name	topic-research-pack-v2
description	生成图文并茂的深度研究资料包。当用户想研究、学习、分析或系统理解一个主题、技术、产品、框架、行业、理论、趋势或工具，并希望产出可交付文件时使用。生成两份文件：一份 5-10 分钟快速理解的 Markdown，一份 10000+ 中文字的专业级图文并茂深度研究 PDF。

Topic Research Pack (改进版 v2)

目标

帮助用户围绕一个新主题生成一套「三层研究资料包」：

快速理解版 Markdown：适合 5-10 分钟快速建立基本认知。
深度研究版 Markdown 源稿：10000 中文字以上，完整的内容结构。
专业级图文并茂 PDF：深度内容 + 配图 + 数据可视化 + 排版设计，适合打印、分享、存档。

这不是普通科普回答，也不是纯文字报告。执行本 Skill 时，要产出信息密度高、视觉层次清晰、配图恰当、来源可追溯的专业研究资料。

改进亮点

新增：配图与数据可视化

相比原版，这个改进版本增加了：

✅ 信息图表：工作流程图、时间轴、竞争格局地图等（用 SVG/Mermaid）
✅ 数据可视化：市场规模、增长趋势、性能对比等（用 matplotlib/plotly 生成高分辨率图表）
✅ 真实配图：官方产品图、研究机构标志、应用场景照片等
✅ 专业排版：图文混排、双栏布局、色彩主题统一
✅ 交互式目录：PDF 书签、内部链接、便于导航

新增：HTML 中间层

不再直接 Markdown→PDF，而是采用：

Markdown(带图片引用) 
  ↓
HTML(嵌入 SVG 图表 + 外部图片 + 优化CSS)
  ↓
Weasyprint(高级 PDF 渲染)
  ↓
专业级 PDF(图文并茂、排版优美)

必须产出的文件

每次执行都要生成三份最终文件：

[主题]-快速理解.md                          # 5分钟快速入门
[主题]-深度研究报告.md                      # Markdown源稿(便于编辑)
[主题]-深度研究报告.html                    # HTML中间层(含所有图表)
[主题]-深度研究报告.pdf                     # 最终交付(图文并茂)

适用场景

当用户提出以下类型请求时，使用本 Skill：

"帮我研究 MCP，生成快速理解和图文并茂的详细 PDF"
"系统了解 RAG，要求有流程图、性能对比、产业落地分析"
"帮我做一份 AI Agent 的深度研究报告，需要配图和趋势图表"
"拆解某个技术的发展历程、竞品对比和未来趋势，要有可视化"
"我想快速理解一个新知识点，并要一份专业级的图文报告"
"给我一份带来源、有配图、能打印的研究资料包"

不适用场景：

用户只要一句话解释。
用户只要简单翻译或摘要。
用户明确只要聊天式讲解，不需要文件。
用户要求写代码、修 bug、处理表格等非研究报告任务。

总体工作流

按以下流程执行：

识别主题：确定用户要研究的主题，以及它属于技术、产品、行业、理论、工具、趋势还是商业模式。
判断范围：如果主题过大，主动收敛范围；如果用户已经指定重点，优先满足指定重点。
搜集信息来源：对当前性强、涉及产品/公司/论文/竞品/产业落地的主题，必须联网搜索。
规划配图方案：根据主题特性，决定需要哪些类型的图表和配图（见下方"图表规划"）。
优先读取权威来源：优先官方文档、论文、GitHub 仓库、公司工程博客、行业报告、新闻报道。
提取研究要素：整理起源、演进、学术根源、核心概念、技术机制、竞争范式、技术路线、产业落地、竞品、案例、风险、趋势。
生成快速理解版 Markdown：控制在 1500-3000 中文字左右，适合快速阅读。
生成深度研究版 Markdown 源稿：内容应达到 10000 中文字以上或等价深度，同时在需要配图的位置标注 [图表: xxx]。
生成配图与数据可视化：根据规划，生成 SVG 信息图表、matplotlib 数据图表、或收集真实照片。
转换为 HTML：将 Markdown + 图表 + CSS 转换为 HTML，实现图文混排和专业排版。
生成 PDF：用 Weasyprint 或 wkhtmltopdf 将 HTML 转换为高质量 PDF。
返回文件路径：告诉用户四份最终文件的位置。

图表规划指南

在生成 Markdown 源稿时，要规划以下类型的配图：

必须有的图表类型（根据主题选择）

1. 核心概念可视化（必选）

✓ 一句话定义的概念图解
✓ 系统架构图或工作流程图
✓ 核心组件/要素的关系图

示例：BCI的工作流脑信号采集 → 处理 → 解码 → 设备控制

2. 发展历程（可选但推荐）

✓ 时间轴（从最早到现在，标注关键节点）
✓ 技术演进阶段图（概念 → 探索 → 工程化 → 商业化）
✓ 里程碑事件可视化

示例：技术从1924年的EEG发现，到2024年的商业化应用

3. 对比与分析（推荐）

✓ 竞品对比表（用颜色区分优劣）
✓ 技术路线对比（矩阵图：成熟度 vs 成本）
✓ 市场格局地图（四象限或泡泡图）

示例：Neuralink vs BrainGate vs Synchron 的功能和成本对比

4. 数据可视化（推荐）

✓ 市场规模增长曲线（2023: $15B → 2030: $100B）
✓ 采用率趋势（S曲线）
✓ 性能指标对比（打字速率、成功率、成本）
✓ 融资热度（融资额、创业公司数量）

示例：脑机接口市场从2020年的$5B增长到2030年预测的$100B

5. 产业与应用（可选）

✓ 产业链图（上游供应商 → 核心厂商 → 下游应用）
✓ 应用场景分布（医疗、消费、企业等占比）
✓ 地域分布图（美国 vs 欧洲 vs 中国 vs 其他）

示例：BCI的产业链，从电极材料 → 芯片设计 → 临床应用 → 患者服务

6. 真实配图（可选但有助于理解）

✓ 产品/设备图片（Neuralink芯片、电极阵列等）
✓ 应用场景照片（患者使用BCI、实验室场景）
✓ 研究机构标志（Stanford、MIT、Neuralink等）
✓ 新闻截图或演示画面

图表标注规范

在 Markdown 源稿中，每个应该配图的地方标注如下：

## 3.1 工作原理

### 工作流程图
[图表: 工作流程 - SVG]
输入: 脑信号产生 → 采集处理 → 特征提取 → 神经解码 → 设备控制 → 反馈

详细说明...

### 信号处理管道
[图表: 时间序列图 - 信号处理流程，展示每个阶段的时间和数据变换]

### 性能指标对比
[图表: 柱状图 - 不同采集方案的性能对比(采样率/通道数/成本)]

| 方案 | EEG | ECoG | 单电极 |
|-----|-----|------|--------|
| 采样率 | 250 Hz | 1000 Hz | 30000 Hz |

图表生成方式

方式一：SVG 信息图表（推荐用于流程图、时间轴、架构图）

<svg viewBox="0 0 800 400" class="workflow-diagram">
  <!-- 流程步骤 -->
  <rect class="step" x="0" y="100" width="100" height="100" rx="8"/>
  <text x="50" y="150" text-anchor="middle">脑信号</text>
  
  <!-- 箭头 -->
  <path class="arrow" d="M 100 150 L 140 150"/>
  
  <!-- 更多步骤... -->
</svg>

优点：

矢量图，无限缩放不失真
文件小，加载快
纯代码生成，完全可控
支持交互和动画

用途：

工作流程图
系统架构图
时间轴
知识地图
竞争格局地图

方式二：Matplotlib/Plotly 数据图表（推荐用于数据可视化）

import matplotlib.pyplot as plt
import numpy as np

# 市场规模增长
years = [2020, 2023, 2025, 2030, 2050]
market_size = [5, 18, 40, 100, 1000]  # 单位: 亿美元

plt.figure(figsize=(10, 6), dpi=300)  # 高分辨率
plt.plot(years, market_size, marker='o', linewidth=3, markersize=10)
plt.fill_between(years, market_size, alpha=0.3)
plt.xlabel('Year', fontsize=12, fontweight='bold')
plt.ylabel('Market Size ($100M)', fontsize=12, fontweight='bold')
plt.title('Global BCI Market Forecast', fontsize=14, fontweight='bold')
plt.grid(True, alpha=0.3)
plt.tight_layout()
plt.savefig('bci_market_forecast.png', dpi=300, bbox_inches='tight')

优点：

专业数据可视化
高分辨率(300dpi)，适合打印
支持复杂统计图表
可自定义颜色、字体、主题

用途：

市场规模曲线
性能指标对比
采用率趋势
融资热度
技术成熟度曲线(Gartner Hype Cycle)

方式三：真实照片/官方图片（推荐用于产品图、应用场景）

[图表: 真实配图 - 来源: Neuralink官网]
![Neuralink 芯片](https://example.com/neuralink-chip.jpg)

[图表: 应用场景 - 患者使用BCI打字]
![Patient using BCI](https://example.com/patient-demo.jpg)

来源优先级：

官方网站(Neuralink、BrainGate、Synchron 官网)
学术论文(Nature、Science等期刊的配图)
Creative Commons 开放图库(Unsplash、Pexels等)
新闻报道截图(MIT Technology Review、IEEE Spectrum等)
YouTube 演示视频截图

文件一：快速理解版 Markdown

定位

让用户在 5-10 分钟内快速建立认知，知道这个主题是什么、为什么重要、发展到哪一步、和谁竞争、有什么用。

长度

建议 1500-3000 中文字。不要写成大而全报告。

结构

快速理解版 Markdown 必须使用以下结构：

# [主题] 快速理解

## 1. 一句话理解

用一句通俗但准确的话说明它是什么。

## 2. 它解决什么问题？

说明它为什么出现，替代或补充了什么旧方式，解决了什么痛点。

## 3. 核心要点

用 5-8 条 bullet 总结最重要的信息。

## 4. 发展脉络速览

用简短时间线说明关键节点。

| 时间 | 事件 | 意义 |
|---|---|---|

## 5. 和谁竞争？

说明它面对的旧范式、替代方案、相邻技术或类似竞品。

## 6. 现在用在哪里？

列出主要产业落地场景和代表案例。

## 7. 一句话判断

总结它当前的价值、局限和未来趋势。

## 8. 主要信息来源

列出 5-10 个最重要的信息来源链接。

风格

直接、清楚、少废话。
适合发给不熟悉该主题的人快速阅读。
不要堆术语；出现关键术语时要解释。
可以使用表格，但不要过度展开。

文件二：深度研究版 Markdown 源稿

定位

包含完整的 17 个章节，同时在需要配图的位置标注图表类型。

长度硬性要求

深度研究报告应达到 10000 中文字以上，或英文主题下达到等价信息密度。

配图注解方式

在 Markdown 源稿中，每个应该配图的地方用以下格式标注：

### 工作原理与系统架构

[配图: SVG架构图 - 展示系统的输入、处理、输出三个层次]

详细文字说明...

### 性能对比

[配图: 柱状图 - 展示5种采集方案的成本、分辨率、信噪比、成熟度]

| 方案 | 成本 | 分辨率 |
|-----|------|--------|

深度报告结构

深度研究 PDF 的 Markdown 源稿必须使用以下结构：

# [主题] 深度研究报告

## 0. 信息来源说明

说明本报告主要基于哪些类型的信息来源。

[配图: 信息来源分布 - 饼图展示官方文档、论文、新闻、报告的占比]

## 1. 执行摘要

用 8-12 条 bullet 总结全文核心结论。

## 2. 一句话理解与基本定义

包括：一句话理解、通俗解释、专业定义、适用边界、它不是什么

[配图: 概念关系图 - 说明这个主题与相邻概念的区别]

## 3. 起源与问题背景

[配图: 时间轴 - 从旧问题出现到新技术出现的演变过程]

## 4. 发展历程与关键节点

[配图: 时间轴 - 1924-2024年的关键事件，用颜色区分不同阶段]

| 时间 | 阶段/事件 | 代表人物/机构/产品 | 影响 | 来源 |

## 5. 学术根源与理论基础

[配图: 学科关系图 - 展示相关学科如何融合产生这个领域]

## 6. 核心概念与知识地图

[配图: 知识地图 - 树形结构展示核心概念的层级关系]

| 概念 | 通俗解释 | 专业含义 | 为什么重要 |

## 7. 工作原理 / 技术机制

[配图: 流程图 - 完整的工作流程，标注每个环节的时间和数据]

```text
输入 → 处理流程 → 输出 → 反馈/优化

8. 竞争范式分析

[配图: 四象限矩阵 - 新旧范式在"易用性 vs 性能"上的定位]

| 范式 | 核心假设 | 代表方案 | 优势 | 局限 |

9. 技术路线对比

[配图: 雷达图/气泡图 - 不同技术路线在多个维度的对比]

| 技术路线 | 基本原理 | 适用场景 | 优点 | 缺点 | 成熟度 |

10. 产业落地与商业化场景

[配图: 产业链图 - 展示供应链、核心厂商、应用场景、用户]

[配图: 应用分布图 - 不同行业的采用率和市场规模]

11. 类似竞品 / 代表玩家

[配图: 竞争格局地图 - 按融资额/成立时间/技术路线分类玩家]

[配图: 融资热度 - 展示不同时期融资金额和创业公司数量]

12. 典型案例分析

[配图: 案例对比表 - 3-5个典型案例的背景、效果、局限]

案例一：[公司/产品/项目]

[配图: 案例详情 - 该案例的应用流程、关键数据、结果]

背景
使用方式
解决的问题
效果
局限
来源

13. 关键争议、风险与限制

[配图: 风险热力图 - 按影响程度和发生概率分类各类风险]

14. 未来趋势判断

[配图: 技术成熟度曲线 - Gartner Hype Cycle展示当前位置和未来走向]

[配图: 趋势预测 - 3-5年内关键指标的预期变化]

短期趋势：1 年内

中期趋势：1-3 年

长期趋势：3-5 年

最大不确定性

15. 学习路径

[配图: 学习地图 - 三层梯度的学习路径和资源推荐]

入门阶段

进阶阶段

实践阶段

16. 自测问题

至少 8-10 个问题，检查用户是否真正理解。

17. 参考资料与信息来源

必须列出所有重要引用来源：

[配图: 来源分布 - 饼图展示官方文档、论文、新闻等占比]

标题 — 来源类型和简要说明


## 文件三：HTML 中间层

### 目的

在生成最终 PDF 前，先生成 HTML 文件，实现：

- 图文混排和专业排版
- CSS 控制视觉层次和色彩主题
- 确保所有图表和图片正确显示
- 支持交互式目录和页面导航

### 生成方式

Markdown 源稿 + 图表文件 ↓ 用模板引擎(Jinja2) + CSS 生成 HTML ↓ HTML 文件(含所有 SVG、PNG、CSS)


### 排版设计要求

- **色彩主题**：根据主题选择（如 BCI 采用深紫色）
- **字体**：标题使用艺术字体(如 Playfair Display)，正文使用专业字体(如 Noto Sans SC)
- **图文比例**：约 30% 图表，70% 文字
- **留白**：充足的负空间，提升专业感
- **分页**：在适当位置分页，避免图表被割裂

## 文件四：专业级 PDF

### 生成工具

优先使用 **Weasyprint**（相比 wkhtmltopdf 支持更好的 CSS 和图表渲染）：

```python
from weasyprint import HTML, CSS

HTML(string=html_content).write_pdf(
    'report.pdf',
    stylesheets=[CSS(string=optimized_css)],
    optimize_size=['images']  # 压缩图像大小
)

备选：wkhtmltopdf（但 CSS 支持有限）

PDF 要求

清晰标题层级和目录
表格保持可读
图表分辨率 ≥300dpi（专业打印）
中文字体正常渲染，无乱码
文件名清晰标识主题
文件大小 <5MB（便于分享）

质量检查清单

交付前检查：

写作与设计风格

内容风格

使用中文输出，除非用户要求英文。
信息密度高，不写空泛套话。
解释复杂概念时先讲人话，再讲专业术语。
多用表格做对比。
保持研究报告语气，避免营销腔。
对不确定信息要说明不确定性。
不要编造不存在的论文、公司、产品、数据或链接。

设计风格

配色：根据主题选择主色调(如 BCI 的深紫色)，用对比色突出重点
排版：双栏或单栏，根据内容自适应；充足的边距和行距
图表：风格一致，使用相同的色彩和字体；标题、图例、数据标注清晰
视觉层次：用大小、颜色、位置区分不同重要性的内容

参考实现例

示例：BCI 研究报告的配图规划

章节3(起源与问题背景)
  ↓ 配图: 时间轴[SVG]
    旧问题出现(1924 EEG发现) → 技术突破(1998 BrainGate) → 商业化(2024)

章节4(发展历程)
  ↓ 配图: 关键节点时间轴[SVG]
    显示4个阶段：萌芽(1924-1990s) → 工程化(1998-2010) → 商业热潮(2013-2019) → 临床应用(2020-2024)

章节7(工作原理)
  ↓ 配图: 信号处理流程[SVG]
    脑信号 → 采集放大 → 滤波处理 → 特征提取 → 神经解码 → 设备控制 → 反馈

章节9(技术路线对比)
  ↓ 配图: 对比矩阵[PNG by matplotlib]
    X轴: 成本(低←→高), Y轴: 成熟度(低←→高)
    绘制5种采集方案的位置，气泡大小代表信号清晰度

章节10(产业落地)
  ↓ 配图1: 产业链[SVG]
    电极材料 → 信号处理芯片 → BCI系统 → 医疗应用 → 患者服务
  ↓ 配图2: 应用分布[PNG by matplotlib]
    饼图显示医疗50% / 研究20% / 消费20% / 其他10%

章节11(代表玩家)
  ↓ 配图: 融资热度[PNG by matplotlib]
    柱状图显示2015-2024年融资总额和创业公司数量
  ↓ 配图: 竞争格局地图[SVG]
    按融资额和成立时间绘制四象限，标注各公司位置

章节14(未来趋势)
  ↓ 配图: 技术成熟度曲线[PNG by matplotlib]
    Gartner Hype Cycle，显示当前位置和未来走向
  ↓ 配图: 市场规模预测[PNG by matplotlib]
    折线图，2023 $18B → 2030 $100B → 2050 $1000B+

实施建议

快速上手

在 Markdown 源稿编写时，每个需要配图的地方用 [配图: xxx] 标注
使用现有的 Python 库生成数据可视化（matplotlib、plotly）
用简单的 HTML 模板做排版
用 Weasyprint 生成最终 PDF

逐步优化

第一版：仅用 SVG 和基础 matplotlib 图表
第二版：添加真实照片和官方图片
第三版：优化 HTML 排版和 CSS 设计
第四版：制作专业的 HTML 模板库

团队协作

如果有设计师：

由设计师制作 SVG 信息图表和 HTML 模板
由写手编写 Markdown 和调研
由工程师生成数据可视化和整合 PDF

常见问题

Q: 生成配图需要额外的时间和成本吗？

A: 根据配图类型而定：

SVG 信息图表：额外时间 20-30 分钟
Matplotlib 数据图表：额外时间 10-20 分钟
真实照片收集：额外时间 10-15 分钟
HTML 排版和 PDF 转换：额外时间 15-25 分钟
总计额外时间：60-90 分钟/报告

Q: 配图的质量如何保证？

SVG 使用专业的设计工具或精心编码
Matplotlib 图表使用高分辨率(300dpi)
真实照片优先从官方来源或 Creative Commons 获取
HTML 排版遵循设计规范和审美原则

Q: 如果找不到合适的配图怎么办？

A: 优先级：

尽量从官方来源获取
如果实在找不到，用简单的 SVG 信息图替代
必要时可以在 PDF 中说明"图表待补充"

Q: PDF 文件会不会特别大？

A: 通过以下方式控制大小：

SVG 图表本身很小(通常 <50KB)
PNG 图表用 matplotlib 的 dpi 参数控制质量
Weasyprint 的 optimize_size 自动压缩图像
目标：最终 PDF <5MB

总结

这个改进版本的核心改变是：

维度	原版	改进版
输出文件数	2 份	4 份
配图数量	0	5-8 张
排版质量	基础	专业
可打印性	可以	优化到300dpi
视觉吸引力	低	高
专业度	中	高
额外时间	-	+60-90分钟

生成的报告从"实用的文本报告"升级到"可以直接发给高管/客户的专业级研究资料"。