核心用法
该Skill专为质性研究设计，采用学术界广泛认可的Braun & Clarke六阶段主题分析法。用户需提供本地存储的质性资料路径（访谈记录、观察笔记、焦点小组记录等），Skill将依次执行：熟悉资料→生成初始编码→归纳潜在主题→审查主题→命名与定义主题→撰写分析报告六个阶段。输出物包含Excel编码表、Markdown主题树结构图以及结构化DOCX分析报告，完整呈现从原始资料到理论建构的全过程。
显著优点
方法论权威性：直接嵌入质性研究黄金标准，避免"黑箱分析"，每个主题必须附≥3条原文引证，确保分析可审计、可复现。流程完整性：强制六阶段递进，杜绝跳过编码直接出主题的草率做法；新增饱和度检验步骤，确认资料穷尽。输出规范性：自动生成学术规范的编码表、主题层级树与最终报告，减少研究者后期整理负担。本地化安全：所有数据处理均在本地完成，不上传云端，特别适合含敏感信息的访谈资料。双模式设计：区分「演示模式」（快速预览）与「研究模式」（完整深度），灵活适配不同场景。
潜在缺点与局限性
上下文限制：大文本量场景下，当前版本受限于上下文窗口，可能无法逐字处理超长语料（需依赖外部脚本全量提取）。依赖外部工具：PDF/DOCX解析依赖python-docx、pdfplumber等库，需用户自行配置环境，存在版本兼容风险。耗时较长：完整六阶段流程需逐段编码、多次迭代，研究模式下耗时显著高于直觉式分析。编码主观性：虽提供操作框架，编码质量仍高度依赖执行者的学术素养，Skill本身无法替代研究者的理论判断。PII处理待完善：当前版本未内置自动脱敏功能，敏感信息保护需用户前置处理。
适合的目标群体
人文社科研究者：社会学、教育学、心理学、传播学等领域采用质性方法的硕博研究生及青年学者。用户研究团队：UX/产品团队需深度分析用户访谈、可用性测试记录。政策评估人员：需对焦点小组、社区访谈进行系统性主题提炼的公共部门研究者。混合方法研究者：在量化主设计中嵌入质性探索阶段的跨学科团队。
使用风险
性能风险：处理大量PDF/扫描件时，文本提取可能耗时且占用内存；超大文件（>50MB）可能导致脚本超时。依赖风险：文档解析库版本更新可能导致格式兼容问题；建议锁定依赖版本。路径安全风险：用户提供的文件路径若含符号链接或遍历字符，可能意外访问敏感系统文件（建议增强输入验证）。学术伦理风险：Skill本身无法识别访谈资料中的个人隐私信息，用户须在上传前完成脱敏处理。结果误用风险：演示模式输出的"快速主题"标注深度不足，若未明确区分可能误导研究决策。饱和度假象：算法层面的"无新码出现"不等于理论饱和，需结合研究者判断。