Research

social-graph-ranker 是用于暖介绍发现、桥梁评分，以及跨 X 和 LinkedIn 的网络缺口分析的加权图排序层。当你需要一个可复用的 Lead Research 排序引擎，而不是完整的外联或网络维护流程时，使用 social-graph-ranker 技能。

search-first 是一种先研究再编码的工作流：在编写自定义代码之前，先寻找现成工具、库和模式。使用 search-first 技能可以评估可选方案、比较取舍，并以更少的猜测来决定是直接采用、扩展，还是自定义开发。

research-ops 是面向 ECC 现状研究的 evidence-first 工作流。可用于查找最新事实、比较方案、补充个人或公司信息，并基于公开证据和本地上下文输出建议。它作为 Web 研究、引用管理和可重复决策支持的路由层来使用。

market-research 技能可帮助你产出有来源支撑、可用于决策的市场、竞争对手、基金和技术趋势研究。适用于市场规模测算、竞争分析、投资尽调和假设验证。它强调最新证据、清晰结论，以及将事实、推断和建议分开呈现。

exa-search 是一个面向 Exa MCP 的技能，适合做最新的网页检索、代码示例查找、公司情报、人物查询和快速来源发现。适用于需要信息时效性和证据支撑的场景，也适合想要一份实用的 exa-search 使用指南来覆盖实时搜索、基于工具的回答和网页研究流程时使用。

deep-research 技能可借助 firecrawl 和 exa MCP 工具，把宽泛问题转化为有来源支撑的网络调研结果。适合用来对比信息源、综合结论，并生成带引用的报告，用于竞品分析、技术评估、尽职调查以及其他需要证据支撑的决策。

Open Notebook 是一个自托管、开源的研究工作区，适用于文档分析、笔记、带来源的聊天、搜索以及播客式摘要。使用 open-notebook 技能来整理 notebook、导入 PDF、网页、音频、视频和 Office 文件，并支持面向私有场景、以 API 为先的数据分析工作流。

hypogenic 是一项用于在 LLM 支持下，对表格数据或文本衍生数据集生成并测试假设的技能。它通过将经验性问题转化为结构化、可检验的工作流，帮助你进行数据分析中的假设生成，适用于分类解释、内容分析和欺骗检测。适合需要有证据支撑的假设，而不只是头脑风暴的场景。

dhdna-profiler 可从文本或语音中提取认知模式和思维指纹。可用于分析某人的推理方式、决策方式、价值取向和表达方式，对比不同思维风格，或回答“我的思维风格是什么？”这个问题。它尤其适合结构化分析、反复对比，以及深入理解一段内容背后的思维者。

notion-research-documentation 可帮助你搜索 Notion、提取相关页面，并将其整理为带引用的简报、对比、摘要或报告。当你的资料都存放在 Notion 中时，可将此 notion-research-documentation 技能用于知识库写作、内部文档、竞品跟踪和决策备忘录。

market-sizing 帮你用自上而下和自下而上的方法估算 TAM、SAM 和 SOM。适用于市场研究流程、市场进入决策、投资人路演和上市规划，尤其是在你需要一条站得住脚的推导链、可验证的假设，以及一版实用的市场初估时。

用于结构化 SWOT 分析并输出可执行建议的 swot-analysis 技能。适合用于战略评估、竞争分析，以及产品或业务定位场景，尤其当你需要清晰区分内部因素与外部环境时。

summarize-interview 会把客户访谈转写稿整理成结构化的洞察摘要，包含 JTBD、当前解决方案、满意度信号、关键洞察和行动项。可用于访谈录音整理、转写稿清洗，以及面向产品团队、研究人员、创始人或 Data Analysis 工作流的精炼总结。

prioritize-features skill for Product Management 能帮助你基于影响、投入、风险和战略匹配度，将功能待办清单排出一个有理有据的前 5 名。适合在你需要比较功能想法、做范围取舍，并解释为什么某项应该优先时使用。

interview-script 可帮助你创建结构化的客户访谈提纲，包含破冰、核心探索和收尾三个部分。它遵循 The Mom Test 和 JTBD 风格的提问方式，帮助你保持问题中立、避免推销，并聚焦过去的真实行为，适用于发现式研究、产品研究和 UX 研究访谈。

identify-assumptions-existing 帮助你在现有产品中对功能想法做压力测试，通过梳理 Value、Usability、Viability 和 Feasibility 维度中的高风险假设，提前发现问题。它结合 PM、设计师和工程师视角，并引入 devil’s advocate 式的反方审视，用于 Strategic Planning 和开发前风险评审。

user-segmentation 可将反馈、访谈、工单、问卷和使用日志转化为基于行为的清晰用户细分。它面向 Data Analysis，重点不只是人口统计，而是通过 jobs-to-be-done、动机和未被满足的需求，识别至少 3 个可落地的用户群组。

sentiment-analysis 技能可将用户反馈转化为分群级洞察、情绪评分、JTBD 和产品影响分析。它适用于评论、问卷、支持工单或社媒聆听中的 Data Analysis 场景；当你需要的是一份实用的 sentiment-analysis 指南，而不是泛泛的正负面判断时，就该用它。

customer-journey-map 技能可帮助你创建端到端的客户旅程地图，涵盖阶段、触点、情绪、痛点和机会点。它适用于 UX Research、入门引导优化和体验分析，尤其是在你需要把零散输入整理成一条结构清晰的旅程叙事时。

competitor-analysis 帮你梳理市场、识别 5 个直接竞争对手，并比较定位、定价、功能、优势、劣势和差异化机会。适用于竞品研究、竞争简报、上线准备，或在需要可直接用于决策的洞察时进行 competitor-analysis / 竞争分析。

competitive-battlecard 可帮助你为某个指定竞争对手制作可直接用于销售的 battlecard，涵盖定位、功能对比、异议处理以及赢/输局面表述。适用于竞争分析、销售赋能和内部准备等场景，尤其当你需要一个实用答案来回答“为什么选我们而不是 competitor X？”时。

huggingface-papers 可帮助你以 markdown 形式阅读 Hugging Face 论文页面，并从 papers API 中提取结构化元数据，包括作者、关联模型、数据集、Spaces、GitHub 仓库和项目页面。适用于 Hugging Face 论文 URL、arXiv URL 或 ID，以及需要论文页面证据的 Academic Research 工作流。

huggingface-paper-publisher 可帮助你在 Hugging Face Hub 上发布和管理研究论文。可用于索引 arXiv 论文、将论文关联到模型或数据集、验证作者归属，并使用技术写作模板创建 Markdown 研究文章。

hv-analysis 是一项横向-纵向研究技能，可将产品、公司、概念、技术或个人转化为结构化分析报告。适合用于深度研究、竞品比较和可直接交付的报告输出，尤其是在你需要用 hv-analysis 做 Data Analysis 或打磨成 PDF 工作流时。