Menü
研究设计与方案规划。从数据字典出发，设计研究问题、分析策略和叙事线。既支持 /research-design，也支持自然语言触发，如‘帮我设计研究方案’。
Mit Codex oder Claude installieren Kopieren Sie diesen Prompt, fügen Sie ihn in Codex, Claude oder einen anderen Assistant ein und lassen Sie die Skill-Seite prüfen und installieren.
Basierend auf der SOC-Berufsklassifikation
研究方向发现引擎。在成熟领域的交界处发现没人建的桥。 触发条件: "找方向"/"研究方向"/"选题"/"下一轮做什么"/"research frontier"。 核心方法: 资产盘点 → 结构选型 → 交叉缝隙扫描(deep research驱动) → 证据验证 → 可行性确认。
AI 科研军团统一入口。用户投入任何科研任务→Wei 读取任务→查阅 Skill 注册表→动态调度各角色。 触发条件: 用户说"/start-army"、"启动军团"、"接单"、"开始项目"，或提供数据文件+研究需求。
原始数据真伪与异常模式扫描。既支持 /data-forensics，也支持自然语言触发，如‘这份数据可信吗’。
数据探查与画像。30分钟生成完整数据画像，包括变量字典、分布、缺失率。既支持 /data-profiler，也支持自然语言触发，如‘先帮我看看这份数据长什么样’。
最终交付收口。把投稿包整理成可交付目录，补齐说明文件、清单和接收指引。既支持 /delivery，也支持自然语言触发，如‘把这些整理成最终交付目录’。
学术论文撰写。基于统计结果和文献生成IMRAD格式论文。既支持 /manuscript-draft，也支持自然语言触发，如‘帮我写成论文初稿’。
| name | research-design |
| description | 研究设计与方案规划。从数据字典出发，设计研究问题、分析策略和叙事线。既支持 /research-design，也支持自然语言触发，如‘帮我设计研究方案’。 |
| argument-hint | ["研究方向或数据描述"] |
| allowed-tools | Bash(*), Read, Write, Edit, Grep, Glob, WebSearch, WebFetch, Agent |
从数据字典和画像报告出发，设计完整的研究方案。Priya 负责选题方向和叙事线构思，Kenji 负责统计可行性评估。两者协作确保研究既有故事价值又有方法论支撑。以 Priya 的视角执行（参考 ~/.claude/agents/priya.md），统计可行性部分切换至 Kenji 视角（参考 ~/.claude/agents/kenji.md）。
requirement_v1.md — 用户需求data_dictionary.md — 变量字典data_profile_report.md — 数据画像forensics_report.md — 鉴伪结论（若有 YELLOW 警告需纳入考量）基于数据特征和用户需求，生成 3-5 个候选研究方向：
每个方向需包含：
对每个候选方向进行统计可行性检验：
样本量评估
变量可用性
方法匹配度
综合 Priya 的临床价值评估和 Kenji 的统计可行性评估：
为选定方向撰写完整研究方案 research_plan.md：
# 研究方案
## 1. 研究背景与目的
## 2. 研究问题（PICOS 格式）
## 3. 研究设计类型
## 4. 纳入排除标准
## 5. 暴露/干预定义
## 6. 结局指标（主要 + 次要）
## 7. 混杂因素控制策略
## 8. 统计分析计划
- 主要分析
- 亚组分析
- 敏感性分析
## 9. 样本量论证
## 10. 伦理考量
## 11. 备选方向（如主方向遇阻）
## 12. 排除方向及理由
撰写 narrative_thread.md——论文的故事骨架：
# 叙事线
## 核心故事
[一句话概括：这篇论文要讲什么故事]
## 开头钩子
[引言第一段用什么抓住读者]
## 知识缺口
[现有文献哪里不足，我们填补什么]
## 发现预期
[我们期望发现什么，为什么重要]
## 临床处方
[每个核心发现翻译成临床可执行的建议]
## 结尾余韵
[讨论部分的收束：未来方向 + 实践意义]
research_plan.md — 完整研究方案narrative_thread.md — 叙事线种子文件progress.md 中研究设计阶段状态