القائمة
全自动生成前沿技术领域的全景图谱。适用于以技术为核心的赛道（如量子计算、核聚变、AI Agent 等），通过双向挖掘（正向追踪学术源头 + 逆向溯源独角兽创始团队）构建学术→开源→商业化的完整脉络。触发词：「技术mapping」「技术全景图」「technology map」「赛道图谱」。
التثبيت باستخدام Codex أو Claude انسخ هذا Prompt والصقه في Codex أو Claude أو مساعد آخر ليراجع صفحة Skill ويثبّتها لك.
استنادا إلى تصنيف SOC المهني
| name | technology-mapping |
| version | 2.1.1 |
| description | 全自动生成前沿技术领域的全景图谱。适用于以技术为核心的赛道（如量子计算、核聚变、AI Agent 等），通过双向挖掘（正向追踪学术源头 + 逆向溯源独角兽创始团队）构建学术→开源→商业化的完整脉络。触发词：「技术mapping」「技术全景图」「technology map」「赛道图谱」。 |
全自动生成指定前沿技术领域的技术全景图谱（技术源流 mapping）。通过 6 个阶段的系统性工作流，自动完成领域分析、目标发现、师承溯源、剪枝聚类、可视化输出和质量验证。
核心特点：
当用户需要对一个以技术为核心的前沿赛道进行全景式研究时使用：
不适用：已高度成熟的非技术驱动产业。
用户提供一个技术领域关键词："中性原子量子计算" / "LLM Agent 框架" / "核聚变磁约束"
[Topic]_TechMap.svg — Graphviz dot 生成的 SVG 矢量图谱[Topic]_TechMap_Report.md — 伴随文字报告（节点简介 + 置信度标注 + 溯源统计 + VC 分析结论）generate_techmap.py — 图谱生成脚本（可复现、可迭代修改）节点类型表、边类型表、置信度规则详见 data_schema.md 连接强度三级分层体系详见 connection_strength.md 可视化节点配色/边样式/时间轴/Legend 规范详见 visual_spec.md VC 分析框架（创始人评估 + 技术路线 + 中外对比 + 可追溯性）详见 vc_framework.md
在任何需要执行网页搜索的步骤中，按以下流程选择工具：
1. 尝试调用 tavily-search 技能
2. IF tavily-search 调用成功 → 使用结果
3. IF tavily-search 未安装 OR 调用报错（ImportError / HTTP 错误 / 超时）:
→ 记录降级原因
→ 调用系统原生 search_web 工具（相同 query）
→ 使用 search_web 结果
4. IF search_web 也失败 → 标记该搜索步骤为「未完成」，继续下一步
[!CAUTION] 严格按照 Phase 0 → 1 → 2 → 3 → 4 → 5 的顺序执行。每个 Phase 完成后，在内部检查输出质量，再进入下一个 Phase。
目的：让 LLM 在运行时分析该技术领域的特征，动态生成适配的搜索策略和溯源路径。
步骤：
领域特征分析：基于 LLM 自身知识，分析以下维度并输出 domain_profile：
{
"domain": "量子计算-中性原子",
"knowledge_carrier": {
"论文": 0.8, "专利": 0.3, "开源代码": 0.1, "产品": 0.05
},
"talent_flow_pattern": "大学PhD → 博后 → 教授创业 or 大厂",
"known_anchor_persons": ["Mikhail Lukin", "Antoine Browaeys", "..."],
"known_anchor_companies": ["QuEra", "Pasqal", "..."],
"china_pattern": "海归教授 + 中科大/清华系",
"upstream_path_type": "PhD advisor chain (2-3 layers)",
"special_relations": ["同实验室师兄弟", "共同导师", "技术迁移(冷原子→中性原子)"],
"search_templates": {
"company_overseas": "[keyword] startup unicorn funding series",
"company_china": "[关键词] 中国 创业公司 融资 A轮 B轮",
"academic": "[person] PhD advisor [field] university",
"academic_china": "[中文名] 博士 导师 留学 [领域]",
"lab_alumni": "[advisor] lab alumni students notable startup"
}
}
talent_flow_pattern 应为 "大厂核心团队 → 独立创业" 或 "顶级实验室 → 开源项目 → 创业""大学PhD → 博后/教授 → 创业"锚点验证：用搜索引擎快速验证 2-3 个 anchor，修正偏差。
用户确认 ⚠️：展示 domain_profile 摘要，询问是否需要修正或补充。
Phase 0 交付物：domain_profile（领域特征 + 搜索策略 + 锚点列表），经用户确认。
目的：找到赛道的"北极星"节点——海外头部公司、国内创业公司、核心开源项目和学术里程碑。
步骤：
search_templates.company_overseas，筛选估值 >$1B 独角兽或大科技公司标杆项目。search_templates.company_china，筛选融资总额 >1 亿元 或 近两年有公开融资。
knowledge_carrier.开源代码 > 0.3 时）：行业公认的奠基级框架/模型。knowledge_carrier.论文 > 0.3 时）：使用 openalex-database skill。⚠️ 诺奖/Wolf Prize/国家最高奖获得者必须纳入。Phase 1 交付物：Target 列表（12-25 个高价值节点） + 技术演进时间线，经用户确认。
目的：从全部 Target 出发，向上游挖掘源头人物和师承脉络。溯源深度 2-3 层。
⚠️ 连接强度规则：所有关系必须按 connection_strength.md 分类。只有 Tier 1/2 进入图谱。 核心判定：引用 ≠ 传承。
步骤：
Wikidata P184 快速查询（优先）：对每个人物先查 scripts/wikidata_client.py 的 query_doctoral_advisor()。有结果 → 跳过搜索；无结果 → 进入渐进式搜索漏斗。同时用 query_students() 横向发现更多创业者。
batch_query_advisors()（SPARQL VALUES 批量查询，避免 N+1）渐进式搜索漏斗（Wikidata 无结果时）：
继续上溯导师的导师（2-3 层）：保留条件—诺奖级 / 培养 2+ 核心人物 / 桥接节点。
溯源终止规则：满足任一即停止—领域奠基人 / 诺奖图灵奖 / 跨领域边界 / 信息不可获取 / 年代超过阈值（硬科技 60 年、AI/软件 20 年）。
⚠️ 每个叶子节点创始人，若技术非独立原创，必须上溯到独立提出者或领域奠基人。
实验室横向扫描：对核心导师搜索全部重要学生/博士后，发现同门创业者。
AI/开源领域适配（当 talent_flow_pattern 含"大厂"时）：构建「大厂 Lab → 创业公司」溯源链。
VC 分析框架：每个公司节点必须按 vc_framework.md 标注技术来源标签。
溯源完整性检查 ⛔：逐一检查节点，统计溯源完成率 / 验证率 / 孤儿率。目标：完成率 >70%，孤儿率 <20%。
实体消歧义：多源交叉验证。使用 query_person_info(name, expected_field=...) 进行 Wikidata 消歧义。
Phase 2 交付物：Origin 节点列表 + 关系边 + 孤儿节点清单 + 溯源指标。预期 30-50 个节点。
目的：清洗数据质量，聚合为技术流派。
步骤：
Phase 3 交付物：干净的 graph 数据（nodes + edges + groups + route_notes + timeline），预期 40-60 个节点。
目的：将图数据转化为高质量、结构化的 SVG 矢量图谱。
技术方案：使用 Python graphviz 库 + dot 布局引擎。
[!CAUTION] 必须使用 Graphviz dot 引擎生成 SVG。禁止使用 Obsidian Canvas (.canvas)、NetworkX + PyVis HTML、或任何替代方案。 生成脚本
generate_techmap.py必须使用import graphviz并调用graphviz.Digraph，输出.svg文件。
⚠️ 前置依赖：系统需安装 Graphviz (
winget install Graphviz.Graphviz)。Python 库：pip install graphviz。
步骤：
generate_techmap.py，使用 graphviz.Digraph(format='svg', engine='dot')rankdir: TB，dpi: 150，fontname: Microsoft YaHeiPhase 4 交付物：SVG 矢量图谱 + 生成脚本。
目的：生成质量报告，让用户了解图谱的可信度和完整度。
步骤：
生成伴随报告 ([Topic]_TechMap_Report.md)：
溯源验证表 ⚠️（必须包含）：| 人物 | 关系声明 | Source 1 (URL) | Source 2 (URL) | 置信度 | 状态 |
溯源质量统计：溯源完成率 / 多源验证率 / 孤儿率 / 平均置信度
Phase 5 交付物：文字报告（含溯源验证表 + 质量统计）。
| 技能 | 用途 | 必需 |
|---|---|---|
tavily-search | 首选搜索：环境缺失则降级为 search_web | 可选（有 fallback） |
openalex-database | 查询学术论文、作者、机构、引用网络 | 可选（学术型领域推荐） |
graphviz (系统+Python库) | Phase 4 唯一出图方案：dot 引擎生成 SVG 矢量图谱 | ⚠️ 必需 |
⛔ 已废弃：v2.0.1 起不再支持 Obsidian Canvas (.canvas)、NetworkX + PyVis HTML 输出。
| 脚本 | 用途 |
|---|---|
scripts/wikidata_client.py | 查询 Wikidata 博士导师 (P184) 关系、反查学生、获取人物学术信息、批量查询 |
| 文档 | 内容 |
|---|---|
| data_schema.md | 节点/边类型定义、置信度规则、路线特征卡格式 |
| connection_strength.md | 三级连接强度判定标准 + 7 个边界案例 |
| visual_spec.md | Graphviz 节点配色、边样式、时间轴、Legend 规范 |
| vc_framework.md | VC 分析框架（创始人评估 + 技术路线 + 可追溯性） |
batch_query_advisors()