القائمة
市场规模测算工具 (TAM/SAM/SOM)。适用于用户提到「市场规模」「market size」「TAM」「SAM」「SOM」或需要估算目标市场大小时使用。
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
Use when the user wants to route, choose, learn, or apply Dennett-style intuition pumps and thinking tools for hard problems, stuck reasoning, argument testing, concept confusion, weak explanations, or agent self-rescue after repeated unproductive reasoning.
把 X/Twitter 博主、YouTube 博主、newsletter、播客或类似个人信息源的持续更新转成 progressive-investment-research 研究工作区的可审计增量。适用于：跟踪博主更新、生成每日报告、通过 Chrome 登录态或本地 browser bridge 抓 X、用 yt-dlp 抓 YouTube 字幕、把观点拆成 source leads、公司页、行业模块、open questions 和后续研究任务。Serenity 和 RihardJarc 是内置信息源案例，不依赖 PaiWork 专有工具。
PaiWork-first Serenity (@aleabitoreddit) investment thesis tracking system. Use when working inside PaiWork to process Serenity/X tweets into structured investment theses, verifiable claims, supply-chain relationship maps, company research files, daily reports, weekly reviews, or research backlogs. Trigger on Serenity, aleabitoreddit, Serenity daily report, Serenity weekly review, thesis tracker, tweet research, supply-chain thesis tracking, ticker research updates, or PaiWork research monitoring. This version assumes PaiWork tools and data sources are available; a generic-agent version is planned later.
构建和维护可累积的研究认知模型。适用于持续投资研究、行业/公司/技术主题研究、独立 Research dossier、Current Model 状态恢复、材料吸收、并行搜索、模型更新、范围拆分合并、promote 到 Obsidian 主知识库前审计，以及用户要求“研究一下/更新模型/现在我们知道什么/把重要成果入库”时使用。
斯坦福 CS146S "The Modern Software Developer" AI开发课程学习系统。Use when: 用户提到 cs146s, stanford课程, vibe coding, AI开发学习, 或"开始学习"。
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」。
| name | market-sizing |
| description | 市场规模测算工具 (TAM/SAM/SOM)。适用于用户提到「市场规模」「market size」「TAM」「SAM」「SOM」或需要估算目标市场大小时使用。 |
这个 skill 的目标不是制造精确幻觉，而是在市场不确定时，基于清楚的市场定义、可复核的数据和自洽的公式链，建立一个可在 Excel 中继续推演的规模量级判断。
核心结论 总览页：用一页展示未来 5 年逐年 TAM/SAM/SOM、TAM 由哪些市场组成、各市场逐年规模和一句话判断。references/methodology.md：第一性原理、公式链和假设纪律。references/data_sources.md：数据源层级、source card 和常用 API 路线。references/fermi_patterns.md：人口、机构、替代、价值链、价值基础等分解模式。references/industry_templates.md：SaaS、Marketplace、Consumer、B2B、Hardware 的常见变量。必须明确：
如果边界有两种合理解释，先拆成两个口径，不要混在一个数字里。
优先选择能解释市场形成机制的方法：
常用做法是主模型 + 一条 side check。side check 可以很粗，但必须能解释结果是否在合理量级。
每条进入模型的数据都要能追溯到 source card：
| 字段 | 要求 |
|---|---|
source_id | 稳定编号，如 SRC-001 |
provider | 数据提供方 |
dataset_or_title | 数据集、报告或页面名称 |
metric | 使用的指标 |
geography / period / unit | 口径 |
value_or_path | 数值或提取路径 |
url_or_endpoint | URL/API endpoint/文件路径 |
accessed_at | 访问日期 |
transform_note | 如何清洗、换算、筛选 |
used_in | 用于哪个假设或公式 |
每个假设至少包含：
{
"key": "pene_rate",
"name": "目标市场渗透率",
"numeric_value": 0.20,
"unit": "%",
"source_ref": "SRC-003",
"logic": "甲市场 A/B 渗透率约 60%/40%；乙市场更适合 B 的低部署成本，同时面临 C 替代冲击，且当前教育成本更高，所以基准假设取 20%。",
"used_in": "TAM"
}
禁止「裸比例」：pene_rate = 5% 这种没有上下文的假设不能进入最终模型。
使用 scripts/report_generator.py：
from scripts.report_generator import MarketSizingData, ReportGenerator
data = MarketSizingData(
market_name="中国某新兴服务市场",
geography="中国大陆",
base_year=2026,
forecast_years=5,
tam=9.6,
sam=5.76,
som=0.288,
unit="亿元",
cagr=0.08,
market_definition={
"产品/服务": {"in": "目标服务年费", "out": "硬件一次性收入"},
"地理": {"in": "中国大陆", "out": "港澳台及海外"},
},
market_segments=[
{
"name": "核心场景 A",
"base_value": 6.0,
"growth_rate": 0.10,
"logic": "由对象数、采用率、年费三项相乘得到，代表最大组成市场。",
},
{
"name": "验证场景 B",
"base_value": 3.6,
"growth_rate": 0.05,
"logic": "由相邻场景 proxy 推导，体量较小但更适合早期验证。",
},
],
source_cards=[
{
"source_id": "SRC-001",
"provider": "World Bank",
"dataset_or_title": "Population, total",
"metric": "SP.POP.TOTL",
"geography": "China",
"period": "2024",
"unit": "people",
"value_or_path": "1.408B",
"url_or_endpoint": "https://api.worldbank.org/v2/country/CN/indicator/SP.POP.TOTL",
"accessed_at": "2026-06-24",
"transform_note": "换算为亿人后进入 base_pop",
"used_in": "base_pop",
},
{
"source_id": "SRC-002",
"provider": "内部筛选逻辑",
"dataset_or_title": "目标人群筛选假设",
"metric": "核心人群占比",
"geography": "中国大陆",
"period": "基准年",
"unit": "%",
"value_or_path": "40%",
"url_or_endpoint": "logic-only",
"accessed_at": "2026-06-24",
"transform_note": "按年龄、收入和使用场景三层筛选。",
"used_in": "core_pop_pct",
},
{
"source_id": "SRC-003",
"provider": "Comparable market scan",
"dataset_or_title": "相邻市场渗透率对比",
"metric": "penetration benchmark",
"geography": "中国大陆",
"period": "latest available",
"unit": "%",
"value_or_path": "相邻市场约 40%",
"url_or_endpoint": "manual research notes",
"accessed_at": "2026-06-24",
"transform_note": "因教育成本和替代品冲击下调至 20%。",
"used_in": "pene_rate",
},
{
"source_id": "SRC-004",
"provider": "业务机制假设",
"dataset_or_title": "购买频次假设",
"metric": "年购买频次",
"geography": "中国大陆",
"period": "基准年",
"unit": "次/年",
"value_or_path": "12",
"url_or_endpoint": "logic-only",
"accessed_at": "2026-06-24",
"transform_note": "按月度订阅或月度复购处理。",
"used_in": "freq",
},
{
"source_id": "SRC-005",
"provider": "公开价格页/价格带",
"dataset_or_title": "目标服务价格假设",
"metric": "单次价格",
"geography": "中国大陆",
"period": "基准年",
"unit": "元",
"value_or_path": "100",
"url_or_endpoint": "manual pricing notes",
"accessed_at": "2026-06-24",
"transform_note": "取公开价格带中位数。",
"used_in": "price",
}
],
assumptions=[
{"key": "base_pop", "name": "基础人口", "numeric_value": 1.0, "unit": "亿人", "source_ref": "SRC-001", "logic": "只计入目标城市人群，按总人口筛选后换算。"},
{"key": "core_pop_pct", "name": "核心人群占比", "numeric_value": 0.40, "unit": "%", "source_ref": "SRC-002", "logic": "按年龄、收入和场景三层筛选得到。"},
{"key": "pene_rate", "name": "付费渗透率", "numeric_value": 0.20, "unit": "%", "source_ref": "SRC-003", "logic": "参考相邻市场 40% 渗透率，并因教育成本和替代品冲击折半。"},
{"key": "freq", "name": "年购买频次", "numeric_value": 12, "unit": "次/年", "source_ref": "SRC-004", "logic": "按月度订阅/复购频率处理。"},
{"key": "price", "name": "单次价格", "numeric_value": 100, "unit": "元", "source_ref": "SRC-005", "logic": "参考公开价格带的中位数。"},
{"key": "sam_ratio", "name": "可服务比例", "numeric_value": 0.60, "unit": "%", "logic": "扣除非目标渠道、地域和暂不可服务客户。"},
{"key": "som_share", "name": "年度可获取份额", "numeric_value": 0.05, "unit": "%", "logic": "按目标进入节奏、销售产能和竞品份额推导。"},
{"key": "cagr", "name": "年增长率", "numeric_value": 0.08, "unit": "%", "logic": "由用户增长、价格变化和渗透率提升合成。"},
],
)
ReportGenerator().generate(data, output_dir="./output", formats=["xlsx", "md"])
默认工作簿包含：
核心结论：给用户看的首页，展示逐年 TAM/SAM/SOM、TAM 构成、末年占比和一句话判断。Market_Definition：市场边界、地理、客户、时间和单位口径。Source_Cards：所有进入模型的数据来源和转换说明。Assumptions：所有可调假设及 logic。Calculation_Model：中间公式链。TAM_SAM_SOM：年度 TAM/SAM/SOM 明细，必须是单年口径，不是 5 年合计。Checks：公式层级、source、logic、单位和构成合计检查。Markdown 必须回答：
完成前必须检查：
核心结论 首页，且第一页不堆过程，只放核心读数、年度表、市场构成和一句话判断。logic。source_ref 能在 source card 中找到，或明确说明为什么只能用逻辑假设。