行业分析报告生成 Skill

工作流概览

1. 确认行业名称与分析范围
2. Web Search 分批搜索 → 采集数据
3. 读取 references/report-template.md，按模板填充生成 Markdown 报告
4. 将 Markdown 转换为精美 HTML（AI 自行设计样式与布局）
5. 输出文件 → 优先 PDF，降级为 HTML

🔴 质量红线（NEVER）

1. NEVER 编造数据来源或 URL — 延伸阅读和参考文献的链接必须来自真实搜索结果
2. NEVER 预测数据不加标注 — 所有预测值必须标注「E（预测）」
3. NEVER 只呈现乐观分析 — 行业分析必须有风险维度和反面证据
4. NEVER 忽略数据冲突 — 不同来源数据矛盾时，必须呈现分歧并标注可信度差异
5. NEVER 掩盖数据缺失 — 无法获取可靠数据时，用 [推断] 标明，宁空勿编
6. NEVER 所有玩家都给正面评价 — 至少指出每家企业的核心弱点或风险
7. NEVER 用超过 18 个月的数据作为「最新数据」不加说明
8. NEVER 忽略地域差异 — 全球性行业必须区分中国市场与海外市场

分析思维框架

写任何模块前，先问自己：

• 时效性：最新数据是什么时候的？数据截止日期是否在报告顶部明确标注？
• 立场平衡：是否只呈现了乐观一面？反面证据在哪里？
• 数据密度：这一节有具体数字支撑，还是纯定性描述空话？
• 行动导向：读者读完这一节能做出什么决策？还是看完等于没看？

数据采集策略

搜索主题优先级（按行业通用性排列）

1. 行业发展历程 → 关键事件、政策节点、技术突破、并购重组
2. 市场规模与增长 → 中英文各搜 1-2 个关键词组合
3. 竞争格局与头部玩家 → 市场份额、排名
4. 政策与监管动态 → 最新 2 年政策变化
5. 技术趋势与创新 → 技术突破、专利趋势（必须是有足够代表性的技术）
6. 投融资与资本动向 → 融资事件、上市动态
7. 行业痛点与挑战 → 发展瓶颈、共性问题
8. 深度报告与延伸阅读 → 权威咨询/学术/媒体

搜索执行原则

• 使用 autoglm-websearch 技能进行搜索
• 每个主题至少搜索 1 次中英文关键词组合
• 搜索结果优先选择：政府/监管机构 > 权威咨询(麦肯锡/BCG/IDC/Gartner) > 行业协会 > 财经媒体 > 其他
• 搜集过程中实时记录来源 URL、机构名、发布日期，后续用于脚注

降级策略

HTML 渲染要求

将 Markdown 报告转为 HTML 时，AI 自行设计全部样式与布局。设计要求：

• 封面：渐变背景 + 行业名称 + 报告日期 + 数据截止日期
• 配色：审美有艺术感，避免"AI味"配色
• 数据可视化：市场规模用横向条形图、五力用评分条、PEST 用四象限色卡、商业模式用九宫格、发展历程用时间线/里程碑图
• 时间线设计：模块2（发展历程）用横向或纵向时间线，关键节点用卡片标注年份+事件+影响
• 参考文献角标：正文中用圆形数字角标 [^N]，悬停显示来源信息
• 推断标注：[推断] 用醒目黄色标签，报告顶部显示免责声明
• 响应式 + 打印友好：@media print 适配
• 字体：中文 PingFang SC / Microsoft YaHei / Noto Sans SC 降级

不限制具体实现方式——用 Tailwind、手写 CSS、CSS Grid、Flexbox 都可以，以最终呈现效果为准。

References 加载指南

每次必读（生成报告前）

MANDATORY — 读取完整文件：生成 Markdown 报告前，必须读取 references/report-template.md 全文。 按模板中的 \x3C!-- AI 规则 --> 注释和 {{占位符}} 填充内容。

Do NOT Load 其他文件——HTML 渲染由 AI 自行完成。

输出文件

• 优先尝试 Python (wkhtmltopdf / weasyprint) 将 HTML 转 PDF
• 失败时直接保存 HTML 文件
• 保存到当前工作目录，文件名格式：industry_report_{{行业名}}_{{日期}}
• 生成后通过消息发送给用户

注意事项

1. Markdown 是中间产物：仅作为内容载体，最终交付物是 HTML 或 PDF
2. 来源标注：所有明确数据用 [^N] 标注，参考文献条数与脚注完全对应
3. 链接真实性：延伸阅读和参考文献的 URL 必须来自真实搜索结果