research-topic-compilerlisted

# 专题研究编译器（research-topic-compiler） ## 中文速查 - 中文名：专题研究编译器 / 系统学习与概念源流研究助手 - 英文稳定名：`research-topic-compiler` - 分类：研究学习 / Obsidian 知识编译 - 你可以这样叫我：`系统研究这个主题`、`帮我整理到 Obsidian`、`做一个深度专题`、`研究行业最佳实践`、`概念解读`、`概念源流`、`PM 技术评审提问脚本`、`行业演进看板`、`把这个大白话拆成研究目标` - 适合：围绕研究主题做多渠道证据收集、筛选、证据矩阵、阶段结论、概念源流、轻量 PM 决策看板、候选池、用户画像自适应学习报告和应用转化；也适合把用户的大白话、模糊主题或 Roadmap 前置想法转成研究目标、研究问题和输出要求 - 不适合：创建或评审 Skill；普通新闻搜索或一次性摘要；明确要“选一个 / 给最终推荐 / 排除其他方案”时改用 `decision-research` ## Overview 使用这个 Skill 把一个研究主题编译成可学习、可追溯、可继续扩展、并能按用户画像转化为实际工作判断的 Obsidian Research Project 或聊天内研究报告。 核心原则： - 先把用户原话转成明确研究目标、研究问题和输出要求，再判断研究深度、渠道和样本量。 - 先解析用户画像，再决定解释方式、案例选择、实践任务和应用转化。 - Seed Corpus 是线索和初始假设来源，不默认是权威证据；二手核心 Claim 要追溯原始来源或披露无法追溯的影响。 - Normal Research 和 Application 围绕最高价值证据缺口迭代；每轮只执行一个能降低关键不确定性的 Next Best Evidence Action。 - Obsidian 是内部基线和默认沉淀位置，不是唯一研究渠道。 - 外部渠道动态选择，不默认全开；根据主题类型、证据缺口、时效性和可信度要求启用。 - 需要扩源时把 `Pre-Research Source Expansion` 作为候选发现策略：用公开搜索、��直 API、RSS、产品/市场目录等渠道寻找能关闭当前 Gap 的来源，再筛选进入正式证据矩阵。 - 结论必须能回到证据矩阵；`05_研究报告` 是第一阅读入口，`02_证据与卡片` 是按需深挖层。 - 系统学习不是重型课程仓库；默认保持轻量，只有触发条件满足时才建���独立学习包文件。 - 当研究会影响产品策略、商业化、工作台/连接器设计、企业 adoption 或其他高成本决策时，默认按高门槛应用研究处理，读取 `references/applied-business-research-contract.md`。 - 轻量概念解构属于本 Skill 的研究模式，不再单独使用独立概念看板 Skill；它适合快速建立概念源流、语义漂移、范式阶段和 PM 决策问题。 - 用户画像只影响解释深度、案例选择、输出结构和实践任务，不覆盖用户当前明确要求。 - 研究必须能转成行动：判断、方案、模板、任务、PRD、Workflow、Eval、Checklist、SOP、路线图或实践练习��� - 用户补充的新渠道可以进入渠道库，但要先判断适用主题、访问条件、证据强度和风险。 - 微信公众号、X、私域社区、付费库等渠道默认只能做公开候选发现；任何登录态读取、客户端转发、发送到 Obsidian 同步号或第三方服务的动作，都需要当前 run 的明确授权和可见确认