report-helper · 一句话生成深度研究报告
English README · 30 秒开始 · 示例报告 · 问题反馈 · 联系作者
作者 / 联系方式：嘉然 Jiaran · 公众号：嘉然学习笔记 · 微信：evadebot · X：@_jiaran
report-helper 是一个面向深度研究报告写作的 AI Skill。给出研究对象后，它会引导 agent 自动完成资料搜集、来源核查、证据整理、判断形成、审稿和 PDF 生成。
从一句话到一份可分享的正式 PDF：有来源、有判断、有排版。
它适合研究产品、公司、人物、概念、产业链、政策或趋势。目标不是生成几段概述，而是尽量跑完一套接近研究写作的流程，产出一份可核查、可阅读、可交付的长篇报告。
30 秒开始
把下面这段话直接发给 Codex、Claude Code、OpenClaw 或其他支持 Skill 的 agent：
请从 GitHub 安装 report-helper skill：https://github.com/Jiaranbb/report-helper。安装完成后提醒我按当前工具要求重启或刷新 agent；重启后帮我运行 python3 scripts/check_environment.py 检查环境。
如果你的环境支持 skills CLI，也可以尝试：
npx skills add https://github.com/Jiaranbb/report-helper --skill report-helper
Codex 用户也可以手动安装：
python3 ~/.codex/skills/.system/skill-installer/scripts/install-skill-from-github.py \
--repo Jiaranbb/report-helper \
--path . \
--name report-helper
安装完成后，按当前工具要求重启或刷新 agent，让新 skill 生效。
核心能力
- 🧭 一句话启动：给出研究对象和重点后，自动跑完整报告流程。
- 🔎 资料搜集详实：要求先查找最新数据，再进入写作，避免凭旧信息直接开写。
- 🧾 来源可追溯：正文关键事实使用
<sup>a1</sup> 这类编号，文末按来源等级列出出处。
- 📊 兼顾定性与定量：公司研究必须加入成长性、盈利质量、现金流、融资或估值等定量分析。
- 🎨 PDF 排版设计过：背景色、字号、行距、标题层级和页脚样式都做过适配，适合直接分享。
效果预览
示例由 Codex GPT-5.5 标准速度生成，耗时约 15 分钟。报告质量和所需时间依赖于模型能力、资料可得性、联网检索质量和研究对象复杂度。
运行示例：
PDF 预览：
示例报告：中国算力产业链深度分析报告.pdf
直接这样用
安装后，对 agent 说：
深度研究中国算力产业链，重点看 2026-2030 年的发展趋势，自动进行。
也可以这样描述：
深度研究某家公司，重点看商业模式、增长空间、估值逻辑和风险。
写一份 AI 算力产业发展研究报告。
深入研究某个产品的发展历程、竞争格局和未来演进。
默认情况下，report-helper 会先让你确认研究范围和执行模式。你可以选择交互模式，分阶段审核研究范围、资料充分性和写作准备；也可以选择 auto 模式，让它在中间自检后一路完成。
适合 / 不适合
✅ 适合
- 产品、公司、人物、概念、产业链、政策、趋势的深度研究
- 需要公开资料、证据链和来源分级的长篇报告
- 需要正式 PDF 交付物的研究写作任务
- 需要多个 agent 做「同行评审」（Peer Review）的重要议题
- 需要把叙事判断和定量指标放在一起看的公司/行业研究
❌ 不适合
- 简单名词解释、几段概述、普通问答
- 不需要联网检索和来源核查的轻量写作
- 投资、法律、医疗等需要专业资质背书的最终决策
- 私有数据未提供、且公开资料无法支撑的精确结论
- 只想要可编辑 Markdown 文稿的交付方式
常见使用场景
| 任务 | 推荐说法 |
|---|
| 产业链研究 | 深度研究中国算力产业链，重点看 2026-2030 年发展趋势，自动进行。 |
| 公司研究 | 深度研究某公司，重点看商业模式、增长空间、盈利质量、估值逻辑和风险。 |
| 产品研究 | 深入研究某产品的发展历程、核心能力、用户场景和竞争格局。 |
| 政策研究 | 写一份某政策的深度研究报告，重点看影响路径、受益主体和潜在风险。 |
| 趋势研究 | 生成一份 2026-2030 趋势研究报告，要求有来源、有判断、有观察指标。 |
| 人物研究 | 深度研究某人物，重点看关键经历、决策风格、影响力和争议。 |
平台支持
| 平台 | 状态 | 说明 |
|---|
| Codex | 支持 | 推荐环境；支持安装、检查环境、运行脚本和生成 PDF |
| Claude Code | 支持 | 适合长流程研究、资料搜集和写作迭代 |
| OpenClaw | 可用 | 需要能读取 skill 文件并执行必要 shell 命令 |
| Cursor / 其他本地 agent | 可用 | 需要能读写文件、联网检索并执行 Python 或浏览器渲染 |
| 普通 Chatbot | 不推荐 | 没有文件系统和渲染管线时，难以稳定生成 PDF |
首次使用
第一次使用前，建议先完成三件事。
1. 检查环境
python3 scripts/check_environment.py
它会检查 Python 版本、config.local.json、报告署名、PDF 渲染依赖，以及 Chrome fallback 是否可用。不通过时，按脚本输出补配置或安装依赖。
2. 安装 PDF 渲染依赖
如果环境检查提示缺依赖，安装：
python3 -m pip install markdown weasyprint
如果 WeasyPrint 在你的系统上安装或渲染失败，可以安装 Chrome，并在配置里填写 chrome_path，使用 Chrome 生成 PDF。
3. 指定存放目录和报告署名
复制 config.example.json 为 config.local.json，然后按自己的需要修改：
{
"output_dir": "./output",
"work_dir": "./output/work",
"intermediate_dir": "./output/intermediate",
"author": "你的名字或组织名"
}
output_dir：最终 PDF 存放目录work_dir：内部构建稿目录intermediate_dir：中间研究资料目录author：报告署名，会显示在 PDF 封面；首次安装时由你填写
输出内容
- PDF 报告：最终交付物，文件名建议为
{研究对象}深度研究报告.pdf
- 中间资料：资料搜集、来源整理和研究过程记录
- 内部构建稿：仅作为 PDF 渲染输入，不作为公开交付物
- 可选 log：如果配置了 log 目录，可在完成后追加记录
PDF 最末尾会追加工具签名：
本报告由 report-helper skill 工具协助生成
开源地址：https://github.com/Jiaranbb/report-helper
交流和建议可联系作者：嘉然 Jiaran（+v: evadebot）
工作流
report-helper 会按 7 步执行：
- 范围对齐：确认研究对象、类型、动机、关注点和执行模式。
- 资料搜集：优先查找最新官方、监管、财报、原始研究或权威报道。
- 充分性审计：检查资料缺口，严重不足时必须补搜。
- 形成判断：整理核心判断、证据链和反方观点。
- 写作成稿：按报告类型选择结构，公司研究加入定量分析。
- 审核回炉：按清单检查事实、来源、结构、口吻、PDF 交付。
- 生成交付：输出 PDF，并保留中间资料和必要日志。
信息来源规则
正文关键事实判断必须使用上标标注来源等级和编号，例如：
<sup>a1</sup>：A 级，官方/学术一手来源<sup>b4</sup>：B 级，权威媒体原创报道
文末按等级列出「信息来源与分级」：
a：官方/学术一手，政府机构、监管机构、公司年报和原始研究报告b：权威媒体原创报道c：行业媒体/工具商博客d：软文/服务商自述/不可验证
默认不使用 c、d 级来源支撑正文判断。
目录结构
report-helper/
├── SKILL.md ← Skill 入口和核心流程
├── README.md ← 中文项目介绍
├── README.en.md ← English README
├── SUPPORT.md ← 联系方式和支持入口
├── CHANGELOG.md ← 更新记录
├── LICENSE ← MIT License
├── config.example.json ← 本地配置模板
├── examples/
│ ├── report-helper-demo.png
│ ├── report-helper-pdf-preview.png
│ └── 中国算力产业链深度分析报告.pdf
├── references/
│ ├── workflow.md ← 研究和审计流程
│ ├── report-template.md ← 报告结构模板
│ ├── source-citation-rules.md ← 来源分级和编号规则
│ ├── writing-style.md ← 写作风格
│ ├── adaptations-by-type.md ← 不同对象类型的适配
│ ├── review-checklist.md ← 审核清单
│ ├── delivery.md ← PDF 生成和交付
│ ├── subagent-research-prompt.md ← 研究 worker 提示
│ └── gotchas.md ← 踩坑记录
└── scripts/
├── report_helper_config.py
├── check_environment.py
├── render_pdf_with_fallback.py
├── md_to_pdf.py
└── append_report_log.py
质量提醒
- 报告生成质量高度依赖模型能力。推荐使用 Codex GPT-5.5 以获得最佳效果。
- 研究型输出依赖公开资料质量。找不到或无法确认的信息，会被标注为「未搜到 / 存疑」。
- AI 生成报告可能会出错，包括从正确事实中推出错误结论。
- 报告只能作为学习参考，不适合作为投资、法律、医疗等专业决策的唯一依据。
- 建议对重要报告做「同行评审」（Peer Review）：这里的「同行评审」指多个 AI agent 之间互相评审、挑刺、提问，交叉验证事实与推理链。
FAQ
为什么一定要先确认研究范围？
深度报告最容易失败在「题目过宽」或「对象不清」。先对齐范围，可以减少后面资料搜集和写作方向的偏差。
为什么要强调最新数据？
产业、公司、政策和技术趋势变化很快。进入写作前必须完成最新数据校验，避免 agent 用旧资料直接写出过时结论。
可以只要 Markdown 吗？
公开版默认交付 PDF。内部 Markdown 构建稿主要用于渲染，不作为正式交付物。
公司研究为什么要加定量分析？
只写叙事容易变成故事。公司研究默认要求加入成长性、盈利质量、现金流、融资、估值或可比公司等内容；公开数据不足时，要写明缺口和替代观察指标。
PDF 乱码怎么办？
先运行 python3 scripts/check_environment.py 检查依赖。WeasyPrint 不稳定时，可以配置 Chrome fallback。
如何更新到最新版本？
重新安装，或在本地 skill 目录执行 git pull。
作者与反馈
嘉然 Jiaran
License
MIT License. See LICENSE.
