rPr = run._r.get_or_add_rPr()
    latin = rPr.find(qn('a:latin'))
    if latin is None:
        latin = rPr.makeelement(qn('a:latin'), {})
        rPr.append(latin)
    latin.set('typeface', EN if is_en else FN)
    ea = rPr.find(qn('a:ea'))
    if ea is None:
        ea = rPr.makeelement(qn('a:ea'), {})
        rPr.append(ea)
    ea.set('typeface', FN)

错误3：Mac上图形显示异常

原因：BLOCK_ARC 或复杂形状不被Mac PowerPoint支持修复：确保没有使用 MSO_SHAPE.BLOCK_ARC，所有圆环/饼图改用表格或柱状图替代。

错误4：文字重叠

原因：行间距未设置或使用固定Y坐标修复：

设置 p.line_spacing = Pt(font_size * 1.35) 防止中文重叠
多行文本动态计算高度
验证每个文本块的 top + height 不超出下一块的 top

错误5：connector 导致崩溃

原因：add_connector() 生成的 connector 在 Mac 上可能异常修复：用 add_hline()（薄矩形）替代所有 connector 和连线

错误6：markitdown 未安装导致资料提取失败

原因：环境未安装 markitdown 修复：

方法A：尝试 pip install 'markitdown[all]'
方法B：使用 Read 工具直接读取（PDF/图片/文本）
方法C：使用 WebFetch 读取网页内容
方法D：使用 python-pptx 读取 PPTX 文字

错误7：OCR识别结果不准确

原因：图片质量差或文字不清晰修复：

手动校对关键数据点
有疑问的数据标注"待确认"
建议用户提供清晰版本或核对

十三、技能自进化系统

13.1 系统定位

这是技能持续进步的核心引擎。每次使用本技能时，自进化系统自动运行，实现三个目标：

发现新能力 — 扫描系统中有无新增的相关技能，自动集成
学习与改进 — 记录每次执行的结果、错误和改进建议
持续优化 — 根据使用频率自动优化模板选择和布局推荐

13.2 技能发现引擎

每次技能被调用时，自动执行技能发现扫描：

# 技能发现流程
def scan_new_skills():
    """扫描 ~/.workbuddy/skills/ 发现新技能"""
    known = load_known_skills()      # 加载已知技能列表
    all_skills = listdir_skills()     # 扫描当前所有技能

    new_skills = []
    for skill in all_skills:
        if skill not in known:
            relevance = assess_relevance(skill)  # 评估相关性
            if relevance >= threshold:
                new_skills.append(skill)
                auto_integrate(skill)   # 自动集成
    
    if new_skills:
        notify_user(new_skills)        # 通知用户
        update_known_skills(new_skills) # 更新已知列表

技能发现规则：

规则	说明
R10	每次技能加载时执行一次发现扫描
R11	相关性评估基于 SKILL.md 中的 description 关键词匹配
R12	发现的技能自动加入技能生态矩阵
R13	新技能信息存储在 `self_evolution/` 目录
R14	与现有技能同名的忽略（已有则跳过）

已发现的技能生态（当前 22 个已集成）：

领域	技能	用途
分析诊断	ie-expert, rohoon-6sigma, kaizen, sixsigma	工业工程/六西格玛分析
库存分析	inventory-eye, inventory-demand-planning	库存优化
计划物控	planning-mc-assistant, supply-chain-bom-analyzer	排产/物料分析
精益工具	lean-production-toolkit, manufacturing-consulting-toolkit	精益方法论
深度研究	academic-deep-research, deep-research-pro, research-cog, arxiv-watcher, news-summary	多源交叉验证/证据层次/三轮调研（v5.1新增）
通用分析	chart-visualization, data-analysis-report	图表/数据/研究
战略规划	cio, change-management-plan, content-factory	战略/变革/内容
设计引擎	mck-ppt-design	麦肯锡风格PPT布局
进化辅助	self-improving-agent, self-reflection, proactive-agent	自进化框架
润色输出	humanizer-zh, humanizer, manufacturing-expert	去AI味/专业润色

13.3 进化数据存储

系统在 self_evolution/ 目录中维护以下文件：

self_evolution/
├── known_skills.json       # 已知技能列表（含版本、发现日期）
├── usage_log.json          # 使用记录（模式频率、执行结果）
├── error_log.json          # 错误日志（错误类型、修复方案）
├── improvements.json       # 改进建议（用户反馈、自动发现）
├── template_stats.json     # 模板使用统计（频率、评分）
└── evolution_summary.md    # 进化摘要（供每次加载时参考）

13.4 自进化执行流程

每次技能被调用时，自进化系统按以下流程执行：

技能被调用
     │
     ▼
┌── S0: 自进化检查（与内容分析同时执行）
│     1. 加载进化数据（known_skills, usage_log）
│     2. 扫描新技能（scan_new_skills）
│     3. 检查上次错误是否已修复
│     4. 加载高频使用的布局模式偏好
│
     ▼
┌── S1-S12: 正常报告生成流程
│     （期间自动记录使用情况）
│
     ▼
┌── 执行后：写入进化日志
     │
     ├── 记录本次使用的内容类型和模板
     ├── 记录使用的布局模式及其频率
     ├── 如有错误 → 写入 error_log（含修复方案）
     ├── 更新 template_stats（优化下次推荐）
     └── 更新 evolution_summary.md

13.5 自我提升机制

# 每次执行后的自我评估
def self_improve(execution_result):
    """根据执行结果进行自我改进"""
    improvements = []
    
    # 1. 布局模式使用分析
    mode_usage = analyze_mode_usage(execution_result)
    for mode, count in mode_usage.items():
        if count > 5:  # 高频使用的模式
            improvements.append(f"优化模式 {mode} 的默认参数")
    
    # 2. 错误模式分析
    errors = execution_result.get('errors', [])
    for err in errors:
        if err['type'] == 'font':
            improvements.append("字体配置需要优化")
        elif err['type'] == 'shape':
            improvements.append(f"形状 {err.get('shape')} 需要加清理守卫")
    
    # 3. 用户反馈分析
    if execution_result.get('user_satisfied') == False:
        improvements.append("用户不满意，需审查输出质量")
    
    # 4. 技能生态更新建议
    if execution_result.get('new_skills_found'):
        improvements.append(f"发现新技能，建议集成")
    
    return improvements

13.6 每日技能巡检自动化

配合 WorkBuddy 的自动化功能，可设置每日技能巡检：

# 自动化配置建议
schedule: 每天 09:00
动作: 执行技能发现扫描
输出: 报告新发现的技能及集成建议

执行方式：

在 WorkBuddy 中创建自动化任务，定期运行巡检
或每次使用本技能时自动附带检查
发现新技能时，在报告中输出「💡 提示：发现新技能 XXX，可集成使用」

13.7 进化数据分析示例

指标	说明	使用方法
模式使用频率	每种布局模式被调用的次数	推荐高频模式作为优先选项
模板选择准确性	内容类型诊断与用户反馈的一致率	优化 detect_content_type() 权重
错误率	每次执行出现错误的概率	优先修复高频错误
技能集成率	已集成技能占可用技能的比例	发现遗漏的技能进行集成
用户满意度	用户对生成结果的反馈评分	优化模板和内容质量

13.8 与自进化系统对接

本技能与以下自进化框架技能协同工作：

技能	用途	对接方式
self-improving-agent	对话质量分析，识别改进机会	共享 evolution_summary.md
self-reflection	结构化反思与记忆	共享错误日志和学习记录
proactive-agent	将 AI 从任务执行者变为主动伙伴	自动建议模板优化

十四、参考文件

文件	说明
`references/generate_pro.py`	v5 完整生成脚本模板（含配色主题系统+SWOT/PIE_BAR/ICON/MATRIX+深蓝递进系+民和电器案例）
`references/extract_content.py`	v4 资料提取脚本模板（PDF/Word/Excel/图片OCR/PPTX）
`references/self_evolution.py`	v5 自进化系统脚本（技能发现+使用追踪+错误学习）
`references/report-templates.md`	各类型报告详细页面结构模板
`references/consulting-phrases.md`	咨询报告专业用语模板
`references/requirements-summary.md`	完整需求规格文档
`references/deep_research.py`	v5.1 深度研究脚本（多源交叉验证+证据层次+三轮调研）

十五、深度研究引擎（v5.1 新增）

15.1 功能定位

在内容扩增子系统基础上，增加深度研究能力。当用户材料中的关键数据点需要行业佐证、或者报告需要更深层次的市场分析时，启用本引擎进行多源交叉验证研究。

15.2 研究框架（三阶段）

┌─ 第一阶段：需求澄清 ─────────────────────────────────┐
│  识别材料中的关键数据点 → 需要佐证的断言 → 行业空白   │
│  输出：研究需求清单（3-5个研究主题）                   │
└─────────────────────────────────────────────────────────┘
     │ 用户确认
     ▼
┌─ 第二阶段：多源调研 ─────────────────────────────────┐
│  每个主题执行：                                        │
│  ├─ 第1轮：广度搜索（5-10个来源）                     │
│  ├─ 第2轮：深度提取（关键来源详细分析）               │
│  └─ 第3轮：交叉验证（不同来源对比验证）               │
└─────────────────────────────────────────────────────────┘
     │ 自动执行
     ▼
┌─ 第三阶段：数据融合 ─────────────────────────────────┐
│  将研究结果与用户原始材料融合                         │
│  ├─ 用户数据 ✓                                        │
│  ├─ 搜索佐证 ✓                                        │
│  └─ 综合分析 ✓                                        │
└─────────────────────────────────────────────────────────┘

15.3 三级证据体系

等级	来源类型	可信度	标注格式
L1	用户提供的原始材料	★★★	"数据来源：用户资料"
L2	权威行业报告/政府数据	★★★	"来源：XXX（年份）"
L3	专业媒体报道/企业公开信息	★★☆	"来源：XXX·YYYY-MM-DD"
L4	通用网络搜索结果	★☆☆	"来源：网络搜索"

15.4 研究触发条件

条件	自动触发	说明
材料中包含具体数字指标	✅	自动搜索行业基准对标
材料提及竞争对手或行业趋势	✅	搜索最新动态补充
材料中有政策/法规引用	✅	验证政策时效性
用户明确要求"深度研究"	✅	完整三阶段执行
仅做PPT排版	❌	跳过研究

15.5 与现有工作流的集成

深度研究引擎嵌入 S3（内容扩增）阶段，在关键数据点识别后自动判断是否需要执行研究。

15.6 研究执行规范

第1轮 - 广度搜索: web_search(query, count=10) → 初始发现摘要
第2轮 - 深度提取: web_fetch(top_3_results) → 详细内容+关键数据
第3轮 - 交叉验证: web_search(alternative_terms) + web_fetch → 多源对比

15.7 研究技能生态对接

技能	用途	触发场景
academic-deep-research	严谨学术级研究	需要APA引用、文献综述
deep-research-pro	多阶段迭代调研	市场调研、竞品分析
research-cog	AI深度研究	投资研究、行业分析
arxiv-watcher	ArXiv论文摘要	最新技术研究成果
news-summary	新闻资讯抓取	行业最新动态和热点

Version tags

latestvk97a98ea6e402tqpr8t655pvg585w2sc