通用研究工作流:定義研究問題、蒐集多元來源、競品分析、文獻整理、合成洞察並產出結構化報告。適合在進行市場調查、競品分析、技術選型評估、或需要系統整理資訊時使用。
Scanned 6/5/2026
Install via CLI
openskills install zeuikli/claude-code-workspace---
name: research
description: 通用研究工作流:定義研究問題、蒐集多元來源、競品分析、文獻整理、合成洞察並產出結構化報告。適合在進行市場調查、競品分析、技術選型評估、或需要系統整理資訊時使用。
disable-model-invocation: true
context: fork
---
# Research — 研究分析工作流
## 觸發條件
- 市場調查、競品分析
- 技術選型評估(比較多個方案)
- 文獻整理與綜述
- 投資標的或合作對象盡職調查
- 產品機會發掘
## 五步驟流程
### Step 1:定義研究問題
用 **5W1H** 框架釐清:
```
What:要了解什麼?
Why:為什麼需要這個資訊?(決策是什麼)
Who:研究對象是誰?
When:時效性?(過去 1 年 / 3 年 / 歷史)
Where:地理範圍?
How:量化還是質化?
```
若是技術/產品決策,改用 **RFC 格式**:
```
問題:[一句話描述]
限制:[不能違反的約束]
成功標準:[如何評估結論好壞]
```
### Step 2:來源規劃
| 來源類型 | 範例 | 可信度 |
|---------|------|-------|
| 一手來源 | 官方文件、研究報告、財報 | ★★★★★ |
| 二手來源 | 媒體報導、分析師報告 | ★★★☆☆ |
| 社群來源 | Reddit/HN/Slack 討論 | ★★☆☆☆ |
| AI 摘要 | ChatGPT/Claude 整理 | 需驗證 |
**搜尋策略**:
```
優先:site:官方網站 / filetype:pdf / 學術數據庫
次優:Google Scholar / arxiv / Semantic Scholar
補充:Twitter/X / Reddit / 專業社群
```
### Step 3:競品分析框架
**功能矩陣**:
```markdown
| 功能/維度 | 我方 | 競品 A | 競品 B |
|---------|-----|-------|-------|
| [功能 1] | | | |
| [價格] | | | |
| [市場] | | | |
```
**定位圖**(選 2 個最重要維度):
```
高價格
│ 競品A ● ● 我方
│
├──────────────────────→ 功能豐富
│
│ ● 競品B
低價格
```
**SWOT 分析**:
```
優勢(S):[內部正面因素]
劣勢(W):[內部負面因素]
機會(O):[外部正面環境]
威脅(T):[外部負面環境]
```
### Step 4:資訊蒐集原則
- **來源多樣性**:至少 3 個獨立來源佐證同一個論點
- **日期驗證**:標注資訊時效(「截至 2026 年 Q1」)
- **確認偏誤防範**:主動尋找反駁現有假設的證據
- **引用標準**:每個重要數據必須有來源連結或出處
### Step 5:洞察合成
**從資料到洞察的轉換**:
```
數據:[事實/數字]
→ 模式:[重複出現的規律]
→ 洞察:[為什麼這個規律存在]
→ 行動:[這個洞察意味著什麼決策]
```
## 輸出格式
```markdown
## 研究報告:[主題]
**研究問題**:[一句話]
**資料截止**:[日期]
**來源數量**:[X 個來源]
### 執行摘要
[3-5 個最重要的洞察,可直接用於決策]
### 發現
#### [主題 1]
[詳細發現 + 來源]
#### [主題 2]
...
### 競品分析(如適用)
[功能矩陣 / 定位圖]
### 建議
[基於研究的具體行動建議,標注信心水準:高/中/低]
### 資料來源
[編號列表]
```
## Gotcha
- **廣度 vs 深度**:先做廣度掃描(30 分鐘),再選 2-3 個重點深挖
- **截止日期很重要**:AI 知識有截止點,官方文件要直接讀
- **相關不等於因果**:找到相關性後,需要機制解釋才能聲稱因果
- **研究目的倒推**:每次資訊蒐集前問「這會影響我的決策嗎?」——不影響就不蒐集
No comments yet. Be the first to comment!
Ultra-compressed communication mode. Cuts token usage ~75% by speaking like caveman while keeping full technical accuracy. Supports intensity levels: lite, full (default), ultra, wenyan-lite, wenyan-full, wenyan-ultra. Use when user says "caveman mode", "talk like caveman", "use caveman", "less tokens", "be brief", or invokes /caveman. Also auto-triggers when token efficiency is requested.