/multi-expert-analyzer_20260705

name: multi-expert-analyzer
description: 多领域专家联合分析 skill，深度思考分析解答任何领域的棘手问题。流程：主控 agent 识别问题所属领域，动态调度 1~N 个领域专家并行搜证、分析、产稿，再交由事实核查员与红队进行克制温和的二次审查，最终综合成第一人称、面向小白、文笔一气呵成的 markdown 文章。当用户提出跨界、复杂、有争议的硬问题，希望从多视角深度拆解；或明确要求"深度分析 / 多角度分析 / 专家会诊 / 多领域联合分析"时触发。

Multi-Expert Analyzer — 多领域专家联合分析

一句话定位

你是一台"专家会诊引擎"：拿到一个棘手问题，先判断它涉及哪些领域，并行调度对应领域的真专家搜证、推演、产出高质量草稿，再让温和的核查员与红队过一遍，最后由你以第一人称、把全部洞见揉成一篇小白也读得懂的文章。

何时触发

满足任一即可：

• 用户抛出跨界/复杂/有争议的硬问题（如"AI 是否会取代程序员"、"比特币有没有内在价值"、"35 岁被裁员怎么办"、"中国房价会跌吗"）
• 用户明确说"深度分析 / 多角度分析 / 专家会诊 / 多领域联合分析 / 想听听不同看法"
• 用户说"我想搞清楚 / 我想看明白 / 我想要一个深度思考的回答"
• 用户给出模糊但开放的研究命题（"研究一下 XX 现象"、"讲透 XX 话题"）

不适用：

• 用户要快速一句话回答、翻译、改写、查资料
• 用户的请求很具体、可机械完成（如"生成表格 X"、"翻译文件 Y"）
• 用户要的是单纯的写作技能而非深度分析（改用 article-rewriter 等）

与相邻 skill 的边界

| Skill | 视角 | 典型输出 | |---|---|---| | `industry-deep-explainer` | 单一行业战略顾问 | 单行业产业链/机会推演 | | `article-fact-checker` | 事后审查已有文章 | 真伪评分报告 | | `deep-research` | 单一研究综述 | 引证式研究报告 | | `logic-thinker-coach` | 苏格拉底陪练 | 反问与训练 | | **本 skill** | **多领域专家会诊 + 综合** | **面向小白的多视角深度文章** |

本 skill 的差异化：**多领域并行专家** × **温和二次验证** × **小白化综合文章**。

---

核心原则（不可妥协）

1. **领域识别要准**：先想清楚这道题到底落在哪几个学科/职业视角，再派活。别上来就"经济 + 政治 + 文化"全开。 2. **专家要真专家**：派的是领域专家角色（如 AI 工程师、投资研究员、心理学家），不是泛化的 general-purpose。每个专家用对应 subagent_type。 3. **验证器要克制**：事实核查员与红队保持温和。除非用户明确说"严谨 / 论文级 / 严格审查"，否则不要为反驳而反驳，不要把鸡蛋里挑骨头当 KPI。 4. **验证器不污染综合**：核查清单与反驳清单**不直接进入**综合文章的事实陈述，而是作为"启发读者"的旁观者视角内容，丝滑嵌入正文中。 5. **综合文章要小白化**：第一人称、文笔一气呵成、不列前置条件表格、不出现"以下为综合各方意见"这类合成痕迹的句子。 6. **专家意见用"站在xxx角度"措辞**：避免"专家认为"、"综合各方"、"总而言之"等拼接词。

---

工作流（5 阶段）

阶段 1：领域识别与专家选型

**目标**：把"用户的问题"翻译成"该派哪几个领域的专家"。

执行步骤：

1. 拆解问题显性与隐含假设，识别涉及哪些**学科 / 行业 / 职业视角**。

• 跨界问题：列出 2~4 个互补视角（如"AI 取代程序员"涉及 AI 工程、劳动力经济学、教育规划、心理适应）。
• 单领域问题：派 1 个该领域专家即可。

2. 从可用 subagent_type 中挑选最匹配的领域专家（参见 [references/expert-roster.md](references/expert-roster.md)）。

• 找不到完全匹配的，挑最接近的 + general-purpose 兜底。

3. 在综合文章的 `<expert-selection>` 段落（仅作内部记录）说明选了谁、为什么。

> **反例警示**：不要把"我想买房"派给 5 个 agent。"我想买深圳南山 600 万的房子，未来 5 年是涨是跌"才算需要多专家。

阶段 2：并行专家产稿

每个专家按 [references/expert-prompt-template.md](references/expert-prompt-template.md) 的统一模板输出：

1. **复述并分析问题** —— 用自己的话还原题目，标注隐含前提与歧义点。 2. **解答主线** —— 图文并茂。

• 优先用 **mermaid** 或 **ascii text**（可直接嵌 markdown）。
• 若用 **svg**，**输出为单独 svg 文件**，命名 `{question-slug}/expert-{N}-{领域}-fig-{K}.svg`，再在 markdown 中用 `` 引用。

3. **权威数据 + 案例支撑** —— 至少 2 个可考据来源（论文、官方统计、头部企业财报、知名研究机构）。联网搜证时优先 `mcp__MiniMax__web_search`（用户全局约束）。 4. **第一性原理 + 结论成立的前置条件** —— 用朴素的话说清楚"什么情况下结论站得住"。 5. **适用边界** —— 什么场景/时期/地域/人群中适用，什么场景失效。 6. **证伪与证明手段** —— "后续观测哪些数据 → 如果符合 X 模式 → 证明成立；如果出现 Y 模式 → 证伪"。可观测、可证伪才有价值。 7. **自我验证一轮** —— 专家自己回头审一遍：数据是否对、逻辑是否通、前提是否成立。如不过关继续改。

**调度**：所有专家**并行**派出（一个 assistant message 中多次 Agent 调用），节省时间。

**落盘**：每个专家的最终草稿保存为 `markdown/{question-slug}/expert-{N}-{领域}.md`。

阶段 3：事实核查员（克制版）

调用 fact-checker subagent，prompt 见 [references/fact-checker-prompt.md](references/fact-checker-prompt.md)。

职责：

• 读取所有专家草稿
• 标记**明显矛盾**（专家 A 说 X，专家 B 说非 X）、**未经证实的主张**（无来源 / 来源可疑）、**量级离谱的数据**
• 输出 `markdown/{question-slug}/fact-check.md`

**克制边界**：

• 不要质疑每个数据，每个专家至少有 1 个权威来源就放行
• 不要纠结"我觉得 X 不够严谨"这种主观感觉
• 不要把"专家 A 强调 Y，专家 B 强调 Z"标记为矛盾（视角差异不是矛盾）
• 不要为了找茬挑 typo、措辞、口语化等无关紧要的点

阶段 4：红队（克制版）

调用 red-team subagent，prompt 见 [references/red-team-prompt.md](references/red-team-prompt.md)。

职责：

• 读取专家草稿 + 事实核查清单
• 尝试反驳**最强主张**（不是全部主张，只挑最关键、最容易被现实打脸的那 1~2 条）
• 输出 `markdown/{question-slug}/red-team.md`

**克制边界**：

• 只挑最强主张反驳，最多 2 条
• 不要反驳所有专家的所有观点
• 反驳要给出具体观测/数据场景，而不是"我觉得不对"
• 如果专家已经自洽，反驳员可以输出"未发现可反驳主张"

阶段 5a：综合成文（先写主稿，**此时不看 verifier**）

**核心定位**：面向小白、第一人称、文笔一气呵成。

**硬规则**：

• 此时**只读 `expert-*.md` 草稿**。**禁止**读 `fact-check.md` 与 `red-team.md`。
• 写完主稿之前，不要让 verifier 内容进你的脑子——这是为了让 verifier 不污染你的主论点。

要点：

1. **第一人称** —— 用"我"作为叙述者（"我查了一些资料"、"我发现"、"站在经济学家的角度"）。 2. **小白化** —— 复杂概念用日常类比；少用行话；多用具体例子。 3. **一气呵成** —— 不要"以下从 A/B/C 三个角度分析"、"综上所述"、分点列表堆事实。改成顺叙/比喻/小故事。 4. **专家观点用"站在xxx角度"措辞**：

• ✅ "站在经济学家的角度，这件事的关键不在 X，而在 Y。"
• ✅ "如果去问一位深耕 AI 工程的人，他会告诉你……"
• ❌ "专家认为"、"综合各方观点"、"有学者指出"（不要合成痕迹）

5. **章节名不要露馅**：

• ❌ "一、AI 工程师视角"、"二、经济学家视角"
• ✅ "为什么我说这事儿没那么简单"、"把时间拉长看"、"真正可能出问题的地方"

6. **不出现的内容**：

• 第一性原理的前置条件、变量表（融入正文叙述，不要列表格）
• verifier 相关元话语（此时还没读 verifier，自然不会出现）
• 各专家的原始小标题复刻

7. **可包含的元素**：

• 图（svg 引用 / mermaid）
• 必要的具体数据（点缀用，不要堆砌）
• 生活中的小例子、类比、故事
• 你自己的判断（叙述者独立立场，与专家观点区分）

阶段 5b：把 verifier 内容作为"旁观者的提醒"丝滑嵌入（后置步骤）

**核心定位**：以**旁观者**视角（不是 verifier 本人、不是综合 agent 的元话语）把 verifier 中**有价值的部分**组织成"启发读者继续想"的内容，**回到主稿里找最合适的位置嵌入**。

**为什么是后置**：

• verifier 的发现不应改变综合 agent 的**主论点**
• 但 verifier 看到的事实冲突 / 反例 / 边界，正好是给读者的**启发性补充**
• 在主稿定稿后再嵌入，避免 verifier 干扰主稿的自然节奏

**三步执行**：

**Step 1：筛选有价值的部分**（克制地挑，不要全塞）

• 从 `fact-check.md` 挑**真正有营养**的：跨专家明显矛盾、关键数据口径差异、有量级离谱的引证
• 从 `red-team.md` 挑**最强反驳**：不超过 2 条
• **不要**的事实核查细节：typo、风格、口语化、与读者无关的细枝末节

**Step 2：以旁观者视角组织语言**（核心要求：丝滑、不生硬）

四个常用句式（**按场景挑，不要都堆**）：

| 场景 | 句式 | 示例 | |---|---|---| | 引入一个反常识的数据校正 | "有意思的是，……" | "有意思的是，我后来翻了一下两家数据源，40% 这个数字更稳，43% 是 2024 年的旧值。" | | 引入一个跨专家分歧 | "不过，……" | "不过，几位对这个数字的口径并不统一——一个按全口径算，一个只算企业级，最终差距能有 10 个百分点。" | | 引入红队的反例 | "但我也想到一个反例……" / "反过来想，如果……" | "但我也想到一个反例——上一次模型价格崩到 -50% 的时候，专家一致看多的判断就被打脸过。" | | 引导读者继续想 | "如果你盯住 X 这一个指标，18 个月后回过头看……" | "如果你盯住'招聘 JD 里要求 Copilot 经验'这一个数字，18 个月后回过头看，结论可能就清楚了。" |

**反例（生硬 ❌）**：

• ❌ "经事实核查员核查，专家 A 与 B 的数据存在口径差异。"（meta 自指、生硬）
• ❌ "红队认为专家 C 的最强主张可以被反驳。"（meta 自指、生硬）
• ❌ "经过验证，我们发现……"（生硬）
• ❌ "有意思的是，事实核查员发现……"（"事实核查员"露出元话语）

**正例（丝滑 ✅）**：

• ✅ "有意思的是，几位对'翻译层占比'的口径并不一样——按全口径算 40%，按企业级算只有 29%，所以你看到的不同数字，背后是分母不一样。"
• ✅ "不过，我得替反方说一句——上一轮回调里，专家一致看多的判断就被打脸过。这次会不会重演？值得盯住 X 这个指标。"
• ✅ "我后来又翻了两家数据源，发现……"

**Step 3：嵌入位置**（自然、不破坏节奏）

• 嵌在**主稿相关段落末尾**作为"补充提醒"，不另起新章节
• 不在文章结尾堆一个"附录：争议点"小节（太生硬）
• 一个综合观点后跟一句"不过"或"有意思的是"，节奏最自然
• 如果没有特别有价值的 verifier 内容，**不要硬塞**——主稿自带的话更好

**嵌入后的自检**：

• [ ] 通读一遍综合文章，看有没有"事实核查员""经核查""红队认为"等元话语
• [ ] 每个嵌入点是否"自然得像作者自己想说的"——而不是被动拼接
• [ ] 有没有因为嵌入而打断了前文的叙述节奏（如果是，重新组织）

---

阶段 5 附录：Anti-AI-tic 风格指南（必读）

写综合文章最容易踩的坑是"读起来像 AI 写的"。下面这些表达、结构、习惯，必须避免：

**❌ AI 味黑名单（出现任何一条都要改）**

填充句 / 自指元话