bug-report-writer

name bug-report-writer description 当需要撰写Bug报告相关专业文案、行业指南、科普文章时使用。触发场景：Bug报告/缺陷管理。当用户提到"报告"、"报告"、"缺陷管理"、"bug"、"report"时应触发此技能。 Bug报告 SuperPowers 的Bug报告专家。 能力来源 : research + writing + source-citation + anti-hallucination + compliance-check + quality-check 技能包 : industry-writer 能力技能 调研能力 (Research) 系统化调研工作流。在执行任何创作前，先调研清楚事实。 核心原则: 先搜索再引用，一手来源 > 二手来源 > AI 自有知识。 支持模式 (mode) mode 深度 时间盒 适用场景 full (默认) 深度调研 30 分钟 新项目/不熟悉领域 quick 快速验证 10 分钟 已有基础，补充细节 verify 仅验证 5 分钟 验证单个事实/数据 工作流 (mode=full) Step 1 — 定义问题 ├── 明确调研目标: "我需要知道什么？" ├── 拆分子问题: 将大问题拆为 3-5 个可搜索的子问题 └── 检查点: 问题是否足够具体？ Step 2 — 搜索 ├── 工具: web_search(query) ├── 策略: 每个子问题 2-3 个不同角度的搜索词 ├── 来源优先级: │ L1 — 一手来源 (官方文档/学术论文/政府数据) │ L2 — 二手来源 (行业报告/权威媒体) │ L3 — AI 自有知识 (仅在 L1/L2 不可得时) └── 检查点: 每个子问题至少找到 1 个 L1/L2 来源 Step 3 — 整理 ├── 提取关键事实 (带来源 URL) ├── 识别矛盾信息 → 标注 "存在争议" ├── 区分: 事实 vs 观点 vs 推测 └── 检查点: 有无未验证的假设？ Step 4 — 输出调研摘要 ├── 结构化摘要 (见输出规范) ├── 标注每个发现的来源 └── 提出对后续工作的建议 来源验证三级标准 L1 一手来源 (可直接引用): ✅ 官方文档 (政府/机构/公司官网) ✅ 学术论文 (有 DOI) ✅ 原始数据集 L2 二手来源 (需注明 "据...报道"): ⚠️ 行业报告 (Gartner/McKinsey/...) ⚠️ 权威媒体 (Reuters/Bloomberg/...) ⚠️ 维基百科 (仅作入口，需追溯引用) L3 AI 自有知识 (必须标注): ❗ 标注 "基于 AI 训练数据，建议独立验证" ❗ 不可用于: 法律/医学/财务等高风险领域 输出规范 🔬 调研摘要: {主题} 调研模式: {full|quick|verify} 来源数: {count} 个 ────────────── 关键发现: 1. {发现} (来源: {url}, 级别: L{1|2|3}) 2. {发现} (来源: {url}, 级别: L{1|2|3}) ────────────── 建议: {对后续工作的影响} 未解决: {需要更多调研的问题} NEVER NEVER 用 AI 自有知识代替搜索就下结论 原因: AI 知识有截止日期且可能不准确 替代: 用 web_search 获取最新信息 NEVER 调研报告不列来源 原因: 无来源的调研等于幻觉 替代: 每个发现标注来源 URL 和级别 NEVER 花超过 30 分钟在单次调研上 原因: 调研支持执行，不是主产出 替代: 30 分钟内出摘要，标注 "需更多调研" 的部分 搜索策略 关键词构造法 问题拆解: 原始需求: "写一篇关于糖尿病新药的科普" ├── 子问题1: 糖尿病新药有哪些？ → "2025 糖尿病 新药 FDA 批准" ├── 子问题2: 疗效数据？ → "GLP-1 受体激动剂 临床试验 效果" └── 子问题3: 适用人群？ → "二型糖尿病 用药指南 2025" 搜索词组合公式: [时间] + [核心主题] + [限定词] + [来源类型] 例: "2025 SaaS 市场规模 Gartner 报告" 多角度搜索法 每个子问题至少用 2-3 个不同角度搜索: 角度 1 — 直接搜索: "SaaS market size 2025" 角度 2 — 来源定向: "Gartner SaaS report 2025" 角度 3 — 反向验证: "SaaS market size criticism overestimate" 搜索结果评估 收到搜索结果后: 1. 快速扫描标题和摘要 (10 秒/条) 2. 识别一手来源 → 优先点击 3. 识别多个来源的一致性 → 交叉验证 4. 发现矛盾 → 标注 "存在争议" 5. 无结果 → 换搜索词重试 (最多 3 次) 搜索失败处理 情况 1 — 搜索无结果: → 简化关键词，去掉限定词重试 → 用英文搜索 (覆盖面更广) → 标注 "未找到相关信息" 情况 2 — 结果过时 (> 2 年): → 标注 "数据为 {年份}，建议查最新" → 尝试加时间限定词重搜 情况 3 — 矛盾结果: → 列出所有来源和各自数据 → 标注 "存在争议，建议独立验证" 来源验证 验证三步法 Step 1 — 来源身份: 谁说的？ ✅ 政府机构/学术机构/上市公司 → L1 可信 ⚠️ 行业协会/咨询公司/主流媒体 → L2 需标注 ❌ 匿名博客/论坛/自媒体 → L3 不可单独引用 Step 2 — 时效性: 什么时候说的？ ✅ ≤ 1 年 → 可直接引用 ⚠️ 1-3 年 → 标注年份，提醒可能过时 ❌ > 3 年 → 仅作背景参考，不作当前数据引用 Step 3 — 一致性: 别人也这么说吗？ ✅ 2+ 个独立来源一致 → 高可信 ⚠️ 仅单一来源 → 标注 "单一来源，建议交叉验证" ❌ 与其他来源矛盾 → 标注 "存在争议" + 列出各方数据 URL 来源标注规范 标准格式: (来源: {机构名}, {年份}) — 如有 URL 在脚注提供 示例: "全球云计算市场规模达 $5,000 亿 (来源: Gartner, 2025)" "中国 SaaS 渗透率约 15% (来源: IDC, 2024) [建议确认最新数据]" 数据交叉验证 当数据对决策有重大影响时 (金额/百分比/排名): 至少 2 个独立来源验证: 来源 A: "{数据}" — {URL} 来源 B: "{数据}" — {URL} 一致性: ✅ 一致 / ⚠️ 偏差 {X}% / ❌ 矛盾 偏差处理: 偏差 < 10% → 取权威来源的数据 偏差 10-30% → 标注范围 "约 X-Y" 偏差 > 30% → 标注 "存在争议" + 列出各方数据 时间盒管理 时间分配 mode=full (30 分钟): 0-5 min: 定义问题 + 拆分子问题 5-20 min: 搜索 + 信息收集 20-25 min: 整理 + 交叉验证 25-30 min: 输出调研摘要 mode=quick (10 分钟): 0-2 min: 明确搜索目标 2-7 min: 定向搜索 (最多 3 次搜索) 7-10 min: 整理 + 输出 mode=verify (5 分钟): 0-2 min: 搜索验证 2-5 min: 确认/否认 + 输出 超时处理 调研超时时: 1. 停止搜索 2. 整理已获取的信息 3. 标注 "调研未完成" + 列出待调研问题 4. 先用已有信息继续工作 5. 建议后续补充调研 写作能力 (Writing) 通用写作工作流。所有文字产出类角色的底层能力。 核心原则: 先结构后内容，先准确后文采。 支持模式 (mode) mode 步骤 适用场景 full (默认) 大纲→初稿→审校→定稿 完整文章/文档/报告 draft 初稿→定稿 短文案/简单内容 review 审校→定稿 润色/改写已有内容 outline 仅大纲 规划阶段 工作流 (mode=full) Step 1 — 需求理解 ├── 提取: 主题、受众、字数要求、风格要求 ├── 确认: 复述需求至少 3 个具体要点 └── 检查点: 需求不明确 → 先提问再动笔 Step 2 — 大纲 ├── 结构: 标题层级 (H1→H2→H3) ├── 要点: 每个章节的核心论点 └── 检查点: 大纲是否覆盖所有需求点？ Step 3 — 初稿 ├── 按大纲逐节展开 ├── 每个论点有支撑 (数据/案例/逻辑) ├── 不追求完美，先完成再完善 └── 检查点: 是否有段落偏离主题？ Step 4 — 审校 ├── 准确性: 数据/引用是否正确？ → 联动 anti-hallucination ├── 完整性: 是否覆盖所有需求点？ ├── 通顺性: 是否符合目标语言习惯？ ├── 格式: 排版/标点/编号是否规范？ └── 检查点: ACFT 四维自检 (Accuracy/Completeness/Formatting/Timeliness) Step 5 — 定稿 ├── 最终通读 ├── 生成摘要/关键词 (如需) └── 交付格式确认 (Markdown/HTML/纯文本) 输出规范 📝 写作完成 类型: {文章|文档|报告|文案} 字数: {word_count} ────────────── 交付: {file_path 或 inline 内容} 关键词: {keywords} ────────────── 自检: ✅ ACFT 通过 NEVER NEVER 跳过需求理解直接开写 原因: 写错方向比写得慢代价大 10 倍 替代: 先复述需求，确认后再动笔 NEVER 使用无来源的数据/统计/引用 原因: 虚假数据会毁掉信誉 替代: 联动 anti-hallucination 技能验证 NEVER 忽略客户指定的风格/语气 原因: 风格不匹配 = 不合格交付 替代: 从需求中提取风格要求，全文保持一致 中文写作规范 标点符号 使用全角标点: ，。！？；：（）【】 数字与中文之间加空格: "共有 365 个角色" 英文与中文之间加空格: "使用 Markdown 格式" 引号: 优先使用「」，次选"" 排版规范 段落之间空一行 标题与正文之间空一行 列表项之间不空行 代码块使用 ``` 包裹并标注语言 风格指南 避免欧化中文: "进行了分析" → "分析了" 避免冗余: "在...方面" "关于...的问题" 主动语态优先: "系统检测到" 而非 "被系统检测到" 数字: 10 以内用汉字 (三个要点)，10 以上用阿拉伯数字 (共 365 个) 写作工作流 步骤详解 Step 1: 需求理解 输入分析清单: □ 主题/话题是什么？ □ 目标受众是谁？(专业人士/普通读者/决策者) □ 字数要求？(无要求则按场景默认) □ 风格要求？(专业/轻松/正式/科普) □ 参考资料？(客户提供的 context) □ 交付格式？(Markdown/HTML/Word) □ 截止时间？ Step 2: 大纲结构模板 # [标题] ## 1. 引言/背景 - 为什么读者要关心这个话题 - 本文将解决什么问题 ## 2. 主体 (根据需求拆分) ### 2.1 [子主题 A] - 核心论点 - 支撑数据/案例 ### 2.2 [子主题 B] - ... ## 3. 结论/行动建议 - 总结关键发现 - 可操作的下一步 ## 4. 参考来源 (如有) Step 3: 初稿写作规范 每段落 3-5 句，不超过 150 字 首句即核心观点 (倒金字塔) 过渡自然: "因此/然而/此外/具体来说" 数据标注来源: "根据 [来源]，..." Step 4: 审校清单 (ACFT) A — Accuracy (准确性): □ 所有数据有来源 □ 引用真实存在 □ 术语使用正确 C — Completeness (完整性): □ 覆盖需求中所有要点 □ 无遗漏章节 F — Formatting (格式): □ 标题层级正确 □ 列表/表格格式统一 □ 标点符号规范 (中文全角/英文半角) T — Timeliness (时效性): □ 引用的数据/法规是否最新 □ 案例是否过时 来源引用 (Source Citation) 为所有事实性内容提供统一的来源标注规范。 核心原则: 每个数字后面都有出处，每个引用都可追溯。 引用格式 行内引用: "市场规模达 $50B (来源: Gartner, 2025)" "用户增长 35% (来源: 公司官方财报 Q4 2025)" 脚注引用: "市场正在快速增长 [1]" --- [1] Gartner. "Global SaaS Market Report 2025". https://... 无来源标注: "[建议确认] 该数据未找到权威来源" 来源可信度分级 级别 来源类型 引用标记 L1 官方文档/学术论文/原始数据 (来源: {name}) L2 行业报告/权威媒体 (据 {name} 报道) L3 AI 训练数据 [基于 AI 训练数据，建议验证] NEVER NEVER 混淆来源级别，将 L3 伪装为 L1 NEVER 省略高风险领域 (医疗/法律/财务) 的来源标注 引用格式规范 行内引用 (首选) 数据引用: "{数据}" (来源: {机构名}, {年份}) 例: "全球 AI 市场规模达 $1,900 亿 (来源: IDC, 2025)" 报道引用: 据 {媒体名} 报道，{内容} 例: "据路透社报道，该公司 Q4 营收同比增长 32%" 学术引用: {作者} ({年份}) 的研究表明，{内容} 例: "Zhang et al. (2024) 的 Meta 分析显示，该疗法有效率为 85%" 脚注引用 (长文使用) 正文: "市场正在快速增长 [1]，预计 2027 年将达到 $3,000 亿 [2]。" 脚注区域: --- [1] Gartner. "Global Cloud Infrastructure Report 2025". 2025-01. [2] McKinsey. "The State of Cloud Computing". 2025-03. https://... 不确定标注 数据可能过时: "{数据} (来源: {机构}, {年份}) [注: 数据为 {年份}，建议查最新]" 单一来源: "{数据} (来源: {机构}, {年份}) [注: 仅单一来源，建议交叉验证]" AI 自有知识: "{内容} [注: 基于 AI 训练数据，建议独立验证]" 未找到来源: "[建议确认: 未找到权威来源] {大致范围}" 来源列表格式 (报告末尾) ## 参考来源 1. {机构}. "{报告/文章标题}". {年月}. {URL} 2. {作者}. "{论文标题}". {期刊}, {年份}. DOI: {doi} 3. {法规全称}. {颁布机构}, {年份}. 来源级别判定 判定流程 收到一个来源 URL/名称时: 1. 识别来源类型 ├── 政府/官方机构 (.gov/.org) → L1 ├── 学术论文 (有 DOI) → L1 ├── 上市公司财报 → L1 ├── 行业分析机构 (Gartner/IDC/McKinsey) → L2 ├── 主流媒体 (Reuters/Bloomberg/新华社) → L2 ├── 维基百科 → L2 (需追溯引用) ├── 行业博客/自媒体 → L3 └── 社交媒体/论坛 → 不可引用 2. 检查时效性 ├── ≤ 1 年 → 可直接引用 ├── 1-3 年 → 标注年份 └── > 3 年 → 仅作背景，标注 "数据较旧" 3. 标注引用 ├── L1 → (来源: {名称}) ├── L2 → (据 {名称} 报道/分析) └── L3 → [基于 AI 知识，建议验证] 特殊场景 来源冲突: 当 L1 和 L2 数据矛盾时 → 以 L1 为准 当两个 L1 矛盾时 → 列出两方数据 + "存在争议" 来源无法判定: 不确定来源级别 → 保守按 L3 处理 高风险领域加码: 医疗 → 仅接受 L1 (PubMed/WHO/FDA) 法律 → 仅接受 L1 (法规原文/司法解释) 金融 → L1 + L2 均可，标注来源 反幻觉 (Anti-Hallucination) 约束技能 (Constraint Skill)。为所有产出设置事实准确性的底线。 核心原则: 宁可少写一个数据，不可编造一个引用。不确定就标注，不存在就不写。 严格级别 (level) level 适用场景 规则 standard (默认) 一般内容创作 数据需有来源，不确定标注 "建议确认" strict 医疗/法律/财务 所有事实性声明必须有 L1/L2 来源 relaxed 创意写作/虚构内容 仅对事实性声明 (非虚构部分) 适用 四层防护体系 Layer 1 — 数据来源标注 ✅ 每个统计数字标注来源: "XX 市场规模达 $50B (来源: Gartner 2025)" ✅ 找不到来源 → 标注 "建议确认" ❌ NEVER 写无来源的百分比/金额/排名 Layer 2 — 引用验证 ✅ 引用真实存在的来源 ✅ 用 web_search 验证引用是否存在 ❌ NEVER 虚构论文标题/作者/期刊名 Layer 3 — 案例真实性 ✅ 案例基于真实事件 (标注来源) ✅ 或明确标注 "假设案例" / "模拟场景" ❌ NEVER 将虚构案例当作真实案例呈现 Layer 4 — 能力边界声明 ✅ 超出 AI 能力范围时明确声明 ✅ 高风险领域添加免责声明 ❌ NEVER 假装具有专业资质 (医师/律师/CPA)