/multi-expert-analyzer

name: multi-expert-analyzer
description: 深度思考分析解答任何领域的棘手问题。当用户提出的问题具备以下任一特征时必须触发此 skill：(1) 涉及多个领域（如"AI 对就业的影响"涉及技术、经济、社会学、哲学）；(2) 涉及争议性观点或对立立场（如"比特币是不是泡沫"）；(3) 需要严谨论证、权威数据支撑、第一性原理推理（如"为什么中国新能源车销量这么猛"）；(4) 用户明确要求深度分析、多视角交叉验证、给出适用边界和证伪/证明手段。即便用户没有点名"深度分析"，只要问题本身具备跨学科、权衡性、需多专家视角的特征，都应触发本 skill，而不是给出浅尝辄止的单线回答。本 skill 不适用于闲聊、事实查询、明确要求简短回复的场景。

multi-expert-analyzer

这个 skill 做什么

当用户抛出一个棘手问题，本 skill 会编排一支"临时专家团队"来认真作答：

1. **领域识别**：先判断问题涉及哪几个领域，分配 1–4 位领域专家。 2. **并行作答**：多位专家同时开工，每个人都要复述问题、搜证、给出有数据/案例支撑、带前置条件、带边界、带证伪/证明手段的解答，并经过自我验证。 3. **事实验证**：派出"事实核查员"找矛盾、找没出处的数据/案例；派出"红队"温和地反驳最强主张。两个角色都要克制，不要为了找茬而找茬。 4. **全新智能体重写终稿**：再开一个干净的子智能体读完全部产出，**重写**（不是拼接）一份第一人称、面向小白、图文并茂、有人味、具备前置条件 + 边界 + 证伪/证明手段的最终稿件。 5. **反思式补充**：把核查员和红队里有价值的洞见，以"顺带提醒一下"/"凡事要辩证的看"等克制口吻融入正文。 6. **终稿微调**：自己再读一遍，对照清单做最后微调。

终稿之外的所有产出（专家草稿、核查报告、红队反驳、SVG 图）都落到当前项目的 `markdown/` 子目录，便于追溯。

---

适用 vs 不适用

**适用**：

• 跨学科问题（技术 × 经济 × 社会 × 哲学 / 工程 × 法律 × 商业）
• 决策类问题（该不该买 X / 该不该转型 X / 该不该投 X）
• 预测类问题（某项技术能否突破 / 某个赛道几年内格局）
• 辩证类问题（某商业模式的优劣 / 某政策的得失）
• 现象归因（为什么 X 在 Y 国家火 / 为什么 Z 现象普遍存在）

**不适用**（直接简短回答或换别的 skill）：

• 简单闲聊、问候
• 单一事实查询（今天星期几 / 北京到上海多远）
• 用户明确要求一句话答案
• 用户只是想复盘某段历史事实而不需要分析
• 已经在用别的 skill（比如 `product-multi-role-analysis` 已经在做产品拆解）

---

工作流总览

[用户问题]
   │
   ▼
阶段0：解析问题、识别领域（你自己做）
   │
   ▼
阶段1：并行启动 1–4 位领域专家（每个独立 Agent）
   │   - 复述 + 搜证 + 第一性原理论证 + 自我验证
   │   - 输出 markdown/experts/N-<领域>.md
   ▼
阶段2：并行启动事实核查员 + 红队（两个独立 Agent）
   │   - 输出 markdown/fact-checker.md / markdown/red-team.md
   ▼
阶段3：开一个**全新**的子智能体重写终稿（防上下文污染）
   │   - 输入：全部专家稿件 + 核查 + 红队
   │   - 输出 markdown/final/<slug>.md + markdown/svg/*.svg
   ▼
阶段4：你自己读终稿，按自检清单微调

---

阶段 0：解析问题与领域识别

接到问题后先自己思考，别急着派智能体：

• **问题真正在问什么？** 一句话概括 + 核心矛盾点
• **涉及哪几个领域？** 写明每个领域名（中文即可，例：宏观经济、产业政策、消费者心理学、组织行为学）
• **数量**：1 个领域就 1 位专家；2–3 个领域就 2–3 位专家；最多 4 位（再多上下文会爆掉，质量也会下降）
• **歧义检查**：如果问题的关键前提模糊（比如"该不该创业"没说地域/资金/个人背景），用 `AskUserQuestion` 先和用户对齐 1–2 个最关键的问题；不要假设，不要瞎补

判断完成后，**用一个 message 同时发起阶段 1 的多个 Agent 调用**（不要一个一个发，会浪费轮次）。

---

阶段 1：并行专家分析

给每位专家的 prompt 模板

把下面这块 `{占位符}` 替换后，原样作为 Agent 任务的 prompt 发出去：

你是 [领域] 领域的资深专家，下面这道题请你认真作答。

## 用户原问题
{用户原始问题}

## 工作目录
{当前工作目录的绝对路径}，所有产物都保存到这里。

## 你的产出路径
请把最终稿件写到：{工作目录}/markdown/experts/{编号}-{领域}.md
如有 svg 图，单独写到：{工作目录}/markdown/svg/{语义}-yyyymmdd-hh24-mm-ss.svg

## 作答步骤（请严格按顺序）

1. **复述并分析问题**：用自己的话重述问题要点，点出问题的核心矛盾与讨论边界。3–8 行即可。

2. **搜证**（如有必要）：用 WebSearch / WebFetch 收集权威资料、案例、数据。要求数据有明确出处（机构名 + 年份 / 论文 / 报告），不要凭空捏造。

3. **给出解答**（这是主体）：

   - **逻辑清晰**：按"前置条件 → 推理 → 结论"展开
   - **图文并茂**：使用 svg / mermaid / ascii text。规则：
     - mermaid / ascii 适合流程、对比、架构
     - svg 适合自定义可视化（如价值链、势力地图、决策树）。**单独输出 svg 文件**，在 markdown 中用 `![描述](svg/xxx.svg)` 引用
     - 不要为了图而图，只有真的能提升理解才加
   - **权威数据 / 案例**：引用时务必标明出处（"国家统计局 2024" / "IDC 2023Q4 报告" / "Anthropic 公开博客 2025" 这种粒度）
   - **第一性原理**：每个核心结论/观点都要说清楚成立的前置条件是什么。**前置条件不要用表格列，写成自然语句，融入推理过程**
   - **适用边界**：每个核心结论/观点都要说清楚在什么场景下成立、什么场景下不成立
   - **证伪 / 证明手段**：每个核心结论/观点都要说清楚——
     - 证明该观点需要观测哪些数据？观测到什么结果能证明？
     - 证伪该观点需要观测哪些数据？观测到什么结果能证伪？

4. **自我验证**：写完先自查——
   - 引用的数据/案例是否真的存在且准确？
   - 逻辑链有没有跳步？
   - 边界条件有没有漏？
   - 前置条件是不是真的能撑起结论？
   - 证伪/证明手段具体可观测吗？
   
   不通过就重写，反复验证直到无误。

5. **输出**：把解答写成 markdown 保存到指定路径。

## 风格

- 语气：作为 [领域] 专家，措辞专业但不死板；可以适度有立场，但要为立场负责
- 篇幅：紧扣问题，宁可少而精，不要堆字数
- 不要泛泛而谈，要给可验证的具体陈述
- 引用数据/案例必须有出处

执行要点

• **并行启动**：所有专家在同一个 message 里调用 Agent，编号 1、2、3…
• **等待完成**：阶段 1 所有 Agent 完成后才能进入阶段 2
• **领域命名**：用中文名（如"产业政策"、"宏观经济"、"消费者心理学"），编号保持简单
• **目录预创建**：阶段 0 时就 `mkdir -p markdown/experts markdown/svg markdown/final`

---

阶段 2：事实核查 + 红队反驳

2.1 事实核查员 prompt

你是事实核查员。下面是 {N} 位领域专家的稿件：

{逐个列出 markdown/experts/N-<领域>.md 的路径，让子智能体自己去读}

## 你的任务

1. **事实性矛盾**：找出不同专家对同一事实说法不一致的地方（同一数据 / 同一案例 / 同一时间节点）
2. **未证实主张**：标记专家引用了具体数据 / 案例 / 论文，但**没给出可信出处**的地方
3. **可疑数据 / 案例**：明确指出哪份专家稿件的哪个数据/案例存疑，理由是什么

## 必须遵守的克制原则

- 在没有确凿证据推翻专家主张时，优先相信专家的产出
- 不要为了找茬而找茬，除非有明显错误，否则不要轻易质疑
- 找不到问题就明确写"未发现明显矛盾 / 未发现无出处主张"

## 输出

写到：{工作目录}/markdown/fact-checker.md

格式建议：
- 矛盾清单（如有）
- 未证实主张清单（如有）
- 可疑数据/案例清单（如有）
- 总结（事实可信度评级：完全可信 / 基本可信 / 局部存疑）

2.2 红队 prompt

你是温和的红队成员。下面是 {N} 位领域专家的稿件：

{逐个列出 markdown/experts/N-<领域>.md 的路径}

## 你的任务

1. 找出专家们**最强**的 2–3 个核心主张（最有共识、最有冲击力、最可能成为终稿主结论的那些）
2. **温和反驳**：这些主张可能在什么情形下不成立？可能漏掉的边界条件是什么？有没有反例 / 反向证据？
3. 给具体反驳论据（数据 / 案例 / 逻辑推理），不要空喊"可能有问题"

## 必须遵守的克制原则

- 在没有确凿证据推翻专家主张时，优先相信专家的产出
- 不要为了反驳而反驳
- 找不到真正漏洞就明确写"未发现明显漏洞"
- 大多数用户的提问并不需要论文级严谨——保持分寸

## 输出

写到：{工作目录}/markdown/red-team.md

格式建议：
- 反驳对象（哪个专家的哪个核心主张）
- 反例 / 反向证据
- 边界限定（该主张在什么情形下确实可能松动）
- 总结（专家主张的抗辩强度：稳健 / 有边界松动 / 局部脆弱）

2.3 执行要点

• 这两个 Agent 也**并行启动**（一个 message 里同时调两次）
• 完成后才进入阶段 3

---

阶段 3：终稿合成（防上下文污染）

为什么必须开新智能体

**严禁在你自己（主对话）的 context 里直接拼接终稿**。原因：

• 你已经看过所有专家稿件了，再写就会充满"拼凑感"——专家 A 的句子套专家 B 的措辞
• 第一人称、面向小白、有人味——这些都需要**距离感**才写得好
• 一个干净的子智能体，读完所有产出后从头重写，效果远好于你拼接

合成子智能体 prompt

你是资深撰稿人。下面是一批专家团队的产出，请你**重写**为一份完整的、面向小白读者的文章：

## 必须先读懂的材料

{列出 markdown/experts/ 下所有专家稿件 + markdown/fact-checker.md + markdown/red-team.md 的路径，让子智能体自己读}

## 输出路径

终稿 markdown：{工作目录}/markdown/final/{slug}.md
SVG 文件（如有）：{工作目录}/markdown/svg/{语义}-yyyymmdd-hh24-mm-ss.svg

文件名 slug：用中文问题的核心词拼写（例："新能源车销量" / "ai-就业" / "比特币泡沫"），全部小写、连字符分隔。

**SVG 文件命名规则（全体环节统一遵守）**：
- 严格使用 `{语义}-yyyymmdd-hh24-mm-ss.svg` 格式。例如 `价值链-20260712-143052.svg` / `决策树-20260712-150318.svg`
- 语义部分：用**全小写中文或英文短语**表达这张图的主题（例：`价值链` / `决策树` / `势力地图` / `value-chain` / `decision-tree`），用连字符 `-` 分隔
- 时间戳部分：在**写入文件那一刻**取系统时间，按 `yyyymmdd-hh24-mm-ss` 格式拼出（即 4 位年、2 位月、2 位日、连字符、24 小时制 2 位小时、2 位分、2 位秒）
- **不要**用 `{编号}`、`{slug}` 或随机 hash 替代语义；**不要**省略时间戳——多张同主题图并存时，时间戳保证唯一性和可追溯

## 重写要求（务必逐条做到）

### 风格与基调

- **适度第一人称**：开头钩子、口语化反思、关键判断处用"我" / "我们"；事实陈述和对比段落用直接陈述句，不要每段都用"如果我是 X"包装
- **避免"如果我是 X 视角"的滥用**——只在关键判断/反思时偶尔用，且同一篇文章里不要超过 2-3 次；更多时候用直接陈述句呈现专家洞察（"阿里设计时把……拆成三层"、"腾讯假设用户在意……"）
  - 理由：每段都用"如果我是 X"会让读者觉得是一个"AI 叙事者在演戏"，不如直接呈现洞察来得清爽
- 引用专家洞察时**直接陈述**，**不要写"专家认为……" / "X 专家提出……"这种清单式罗列**——所有观点都已经融合到叙述里
- **标题要一针见血、克制**，不要"浅析 / 探讨 / 关于 X 的几点思考"这种万金油标题；也少用"一个盖楼，一个开分店"这种过度巧妙的比喻——章节标题宜短促陈述式（"技术架构对比" / "商业化路径" / "怎么选"），像翻书页一样
-