Skills
skills/jssfy/k-skills/analyze-value

analyze-value

Installation
SKILL.md

Analyze Value — 决策价值分析（论文 / 事件 / 技术 / 产品）

输入论文 URL/PDF/标题、事件描述/新闻链接、技术方向名称 或 具体产品型号/系列，渐进式执行（定位 → 并行采集 → 交叉合成），输出一份面向决策的价值分析报告。找不到目标则提前退出，不浪费 agent 调用。

与其他技能的区别：本技能聚焦决策判断——是否值得关注/购买/投入、为什么、怎么行动。

When to Use

论文分析：

  • "这篇论文值得看吗" / "分析下这篇paper的价值"
  • "论文价值分析 https://arxiv.org/abs/..."
  • "analyze value: Attention Is All You Need"

事件分析：

  • "分析下美联储降息这件事" / "这次裁员潮值得关注吗"
  • "analyze value: OpenAI发布GPT-5"
  • "这个政策/事件对我有什么影响"

技术价值分析：

  • "光刻机技术值得关注吗" / "EUV技术现在到什么阶段了"
  • "analyze value: RISC-V技术" / "分析下具身智能的价值"
  • 需要判断一个技术方向是否值得投入关注或资源

产品价值分析：

  • "ASML NXE:3800E值得采购吗" / "iPhone 16 Pro值得买吗"
  • "analyze value: Tesla Model 3" / "分析下这款光刻机的价值"
  • 需要判断一个具体产品（型号或系列）是否值得购买/采购/采用

不触发：

  • 深度学术笔记 → /analyze-paper
  • 技术全景调研（怎么用、学习路径、生态）→ /analyze-tech

Phase 0: 输入分类与目标定位（必须首先执行）

⚠️ 关键步骤：必须先完成分类，再进入对应流程。禁止跳过分类直接执行论文定位。

Step 1: 判断分析类型（第一步，不可跳过）

根据用户输入判断属于论文、事件、技术还是产品分析。默认规则：没有明确论文/技术/产品信号的输入走事件分析。

信号 判定
有 arXiv/DOI/PDF 链接、明确提到"论文""paper""这篇文章" → {analysis_type} = paper → Phase 0A
有品牌+型号/系列名、"值得买吗""买哪个""选哪款""采购""评测" → {analysis_type} = product → Phase 0D
技术领域/方向/路线、"XX技术""XX方向""XX趋势"、无品牌型号的技术名词 → {analysis_type} = tech → Phase 0C
新闻链接、有明确时间点的事件/政策/发布/事故、"XX事件""加息""降息""裁员" → {analysis_type} = event → Phase 0B
确实无法判断 向用户确认后再继续

示例：

  • "ASML NXE:3800E" → product（品牌+具体型号）
  • "iPhone 16 Pro值得买吗" → product（品牌+型号+"值得买"）
  • "Tesla Model 3系列" → product（品牌+产品系列）
  • "ASML EUV光刻机系列" → product（品牌+产品系列）
  • "日元加息事件" → event（描述宏观经济事件）
  • "OpenAI发布GPT-5" → event（描述产品发布事件）
  • "分析下美联储降息这件事" → event（描述政策事件）
  • "光刻机技术" → tech（技术方向，无品牌）
  • "具身智能值得关注吗" → tech（技术领域）
  • "RISC-V技术现在到什么阶段了" → tech（技术路线）
  • "arxiv.org/abs/2401.xxxxx" → paper（有 arXiv 链接）
  • "Attention Is All You Need" → paper（明确论文标题）

关键区分要点：

  • product vs tech：有品牌+型号/系列 → product；只有技术领域名 → tech。"ASML EUV光刻机系列" → product；"EUV光刻技术" → tech。
  • product vs event：产品本身的价值判断 → product；产品发布这件事的影响 → event。"iPhone 16 Pro值得买吗" → product；"苹果发布iPhone 16" → event。
  • tech vs event：持续存在的技术方向 → tech；有时间点的具体事件 → event。

判定后进入对应的 Phase 0 流程。

Phase 0A: 论文定位（仅当 analysis_type = paper）

如果 Step 1 判定为 event，跳过本节，直接到 Phase 0B。

根据用户输入，尝试定位论文：

输入类型 处理流程
URL WebFetch 抓取页面，提取标题、作者、摘要、机构
PDF 路径 Read 读取 PDF，提取标题、作者、摘要
标题/关键词 WebSearch 搜索定位，再 WebFetch 获取详情

早退规则

如果满足以下任一条件，直接告知用户并结束，不进入后续 Phase：

  • WebSearch 搜索 2 次仍无法定位到具体论文
  • 用户输入过于模糊（如"AI论文"），无法确定唯一目标
  • URL 无法访问且无替代来源

结束时输出：未能定位到论文「{用户输入}」，请提供更具体的论文标题、arXiv 链接或 PDF 路径。

获取论文原文（不可跳过）

按顺序尝试，直到获得包含正文的内容：

  1. arXiv HTML（首选）：WebFetch https://arxiv.org/html/{id}
  2. 用户提供的 PDF 路径：Read {pdf_path} 读取全文
  3. 会议/期刊页面：WebFetch {conference_url}
  4. Zenodo / 非 arXiv 预印本：先 WebFetch 主页获取文件列表，再 WebFetch PDF 下载 URL（Zenodo 格式：https://zenodo.org/records/{id}/files/{filename}.pdf，文件名从页面 files 区域读取）

将论文原文存入 {paper_content}。

确认通讯作者（必须完成，不可跳过）

从 {paper_content} 查找通讯作者标注：

  • 常见标记：* † ‡ 上标、✉、Corresponding author、email 脚注
  • 若当前 {paper_content} 中未找到以上标记，必须额外获取 PDF 原文（重试上方步骤 2 或 4），因为通讯作者标注通常只在 PDF 第一页

确认后存入 {corresponding_authors}；确实无法获取 PDF 时，记录 "未在可获取原文中找到（仅限 PDF 第一页）"，禁止从作者顺序或搜索结果推断。

确定关键变量

  • {paper_title} — 论文标题
  • {authors} — 作者列表
  • {corresponding_authors} — 通讯作者列表（从论文原文标注确认，不可推断）
  • {institution} — 机构
  • {year} — 年份
  • {venue} — 发表会议/期刊（未发表标注 preprint）
  • {abstract} — 摘要
  • {paper_content} — 论文原文内容
  • {core_problem} — 从摘要/Introduction 提取的核心问题（几个关键词）
  • {lang} — 输出语言（默认中文）
  • {date} — 分析日期 YYYY-MM-DD
  • {name} — 英文文件名（小写连字符，如 msa-memory-sparse-attention）

→ 进入 Phase 1-3 论文流程。

Phase 0B: 事件定位（analysis_type = event）

根据用户输入，尝试定位事件：

输入类型 处理流程
新闻 URL WebFetch 抓取页面，提取事件标题、时间、主体、核心内容
事件描述 WebSearch 搜索定位（至少 2 次不同关键词），WebFetch 获取 2-3 篇一手报道
模糊描述 WebSearch 搜索确认具体事件后继续

早退规则

如果满足以下任一条件，直接告知用户并结束：

  • WebSearch 搜索 2 次仍无法定位到具体事件
  • 事件描述过于模糊（如"最近的新闻"），无法确定唯一目标
  • 所有新闻源均无法访问

结束时输出：未能定位到事件「{用户输入}」，请提供更具体的事件描述、新闻链接或关键词。

采集一手信息（不可跳过）

  1. WebSearch 搜索 2-3 次（不同关键词组合），收集一手报道和权威分析
  2. WebFetch 获取至少 2 篇一手来源（官方声明、权威媒体报道）
  3. 提取事件的 5W 基本要素：Who / What / When / Where / Why

将采集到的一手信息存入 {event_sources}。

确定关键变量

  • {event_title} — 事件标题（一句话概括）
  • {event_time} — 事件发生/预期发生时间
  • {event_status} — 状态（已发生 / 正在进行 / 即将发生 / 传闻未确认）
  • {key_actors} — 关键主体（决策者、受影响方）
  • {core_content} — 事件核心内容摘要（200字以内）
  • {event_sources} — 一手信息源内容
  • {core_problem} — 事件涉及的核心问题/矛盾（几个关键词）
  • {impact_scope} — 影响范围（个人/行业/国家/全球）
  • {lang} — 输出语言（默认中文）
  • {date} — 分析日期 YYYY-MM-DD
  • {name} — 英文文件名（小写连字符，如 fed-rate-cut-2026）

→ 进入 Phase 1-3 事件流程。

Phase 0C: 技术主题定界（仅当 analysis_type = tech）

如果 Step 1 判定为 paper 或 event，跳过本节。

粒度校验

技术分析需要适当的粒度。过宽则无法给出有用的决策判断，过窄则退化为单一产品/论文分析。

粒度 示例 处理
过宽 "AI""半导体" 向用户确认细分方向（如"大模型推理优化"还是"AI芯片"？）
合适 "EUV光刻机""RISC-V处理器""具身智能" 直接继续
过窄 某个具体产品/单篇论文 建议转为 paper 或 event 分析

采集一手信息（不可跳过）

  1. WebSearch 搜索 2-3 次（不同关键词组合），收集技术综述、行业报告、权威分析
    • "{tech_title} 技术路线 现状 2025 2026"
    • "{tech_title} technology landscape players"
    • "{tech_title} 发展历程 里程碑 breakthrough"
  2. WebFetch 获取至少 2 篇高质量来源（行业报告、综述文章、权威媒体深度报道）
  3. 提取技术的基本轮廓：核心问题、主要路线、关键玩家、当前阶段

将采集到的一手信息存入 {tech_sources}。

早退规则

如果满足以下任一条件，直接告知用户并结束：

  • WebSearch 搜索 2 次仍无法找到该技术的实质性信息
  • 技术过于小众，缺乏足够的公开分析来源

结束时输出：未能找到关于「{用户输入}」的足够信息，请确认技术名称或提供更多上下文。

确定关键变量

  • {tech_title} — 技术名称
  • {tech_scope} — 分析粒度（核心技术 / 技术路线 / 产业链环节）
  • {maturity_stage} — 成熟度初判（早期研究 / 工程化 / 规模量产 / 成熟）
  • {key_players} — 关键玩家（公司/研究机构/国家）
  • {core_problem} — 核心技术挑战（几个关键词）
  • {tech_sources} — 采集的一手信息
  • {impact_scope} — 影响范围（细分领域 / 行业 / 跨行业 / 全球）
  • {lang} — 输出语言（默认中文）
  • {date} — 分析日期 YYYY-MM-DD
  • {name} — 英文文件名（小写连字符，如 euv-lithography）

→ 进入 Phase 1-3 技术流程。

Phase 0D: 产品定位（仅当 analysis_type = product）

如果 Step 1 判定为 paper、event 或 tech，跳过本节。

粒度校验

粒度 示例 处理
具体型号 "ASML NXE:3800E""iPhone 16 Pro" 直接继续
产品系列 "Tesla Model 3系列""ASML EUV光刻机系列" 继续，覆盖系列内对比
过宽（品牌级） "ASML的产品""苹果手机" 向用户确认具体型号或系列

采集一手信息（不可跳过）

  1. WebSearch 搜索 2-3 次（不同关键词组合），收集官方规格、评测、定价
    • "{product_name} specifications specs official"
    • "{product_name} review 评测 对比"
    • "{product_name} price 价格 competitors alternatives"
  2. WebFetch 获取至少 2 篇高质量来源（官方产品页、权威评测、行业分析）
  3. 提取产品核心信息：规格参数、定价、竞品、目标用户

将采集到的一手信息存入 {product_sources}。

早退规则

如果满足以下任一条件，直接告知用户并结束：

  • WebSearch 搜索 2 次仍无法找到该产品的实质性信息
  • 产品尚未正式发布且缺乏可靠泄露信息

结束时输出：未能找到关于「{用户输入}」的足够信息，请确认产品名称或提供更多上下文。

确定关键变量

  • {product_name} — 产品全名（品牌+型号/系列）
  • {manufacturer} — 品牌/制造商
  • {product_category} — 品类（用于确定比较范围，如"EUV光刻机""旗舰手机""中型SUV"）
  • {product_tier} — 定位（旗舰/中端/入门 或 行业等级）
  • {price_range} — 价格区间
  • {release_status} — 状态（已发售 / 已发布未发售 / 传闻）
  • {core_specs} — 核心规格摘要
  • {product_sources} — 采集的一手信息
  • {lang} — 输出语言（默认中文）
  • {date} — 分析日期 YYYY-MM-DD
  • {name} — 英文文件名（小写连字符，如 asml-nxe-3800e）

→ 进入 Phase 1-3 产品流程。

Phase 1-3: 加载详细流程

根据 {analysis_type} 加载对应的详细工作流：

  • 论文分析：使用 Read 工具加载 $CLAUDE_SKILL_DIR/analysis-workflow.md
  • 事件分析：使用 Read 工具加载 $CLAUDE_SKILL_DIR/event-workflow.md
  • 技术分析：使用 Read 工具加载 $CLAUDE_SKILL_DIR/tech-workflow.md
  • 产品分析：使用 Read 工具加载 $CLAUDE_SKILL_DIR/product-workflow.md

按 Phase 1（并行采集）→ Phase 2（综合分析）→ Phase 3（输出报告）执行。将 Phase 0 中确定的所有变量传递给后续流程。

Error Handling

情况 处理
论文/事件/技术/产品无法定位 直接结束，输出未找到提示，不进入 Phase 1
Agent 超时/失败 对应部分标注"数据不足"，其余照常
论文原文无法获取 报告开头标注"⚠️ 未获取全文，以下基于摘要和搜索"，降低置信度
事件/技术/产品信息源不足 报告开头标注"⚠️ 一手信息有限，以下基于有限来源"，降低置信度
新论文/近期事件/新兴技术/未发售产品信息不足 合并相关部分，标注"信息较新，数据有限"

Notes

  • 决策判断必须明确，不骑墙（"值得关注但需注意X"优于"可能值得也可能不值得"）
  • 事件分析中，区分事实与预测，预测必须标注"分析认为"
  • 事件如有多方立场，必须呈现各方视角，不偏向任一方
  • 技术分析中，路线对比必须基于客观指标，避免主观偏好
  • 产品分析中，竞品对比必须基于可验证的参数和价格，避免营销话术
  • 输出语言跟随 {lang}，默认中文
Weekly Installs
6
Repository
jssfy/k-skills
GitHub Stars
2
First Seen
Mar 24, 2026
Security Audits
Gen Agent Trust HubPass
SocketPass
SnykWarn