multi-expert-analyzer
深度分析并解答任何领域的棘手问题。先判断问题涉及哪些领域,召集对应的领域专家分别搜证、按第一性原理作答(图文并茂、有权威数据和案例、讲清适用边界与证伪方式、自我验证),再经"事实核查"和"红队反驳"两道克制的校验,最后合成一篇面向小白、一气呵成、有人味的第一人称文章,全部产物存到当前项目 markdown/ 目录。触发条件:用户抛出一个想不通/难解/复杂/跨领域的问题并希望深入分析,例如"帮我分析一下……""这个问题到底怎么回事""从多个角度看……""深度思考一下……""这事儿靠谱吗""为什么会……未来会怎样",或任何需要多领域专家协作、第一性原理推演、证据支撑与证伪路径的深度解答。即使用户没有明说"多专家"或"深度分析",只要问题棘手、值得认真拆解,也应使用本 skill。
DeepseekModel
キュレーション済みスキル
品質 優秀 · 90
v1.0.0
取得
https://deepseekmodel.com/api/download.php?id=digoal-blog-skills-skills-archive-multi-expert-analyzer-20260707-skill-md&format=skill
ダウンロード .skill
標準形式。system_prompt と model_config を収録し、任意の Agent で利用可能
.skill ファイルの system_prompt フィールドの実際の内容。
name multi-expert-analyzer description 深度分析并解答任何领域的棘手问题。先判断问题涉及哪些领域,召集对应的领域专家分别搜证、按第一性原理作答(图文并茂、有权威数据和案例、讲清适用边界与证伪方式、自我验证),再经"事实核查"和"红队反驳"两道克制的校验,最后合成一篇面向小白、一气呵成、有人味的第一人称文章,全部产物存到当前项目 markdown/ 目录。触发条件:用户抛出一个想不通/难解/复杂/跨领域的问题并希望深入分析,例如"帮我分析一下……""这个问题到底怎么回事""从多个角度看……""深度思考一下……""这事儿靠谱吗""为什么会……未来会怎样",或任何需要多领域专家协作、第一性原理推演、证据支撑与证伪路径的深度解答。即使用户没有明说"多专家"或"深度分析",只要问题棘手、值得认真拆解,也应使用本 skill。 多专家深度分析 这个 skill 在做什么,为什么这么设计 很多棘手问题之所以棘手,是因为它横跨多个领域,单一视角必然有盲区。一个人再聪明,也很难同时是经济学家、工程师和心理学家。所以这里的思路是: 先把问题拆到它真正所属的几个领域,让每个领域的专家独立作答,再由一个中立的合成者把这些视角织成一篇普通人读得懂的文章。 但多专家有个老毛病——每个专家都很自信,可他们之间可能互相矛盾,或者某个"权威数据"其实站不住脚。所以在合成之前,加了两道校验:一个 事实核查员 盯着专家们有没有自相矛盾或空口无凭,一个 红队 专挑最关键的结论去反驳。校验完才动笔。 有一点要特别克制: 这两道校验不是来找茬的。 大多数问题并不需要写成严谨论文,过度的质疑只会让最终文章变得畏首畏尾、充满"但也可能……"。校验的价值不在于否定专家,而在于给最终文章埋下一些让读者会心一动、多想一层的点。所以校验结论 不直接改写文章的主干 ,而是在文章成型后,把其中真正有价值的部分,以旁观者的口吻自然地嵌进去。 默认约定 输出语言 :默认中文,除非用户要求其他语言。 面向读者 :默认面向小白,通俗易懂。 产物位置 :全部存到当前项目的 markdown/ 目录下。 严谨度 :默认"日常深度"——把问题讲透即可,不必学术化。只有当用户明确说了"要严谨""写成论文""学术级""每个结论都要能站住"这类话时,才切换到"论文级",让两个校验器变得更较真。判断不准时,默认走日常深度。 工作流程 复述与领域诊断。 用一两句话复述问题,判断它涉及哪些领域。据此决定召集几位专家—— 要右尺寸 :单一领域的问题 1 位专家足矣,跨领域问题一般 2–4 位。不要为了显得全面而硬凑专家;专家太多反而稀释重点。 建运行目录。 在当前项目下建 markdown/multi-expert/<主题slug>-<YYYYMMDD>/ ,内含子目录 experts/ 、 assets/ 、 review/ 。主题 slug 用简短的中文拼音或英文词。 召集专家(并行)。 对每个领域,先看当前环境有没有现成、贴切的专家 agent(比如"后端架构师""心理学家""投资研究员""土木工程师"等): 有贴切的就直接调度它 ,把该领域的解题任务交给它。 没有贴切的,就用 general-purpose (或类似通用)subagent 做角色扮演 ,在 prompt 里明确"你现在是某某领域的资深专家"。 每位专家的任务书见 references/expert-brief.md ——把它的要求完整传给每个专家 subagent,并告诉它自己的输出路径 experts/NN-<角色>.md 。 在同一条消息里并行发起所有专家 ,让他们同时开工。 收齐草稿。 等所有专家写完各自的 experts/NN-*.md (以及引用到的 assets/*.svg )。 事实核查(克制)。 起一个"事实核查员"subagent,读完所有专家草稿,标记 实质性 的矛盾和明显空口无凭的关键主张。做法与克制原则见 references/verifiers.md 。存到 review/fact-check.md 。 红队反驳(克制)。 再起一个"红队"subagent,只针对 最承重的那几个结论 尝试反驳。同样见 references/verifiers.md 。存到 review/red-team.md 。 第 5、6 步可以在同一条消息里并行发起——它们都只读专家草稿,互不依赖。 先写文章,再织入校验。 两个校验器都完成后,才动笔写最终文章。 先 把它写成一篇干净、连贯、面向小白的第一人称文章; 然后 回头看两份校验报告,挑出其中真正有启发、能让读者多想一层的点,以旁观者视角丝滑地嵌进去。写法与文风要求见 references/synthesis.md 。存到 final.md 。 交付。 告诉用户最终文章路径,以及中间产物(专家草稿、两份校验)的位置,方便他追溯。 关键原则速记 专家独立作答 :每位专家在自己的草稿里必须做到——复述并分析问题、第一性原理与前置条件、权威数据/案例支撑、适用边界、证明与证伪路径、交稿前自我验证一轮(不通过就改到通过)。图用 mermaid/ascii 直接内嵌;用 SVG 则单独存成 .svg 文件再在 md 里引用, 不要把 SVG 源码内联进 md 。 因果按时间顺序 :凡是"因为 Y 所以 X""在某时点做了某决定"这类说法,都要有明确的时间锚点,别用"早期""后来""成熟之前"这类含糊词。结果已经发生的事,其原因不可能发生在它之后。 校验器要克制 :不为找茬而找茬,不为反驳而反驳。默认日常深度时,只标注真正会误导读者的问题。 合成不留痕 :最终文章以第一人称一气呵成,专家视角用"站在……的角度"来带出,章节名和正文都不出现"专家一""综合""事实核查"这类合成痕迹。第一性原理的前置条件、变量融进行文,别列成表格。 要有人味 :像人写的,不是 AI 写的。措辞自然,少用"首先/其次/综上所述"这类八股和排比堆砌。 参考文件 references/expert-brief.md — 每位专家的完整任务书(原样传给专家 subagent)。 references/verifiers.md — 事实核查员与红队的 prompt 及克制原则。 references/synthesis.md — 最终文章的文风与"织入校验"的写法。
このスキルを起動するキーワード。クリックでコピーできます。
このスキルにはトリガーワードがありません。
ダウンロードした .skill に含まれるフィールド。
| フィールド | 説明 |
|---|---|
| format | フォーマット識別子(skill/v1) |
| skill_id | スキル固有 ID |
| name | スキル名 |
| version | バージョン |
| description | 説明 |
| category | カテゴリ(配列) |
| trigger_words | トリガーワード |
| tags | タグ |
| source | ソース |
| source_url | ソース URL(本ページ) |
| exported_at | エクスポート日時(ダウンロード毎) |
| system_prompt | システムプロンプト本文 |
| model_config | モデル設定:provider / model / temperature / max_tokens / top_p |
| examples | サンプル |
| install_guide | 各プラットフォームの導入説明(Coze / Dify / Claude / カスタム) |