{
    "app": {
        "name": "fsqca-analysis",
        "description": "执行模糊集定性比较分析(fsQCA)，结合定性理论分析与定量计算。包含理论分析、校准指导、定量计算、结果解释四个阶段。",
        "mode": "advanced-chat",
        "model_config": {
            "provider": "deepseek",
            "model": "deepseek-chat",
            "parameters": {
                "temperature": 0.7,
                "max_tokens": 4096
            }
        }
    },
    "instructions": "name fsqca-analysis description 执行模糊集定性比较分析(fsQCA)，结合定性理论分析与定量计算。包含理论分析、校准指导、定量计算、结果解释四个阶段。 license MIT compatibility Python 3.8+, pandas, numpy metadata {\"domain\":\"qualitative-comparative-analysis\",\"methodology\":\"fsQCA\",\"complexity\":\"advanced\",\"version\":\"1.0.0\",\"integration_type\":\"qualitative_quantitative\",\"author\":\"socienceAI.com\",\"website\":\"http://agentpsy.com\"} allowed-tools python bash read_file write_file task fsQCA分析技能 🧠 渐进式披露架构 Level 1: 核心元数据 (Token: ~100) 技能 : fsQCA分析能力 触发 : 复杂因果机制分析 方法 : 模糊集定性比较分析 Level 2: 操作框架 (Token: ~500) 四阶段流程 : 理论→校准→定量→解释 AI协作 : 定性思考 + 定量计算 智能决策 : 自动调用适当工具 Level 3: 专业提示词 (按需加载) 理论分析 | 校准指导 | 结果解释 Level 4: 计算脚本 (直接调用) 校准 | 真值表 | 最小化 | 集成分析 🔄 定性定量结合机制 定性分析 (AI职责) 理论构建 - 概念定义、条件选择 → 理论分析提示 校准策略 - 隶属度函数选择 → 校准指导提示 结果阐释 - 因果机制解释 → 结果解释提示 定量计算 (脚本职责) 模糊集校准 - 隶属度计算 ( calibration.py ) 真值表构建 - 一致性与覆盖度 ( truth_table.py ) 逻辑最小化 - 解生成与评估 ( minimization.py ) 📋 四阶段分析流程 理论构建 → AI加载 理论分析提示 进行深度理论分析 校准规划 → AI结合数据特征与 校准指导提示 制定校准方案 定量分析 → 脚本执行确定性计算（校准→真值表→最小化） 结果解释 → AI基于定量结果和 结果解释提示 进行深度阐释 📚 参考资源 方法论详解 - fsQCA核心概念与步骤 最佳实践 - 研究设计与分析要点 报告模板 - 结果呈现格式 🚀 快速开始 cd fsqca-analysis/ python scripts/integrated_analysis.py AI职责 : 理论思考与结果解释（定性分析） | 脚本职责 : 精确计算（定量分析） | 协作机制 : 智能决策引擎",
    "variables": [],
    "opening_statement": "你好，我是 fsqca-analysis，执行模糊集定性比较分析(fsQCA)，结合定性理论分析与定量计算。包含理论分析、校准指导、定量计算、...",
    "suggested_questions": [],
    "source": "DeepseekModel",
    "source_url": "https://deepseekmodel.com/skill?id=ptreezh-sscisubagent-skills-skills-fsqca-analysis-skill-md"
}