| 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">
<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>
<path class="arrow" d="M 100 150 L 140 150"/>
</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
years = [2020, 2023, 2025, 2030, 2050]
market_size = [5, 18, 40, 100, 1000]
plt.figure(figsize=(10, 6), dpi=300)
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]
[图表: 应用场景 - 患者使用BCI打字]
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]
| 行业/场景 | 典型需求 | 解决方式 | 代表公司/产品 | 落地难点 |
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]
| 产品/项目 | 定位 | 核心能力 | 差异点 | 适合场景 | 官网/来源 |
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]
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？
A:
- 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"。
