industry-intro

行业定义生成系统；当用户需要为任意行业/产品生成高信度、可溯源、结构化的行业定义报告时使用

Security Scan

The skill's files, instructions, and requirements are coherent with its stated purpose (generating traceable, structured industry definitions); no disproportionate credentials, downloads, or hidden endpoints are requested, but there are a few implementation notes you should review before use.

Purpose & Capability

Name/description (industry definition, high-trust reports) align with included scripts (search_router, info_cleaner, quality_checker) and the many reference documents; no unrelated env vars or binaries are requested.

Instruction Scope

SKILL.md instructs multi-source retrieval (knowledge/API/web) and invoking the three scripts. The included search_router.py provides a simulated/local search implementation (it does not perform real network calls). Verify whether the agent is intended to call external search/APIs (the SKILL.md implies external retrieval) — if real network/data sources will be used, review that integration for network endpoints and credential use. Also the provided quality_checker.py snippet in the bundle appears truncated in the supplied content; ensure the actual file in the package is complete.

Install Mechanism

No install spec (instruction-only) and no external downloads; scripts are bundled with the skill. This minimizes supply-chain risk, but bundled code will be executed locally — review it before running.

Credentials

Skill declares no required environment variables, credentials, or config paths and included code does not reference secrets — proportional to the described purpose.

Persistence & Privilege

always:false (not force-included) and default autonomous invocation allowed (platform default). The skill does not request persistent or cross-skill configuration or elevated privileges.

Assessment

This skill appears coherent and self-contained: it bundles scripts for routing/search simulation, cleaning results, and scoring output to produce structured, sourced industry definitions. Before enabling it for regular use: 1) Inspect the bundled scripts yourself (or run them in a sandbox) — they will execute locally and produce output; 2) Confirm the actual quality_checker.py file in the package is complete (the provided snippet looked truncated); 3) Decide whether you want the agent to perform real web/API searches — SKILL.md suggests multi-source retrieval but the included search_router is a simulated implementation; if you enable real network access, review any added network calls and required credentials for unexpected endpoints; 4) Test with benign inputs and check that all sources cited in outputs are legitimate and reachable. If any of the above steps reveal unexpected network calls, credential prompts, or obfuscated code, treat the skill as suspicious and do not enable it globally.

行业定义与高信度生成系统

任务目标

本 Skill 用于根据用户输入的任意行业/产品种子词，通过多轮检索、清洗、结构化生成和质量自检，输出符合行业标准、数据可溯源、格式统一的行业定义报告。

核心能力

• 命名归并与消歧义：将非标准称谓映射为标准化名称
• L1-L5层级属性判定：准确归类并锁定市场规模测算口径
• 多源并行检索：支持知识库、API、网页搜索三类检索
• 信息清洗与去重：剔除商业软文，保留高信度内容
• 结构化生成：严格按照四维结构撰写定义
• 质量自检：四维度评分与自动修正

触发条件

当用户需要：

• 为特定行业、产品、技术生成标准化行业定义
• 生成可溯源的行业研究报告
• 进行行业分类和层级判定
• 获取高信度的行业统计数据口径

操作步骤

阶段1：命名归并与消歧义

1. 检查种子词是否为缩写、俗称（如"eVTOL"、"HUD"）
2. 如有必要，映射为国家标准全称（如"电动垂直起降飞行器"、"抬头显示器"）
3. 处理多义词：通过上下文判断或向用户提问确认具体指代
4. 输出标准化名称

阶段2：L1-L5层级属性判定

1. 根据 L1-L5分类规范 判定词条所属层级
2. 明确该层级的命名强制规范和市场规模测算口径
3. 输出分类层级和统计口径说明
4. 附带判定理由

阶段3：检索路由策略制定

1. 根据词条属性（层级、行业属性）规划检索路径：
   • 强监管/合规词条 → 优先检索国家标准知识库和监管机构文件
   • 硬核技术/装备词条 → 优先检索专利库和招股说明书
   • 新兴消费/业态词条 → 优先检索行业协会白皮书和头部券商研报
2. 生成下游任务清单：
   • 核心本体界定（属+种差）
   • 核心理化参数/工作原理
   • 应用场景与病理/功能逻辑
   • 统计口径边界

阶段4：执行并行检索与信息清洗

1. 调用 scripts/search_router.py 并行执行三类检索
2. 调用 scripts/info_cleaner.py 清洗检索结果：
   • 剔除商业软文中的溢美之词（如"遥遥领先"、"颠覆性"）
   • 数值硬校验，确保关键参数与原文一致
   • 合并去重，保留高信度内容

阶段5：结构化生成

1. 参考 四维结构模板 撰写定义
2. 严格遵循写作约束，将四维结构融合为一个自然段落：
   • 核心本体界定：首句明确该词条在广义分类学中的归属（属概念），使用"对比与排除法"指出其差异化核心特征（种差）
   • 技术原理与理化属性（简洁性约束）：压缩为一句话概括，仅保留最核心的技术特征和关键参数（如CAS号、熔点、核心性能指标），避免冗长的技术细节描述
   • 病理/功能与应用场景：遵循"疾病成因/痛点-靶向受众-解决手段"的逻辑闭环，论述其双向或多维应用价值
   • 边界划定与统计口径：使用"包含"与"不包含"的强制性谓词进行排他性界定。如果词条为L4产品级，必须声明其市场规模按"终端总消费规模/销量"计算
3. 在定义内容中，每个关键论点标注编号标记（如[1][2][3]），对应后续溯源来源列表
4. 关键论点范围：技术参数、法规标准引用、行业共识性结论（不包含市场规模数据）
5. 整合为一个流畅的自然段落，逻辑连贯，表述清晰
6. 单独列出溯源来源部分，按编号列出所有来源的链接

阶段6：自我评估与修正

1. 调用 scripts/quality_checker.py 进行质量评分
2. 四个维度评分（满分100）：
   • 有根据性（40分）：所有关键陈述是否有明确来源
   • 相关性（20分）：内容是否紧密围绕种子词
   • 结构合规性（20分）：是否严格遵循四维结构
   • 可解释性（20分）：表述是否清晰，无歧义
3. 若总分≥85，输出最终结果
4. 若总分<85，根据修改指令返回阶段4或阶段5进行修正

资源索引

• 必要脚本：
  • scripts/search_router.py - 检索路由与执行，支持多源并行检索
  • scripts/info_cleaner.py - 信息清洗与去重，数值硬校验
  • scripts/quality_checker.py - 质量评分与校验，四维度自动化评分
• 领域参考：
  • references/l1-l5-classification.md - L1-L5层级分类详细规范
  • references/four-structure-template.md - 四维结构写作模板与示例
  • references/quality-assessment.md - 质量评估标准与评分细则
  • references/source-tracing.md - 溯源标注规范与可信来源清单

注意事项

• 禁止使用"也许、大概、可能"等模糊词汇
• 禁止编造数据，所有数据必须有明确来源
• 禁止使用营销话术（如"强大的"、"卓越的"）
• 所有数值（年份、百分比、技术参数）必须原样保留，不得近似或修改
• 技术原理简洁性：技术原理部分必须压缩为一句话，仅保留最核心的技术特征和关键参数
• 溯源标注分离：在定义内容中使用编号标记（如[1][2][3]），在"溯源来源"部分单独列出所有来源的链接
• 多轮交互：在阶段1无法确定词义时，必须向用户提问澄清

输出格式

最终输出采用以下Markdown结构：

## [标准化后的词条名] 定义报告

**分类层级**：[L1-L5] – [判定理由简述]
**统计口径**：[绝对数量约束描述]

### 定义内容
[一个自然段落，融合以下内容：
1. 核心本体界定（属+种差）
2. 技术原理与理化属性（保留关键数值）
3. 应用场景与价值（痛点-受众-方案）
4. 边界与口径（包含/不包含/市场规模计算方式）]

### 溯源来源
[按关键论点列出的溯源链接列表]

---
*报告生成时间：YYYY-MM-DD*

使用示例

示例1：技术装备类词条

• 功能说明：为"HUD"生成标准化定义报告
• 执行方式：混合（智能体主导流程，脚本辅助检索和质量检查）
• 关键步骤：
  1. 映射为"抬头显示器"
  2. 判定为L4产品级
  3. 优先检索专利库和技术文档
  4. 生成四维结构定义
  5. 质量评分修正

示例2：强监管类词条

• 功能说明：为"特医食品"生成高信度定义报告
• 执行方式：混合
• 关键步骤：
  1. 映射为"特殊医学用途配方食品"
  2. 判定为L3行业级
  3. 优先检索国家标准知识库和监管机构文件
  4. 严格数值校验和溯源
  5. 质量评分≥85分后输出

示例3：新兴消费类词条

• 功能说明：为"eVTOL"生成产业定义报告
• 执行方式：混合
• 关键步骤：
  1. 映射为"电动垂直起降飞行器"
  2. 判定为L4产品级
  3. 优先检索行业协会白皮书和券商研报
  4. 生成完整四维结构定义
  5. 溯源标注和质量校验