Research

social-graph-ranker 是一個加權圖譜排名層，用於在 X 和 LinkedIn 上進行暖身介紹發掘、橋接評分與網路缺口分析。當你需要一個可重複使用的排名引擎來支援 Lead Research，而不是完整的外聯或網路維護流程時，就該使用 social-graph-ranker 技能。

search-first 是一種先研究、後寫程式的工作流程：在開始撰寫自訂程式碼前，先找出既有工具、函式庫與模式。使用 search-first 技能可評估可用選項、比較取捨，並在更少猜測的情況下決定是採用、擴充，還是自行開發。

research-ops 是一套以證據為先的 ECC 現況研究工作流程。可用來搜尋最新事實、比較選項、補充個人或公司資訊，並在公開證據與在地脈絡基礎上提出建議。它可作為網路研究、引用整理與可重複決策支援的路由層。

market-research 技能可協助你產出有來源依據、可直接支持決策的市場、競品、基金與科技趨勢研究。可用於市場規模估算、競爭分析、投資盡職調查與論點驗證。它強調近期證據、清楚結論，以及將事實、推論與建議分開呈現。

exa-search 是一個 Exa MCP 技能，適合做即時、以網路資料為基礎的研究、程式碼範例查找、公司情報、人物查詢與快速來源探索。當你重視最新性與證據，或需要一份實用的 exa-search 指南來處理即時搜尋、工具式回答與網頁研究流程時，就很適合使用。

deep-research 技能可將寬泛問題轉化為有來源依據的網頁研究，並搭配 firecrawl 與 exa MCP 工具使用。適合用來比較資料來源、綜整發現，並產出帶引用的報告，應用在競品分析、技術評估、盡職調查，以及其他需要證據支持的決策。

Open Notebook 是一個自架、開源的研究工作區，適合文件分析、筆記、與來源對話、搜尋，以及 Podcast 風格摘要。使用 open-notebook skill 來整理 notebook、匯入 PDF、網頁、音訊、影片與 Office 檔案，並支援以隱私為優先、API first 的 Data Analysis 工作流程。

hypogenic 是一項可在表格型資料或從文字衍生的資料集上，搭配 LLM 支援來產生與測試假設的技能。它能協助進行資料分析中的 hypogenic 工作，將經驗性問題轉化為結構化、可驗證的流程，適用於分類解讀、內容分析與欺瞞偵測。當你需要的是有證據支撐的假設，而不只是腦力激盪時，就很適合使用它。

dhdna-profiler 可從文字或語音中萃取認知模式與思考指紋。可用來分析一個人如何推理、做決策、重視什麼，以及如何表達；比較不同的思考風格，或回答「我的思考風格是什麼？」這類問題。它特別適合結構化分析、重複比較，以及更深入理解一段內容背後的思維。

notion-research-documentation 可用來搜尋 Notion、擷取相關頁面，並將內容整理成有引用來源的簡報、比較、摘要或報告。當你的資料都在 Notion 裡時，這個 notion-research-documentation 技能很適合用於知識庫撰寫、內部文件、競品追蹤與決策備忘錄。

market-sizing 可運用自上而下與自下而上的方法，協助估算 TAM、SAM 與 SOM。當你需要有理有據的推導脈絡、可驗證的假設，以及實用的初步市場估算時，可用於市場研究工作流程、市場進入決策、投資人簡報與上市規劃。

swot-analysis 技能可用於結構化的 SWOT 分析，並產出可執行的建議。適合用在策略評估、競爭分析，以及產品或商業定位情境中，當你需要清楚區分內部與外部因素時尤其有用。

summarize-interview 會把顧客訪談逐字稿整理成結構化的發掘摘要，包含 JTBD、現有解法、滿意度訊號、關鍵洞察與待辦事項。適合用於訪談錄音、逐字稿整理，以及供產品團隊、研究人員、創辦人或 Data Analysis 工作流程快速掌握重點的精簡摘要。

Product Management 的 prioritize-features 技能可協助你把功能待辦清單依影響、工時、風險與策略契合度，排出有理有據的前五名。當你需要比較功能點子、做出範圍決策，或說明為什麼某個項目應該先做時，就很適合使用它。

interview-script 可幫你建立有結構的客戶訪談指南，內容包含暖身、核心探索與收尾三個部分。它結合 The Mom Test 與 JTBD 風格的提問方式，保持問題中立、避免推銷，並聚焦過去行為，適合用於發掘、產品與 UX 研究訪談。

identify-assumptions-existing 可幫你針對既有產品中的功能構想進行壓力測試，從價值、可用性、可行性與商業可行性四個面向找出高風險假設。它結合 PM、設計師與工程師的觀點，並加入反方辯證視角，用於策略規劃與開發前的風險檢視。

user-segmentation 可將回饋、訪談、客服單、問卷與使用紀錄，轉化為依行為區分的清楚使用者分群。它專為 Data Analysis 設計，會根據 jobs-to-be-done、動機與未被滿足的需求來辨識至少 3 個可採取行動的群組，而不只看人口統計。

這個 sentiment-analysis 技能可將 user feedback 轉化為分群層級洞察、情緒分數、JTBD 與產品影響分析。當你需要的是一份實用的 sentiment-analysis 操作指南，而不是單純的正負向判定時，很適合用在評論、問卷、客服紀錄或社群聆聽的 Data Analysis 上。

customer-journey-map 技能可協助你建立端到端的顧客旅程地圖，涵蓋階段、接觸點、情緒、痛點與機會。當你需要把零散資料整理成有結構的旅程敘事時，它很適合用於 UX Research、入門導引優化與體驗分析。

competitor-analysis 能幫你描繪市場版圖、找出 5 個直接競爭對手，並比較定位、定價、功能、優勢、弱點與差異化機會。可用於競品研究、競品簡報、上市前準備，或在需要可直接用於決策的洞察時進行 Competitive Analysis。

competitive-battlecard 可幫你針對一個指定競爭對手，製作可直接用於銷售的 battlecard，涵蓋定位、功能比較、異議處理，以及輸贏分析角度。當你需要對「為什麼選我們而不是 competitor X？」這類問題給出實用答案時，可用於競品分析、銷售賦能與內部準備。

huggingface-papers 可協助你以 markdown 方式閱讀 Hugging Face 論文頁面，並從 papers API 擷取結構化中繼資料，包括作者、連結的模型、資料集、Spaces、GitHub repo 與專案頁面。適合用於 Hugging Face 論文網址、arXiv 網址或 ID，以及需要論文頁面佐證的學術研究工作流程。

huggingface-paper-publisher 可用來在 Hugging Face Hub 上發佈與管理研究論文。可用來建立 arXiv 論文索引、將論文連結到模型或資料集、驗證作者資訊，並使用技術寫作範本建立 markdown 研究文章。

hv-analysis 是一套橫向－縱向研究技能，可將產品、公司、概念、技術或人物轉化為結構化分析報告。當你需要用 hv-analysis 進行深度研究、競品比較，或產出可直接交付的報告時，這套技能特別適合；尤其是在 Data Analysis 或精緻 PDF 工作流程中使用 hv-analysis 更有幫助。