Analyze

核心用法

Analyze 是一个通用型结构化分析框架，采用五步法（目的→结构→分析→优先级→结论）处理各类输入：数据、代码、文本、决策、视觉内容。关键强制步骤包括：分析前明确决策目标、选择分析框架（MECE/Pros-Cons+/Pre-mortem/Steel man）、记录第一印象以便后续挑战；分析中始终使用🔴🟡⚪三级优先级标记、标注每处信息来源（来自输入/推断得出）、预留"反证空间"、严格区分事实与观点；最后以一句话总结、行动建议结尾，并通过"显而易见性测试"检验深度。

显著优点

1. 抗认知偏差设计：强制"第一印象→寻求反证"流程、Pre-mortem和Steel man框架直接对冲确认偏误和现状偏见
2. 决策锚定机制：要求开篇即明确"此分析用于决定___"，避免分析漂移
3. 优先级强制分化：限制关键发现为1-2项，避免"全是黄色=没有优先级"的常见陷阱
4. 来源可追溯：每处声明必须标注[from input]或[inferred]，自我标注幻觉风险

局限性与风险

• 执行成本高：完整的五步流程+框架选择+反证空间需要显著时间投入，不适合快速场景
• 框架选择本身成为决策：未提供框架选择指南，可能陷入"用什么框架分析这个分析"的元问题
• 领域深度依赖用户：虽有Domain提示表，但代码分析中"风格≠bug"等判断仍需专业背景
• 输出格式未标准化：最终输出虽提供模板，但内部推理过程的颗粒度无强制规范

适合人群

• 数据分析师、产品经理、策略研究员等需处理复杂信息并输出决策建议的角色
• 团队复盘、重要决策前的结构化思考场景
• 需要对抗群体思维或个人认知偏见的独立分析任务

常规风险

S级（安全）：本技能为纯方法论框架，无外部数据调用、无代码执行、无持久化存储。风险仅限于：用户可能因框架完整性幻觉而过度信任输出；"inferred"标注依赖自律执行，无法技术验证。

核心用法

Analyze 是一个纯 Markdown 格式的提示词工程技能，无需任何代码执行或外部 API 调用。用户通过自然语言触发后，Agent 将严格遵循「Purpose → Structure → Analyze → Prioritize → Conclude」五段式框架展开分析。

使用流程：
1. Before（前置明确）：强制声明分析目的、识别 3 个以上未知变量、记录第一印象并预设反证
2. During（分析执行）：采用 🔴🟡⚪ 三级优先级标记，每项标注 [from input] 或 [inferred]，专设「反证空间」，区分事实与观点、相关与因果
3. After（结论输出）：强制压缩为一句话摘要，以行动建议收尾，通过「显而易见测试」避免平庸结论

领域适配：内置 Data（数据）、Code（代码）、Text（文本）、Decisions（决策）、Visuals（视觉）五大场景检查清单，并可选 MECE、Pros/Cons+、Pre-mortem、Steel man 等分析框架。

显著优点

• 零安全风险：纯 Markdown 架构，无可执行代码、无外部依赖、无网络调用，从根本上消除注入攻击和数据泄露风险
• 认知纠偏设计：内置「第一印象挑战」「反证空间」「显而易见测试」等机制，系统性对抗确认偏误、锚定效应等认知陷阱
• 结构化可复现：优先级标记、来源标注、框架选择使分析过程透明可追溯，适合团队协作与知识沉淀
• 场景覆盖全面：从数据异常检测到战略决策评估，从代码审查到文本论证分析，横跨多个专业领域

潜在缺点与局限性

• 执行依赖 Agent 能力：框架效果受底层模型推理质量影响，复杂场景下可能出现「假装分析」的表面合规
• 无自动化集成：纯提示词设计意味着无法直接连接数据库、代码仓库或 BI 工具，需人工输入上下文
• 框架选择成本：新手可能因不熟悉 MECE、Pre-mortem 等方法论而难以选择最优框架
• 输出长度不可控：深度分析场景下容易生成过长文本，需用户主动约束

适合的目标群体

• 产品经理与决策者：需要结构化评估方案、突破选项窄化陷阱
• 数据分析师：希望建立可复现的数据解读流程，避免「数字幻觉」
• 软件工程师：进行代码审查、技术方案评估时追求系统性思考
• 研究人员与咨询顾问：提升论证质量，识别文献或报告中的逻辑漏洞
• 知识工作者：任何需要「深度工作」、对抗碎片化思维的深度思考场景

使用风险

• 模型幻觉传导：若输入数据本身存在错误，框架的「来源标注」机制可能赋予其虚假权威性
• 过度结构化疲劳：简单问题套用完整框架可能导致分析成本高于收益
• T3 来源持续关注：当前版本安全，但个人开发者后续更新若引入代码或外部依赖需重新评估
• 无版本锁定机制：Skill 更新可能改变行为，生产环境建议固定使用版本