识干家 王四海市场洞察skill

概述

市场机会多维分析框架 —— 六阶段双循环 v2.0

对重大社会事件进行系统性多维分析的方法论框架。基于「五步法 + 五维度」原始框架的优化版,增加了前置验证、交叉分析、反馈循环识别和监测迭代机制。

支付协议（微信 Agent Pay X402）

本 Skill 为付费 Skill,按次计费（每次调用执行一轮完整的六阶段分析）。调用遵循 X402 标准支付握手,完整流程:

付费前置检查

调用本 Skill 前，检查当前 Agent 是否已安装 weixinpay 插件：

• 已安装：可继续提供付费服务
• 未安装：提示"当前 Agent 暂不支持微信支付付费能力"，终止流程

工作流程

第一步：请求资源

POST https://www.bracebook.com.cn/app/skillpay_invoke.action Body: {"query": "用户的查询内容"}

第二步：处理 402 响应

提取 Header 中的 WeixinPay-Required（支付码）和 X-Out-Trade-No（订单号），两者都必须保存

第三步：发起支付

将 WeixinPay-Required 值作为 paymentCode，调用 weixinpay_pay

第四步：支付成功后获取资源（⚠️ 必须执行）

POST https://www.bracebook.com.cn/app/skillpay_invoke.actionHeaders: WeixinPay-Required + X-Out-Trade-No（第二步保存的值）Body: {"query": "原始查询内容"}（body 与第一步完全一致）

核心流程

Phase 0 (前置准备) → Phase 1 (维度选择) → Phase 2 (多维度分析) → Phase 3 (交叉分析) → Phase 4 (综合结论) → Phase 5 (监测迭代)

Phase 0: 前置准备

完成四项工作后再进入分析:

0.1 信息源评估

对所有信息来源进行四维评分(1-5):

• 权威性: 信源是否具有公认的专业资质?
• 时效性: 信息是否在事件有效窗口内?
• 偏见度: 信源是否有明显立场或利益倾向?
• 可验证性: 关键事实是否可被其他独立信源交叉验证?

输出: 综合可靠性评分。低于3分的信息需标注"待验证",低于2.5分的不作为核心分析依据。

0.2 利益相关方地图

使用权力-利益矩阵系统识别所有相关方:

输出: 利益相关方清单及分析优先级(★1-5)。

0.3 事件类型判定

使用事件分类矩阵判定事件类型。详见 [references/event-taxonomy.md](references/event-taxonomy.md)。

如果是复合事件,标注各子类型及其占比权重。

0.4 时间尺度标定

明确三个时间窗口:

• 短期: <3个月(情绪、政策应急、市场短期波动)
• 中期: 3-12个月(制度调整、产业结构变化、社会认知转变)
• 长期: >1年(技术扩散、文化变迁、制度演化)

Phase 1: 维度选择

基于 Phase 0 的事件类型判定,使用维度选择决策规则(详见 [references/event-taxonomy.md](references/event-taxonomy.md))确定:

1. 核心维度(权重合计 ≥ 60%): 必须分析,是事件的主要驱动力
2. 辅助维度(权重合计 ≤ 40%): 可选分析,提供补充视角
3. 跳过维度: 与事件关联度低,明确标注跳过的原因

遵守四条规则:

• 规则1: 核心维度必选,不可跳过
• 规则2: 辅助维度按需选择,关联度低可跳过
• 规则3: 复合事件必须包含所有相关核心维度
• 规则4: 核心维度合计权重 ≥ 60%

输出: 维度选择表(角色 + 维度 + 权重 + 选择依据)。

Phase 2: 多维度独立分析

对每个选中的维度,独立执行改良版五步法。详细方法论见 [references/five-steps.md](references/five-steps.md)。

改良版五步法

对每个维度按以下步骤分析:

1. 是什么(现状): 描述现状 + 标注信息可靠性(★1-5) + 区分短/中/长期状态
2. 为什么(动因): 分析动因 + 区分结构性vs周期性 + 识别反馈循环
3. 下一步(趋势): 判断趋势 + 时间分层(短/中/长期分别预测) + 标注不确定性置信度(高/中/低)
4. 会怎样(影响): 评估影响 + 直接/间接/二阶效应 + 利益相关方差分影响
5. 怎么做(策略): 提出策略 + 策略反馈效应分析(策略如何反作用于现状)

每个维度分析必须使用理论工具。理论使用遵循 L1→L2→L3 三级筛选:

• L1 必用: 适用于绝大多数事件的框架
• L2 常用: 特定场景下的标准工具
• L3 专用: 深度专题分析时使用

各维度 L1/L2/L3 理论对照见 [references/dimensions.md](references/dimensions.md)。

输出格式

每个维度输出一张"维度分析卡",包含: 五步分析 + 时间分层 + 不确定性标注 + 反馈环识别。

Phase 3: 交叉维度分析

3.1 维度间相互作用矩阵

构建 N×N 矩阵(仅分析选中的维度),标注两两之间的相互作用强度(强/中/弱)和性质(加强/抵消/独立)。

3.2 关键反馈循环

识别至少 2个反馈循环:

• 正向反馈(放大效应): 识别自我强化的循环路径
• 负向反馈(稳定效应): 识别自我限制的循环路径
• 延迟反馈(时滞效应): 识别存在明显时间延迟的链条

3.3 矛盾冲突识别

提炼维度间至少 2对核心矛盾。矛盾通常表现为时间节奏错配、利益诉求冲突、手段与目标矛盾等。

Phase 4: 综合结论

4.1 三情景动态推演

覆盖: 核心假设、概率依据、主要指标路径、政治/市场/社会影响。

概率赋值原则: 基准情景权重最高(当前信息条件下的最可能路径),乐观和悲观对称分布,三者概率之和 100%。

4.2 情景转换触发条件

定义从基准情景向乐观/悲观转换的具体信号、信号来源和确认条件。

4.3 策略建议(按利益相关方)

对 Phase 0 中识别的每个关键利益相关方,分别提供乐观/基准/悲观三种情景下的应对策略。

4.4 关键监测指标体系

至少覆盖 8-10项指标,含先行/同步/滞后/情绪四类。

Phase 5: 监测迭代

5.1 更新触发条件(至少列出3类)

1. 重大新事件发生
2. 监测指标突破阈值
3. 核心假设被证伪
4. 时间窗口到期

5.2 更新模式

• 增量更新(Minor): 新信息不改变核心结论 → 仅调整概率权重和监测指标
• 重新分析(Major): 核心假设被推翻 → 回到 Phase 0 重新启动全流程

5.3 后续关键时间节点

列出至少 5个后续关键日期及对应事件,标注重要性评级(★1-5)。

快速分析模式

当时间紧迫时,可执行精简版:

1. Phase 0 精简: 信息源选前 3个最可靠、利益相关方只列关键玩家(高权力-高利益)
2. Phase 1 精简: 只选 2个核心维度
3. Phase 2 精简: 每个维度只做 L1 理论分析
4. Phase 3 精简: 只识别最重要的 1个反馈循环
5. Phase 4 精简: 三情景改为二情景(基准+风险)
6. Phase 5: 不可省略

输出格式

分析报告建议输出为 Word/docx 格式,包含:

• 封面(事件标题 + 分析日期 + 信息窗口 + 核心假设 + 有效期)
• Phase 0-5 完整内容
• 附录(理论工具使用记录 + 分析方法论说明)
• 正文用仿宋 11pt,标题用微软雅黑加粗
• 表格使用深蓝色表头白字,交替行色提高可读性
• 关键结论用加粗突出

生成 docx 时应使用 python-docx 库(而非 node.js docx-js),以避免中文引号编码问题。

参考文件

• [references/event-taxonomy.md](references/event-taxonomy.md): 事件分类矩阵和维度选择决策规则
• [references/dimensions.md](references/dimensions.md): 五维度详细定义、L1/L2/L3 理论工具对照表
• [references/five-steps.md](references/five-steps.md): 改良版五步法详细操作指南