메뉴
六层研究模型标准Skill - 学术级深度研究的结构化框架： 1. 全局考虑：L1-L6六层全覆盖（范式锚定→情报网格→证据链→多维分析→逻辑架构→迭代优化） 2. 系统考虑：六层研究闭环，每层输出标准化 3. 迭代机制：支持层间回溯和整体优化 4. Skill化：标准接口，可独立调用任意一层 5. 流程自动化：自动执行完整六层流程
기본적으로 소스를 먼저 확인하는 Prompt가 선택됩니다. 직접 명령으로 전환하거나 로컬 사본을 다운로드할 수도 있습니다.
설치 여부를 결정하기 전에 SKILL.md와 SkillsMP에 표시된 보조 파일을 읽어 보세요.
Codex 또는 Claude로 설치 이 Prompt를 복사해 Codex, Claude 또는 다른 어시스턴트에 붙여 넣으면 Skill 페이지를 검토하고 설치를 진행할 수 있습니다.
직접 명령은 검토 Prompt를 거치지 않습니다. 실행하기 전에 소스를 확인하세요.
npx skills add https://github.com/egbertie/satisficing-institute --skill six-layer-research-model명령은 한 줄로 유지됩니다. 복사하기 전에 가로로 스크롤해 전체 내용을 확인하세요.
로컬 사본을 원하시나요? SkillsMP에서 현재 제공할 수 있는 파일을 다운로드하세요.
生产级AI会议笔记处理系统。支持多种输入格式，智能提取行动项、责任人、截止时间，自动生成结构化会议纪要和TODO清单。具备准确性自检、局限标注、鲁棒性测试等生产级特性。
A/B测试生成器 - 生成可测试的文案/设计变体： 1. 全局考虑：覆盖标题、CTA、说服角度等测试维度 2. 系统考虑：元素选择→变体生成→测试设计→结果分析闭环 3. 迭代机制：根据测试结果优化变体生成策略 4. Skill化：标准接口，可按维度独立生成 5. 流程自动化：自动生成测试方案和变体
学术级深度研究标准Skill - 满足5个标准： 1. 全局考虑：六层模型全覆盖（范式→情报→证据→多维→逻辑→迭代） 2. 系统考虑：研究设计→执行→验证→报告完整闭环 3. 迭代机制：三轮自我修正循环，持续优化研究质量 4. Skill化：标准SKILL.md格式，可安装可调用 5. 流程自动化：六层检查自动执行，质量门控自动验证
SOC 직업 분류 기준
SKILL.md 표시 중
| name | six-layer-research-model |
| version | 1.0.0 |
| description | 六层研究模型标准Skill - 学术级深度研究的结构化框架： 1. 全局考虑：L1-L6六层全覆盖（范式锚定→情报网格→证据链→多维分析→逻辑架构→迭代优化） 2. 系统考虑：六层研究闭环，每层输出标准化 3. 迭代机制：支持层间回溯和整体优化 4. Skill化：标准接口，可独立调用任意一层 5. 流程自动化：自动执行完整六层流程 |
| author | Satisficing Institute |
| tags | ["research","six-layer","academic","methodology"] |
| requires | [{"model":"kimi-coding/k2p5"},{"external":["kimi-search","kimi-fetch"]}] |
| 层级 | 名称 | 核心功能 | 输出物 |
|---|---|---|---|
| L1 | 范式锚定 | 明确研究范式、认识论、方法论 | 范式声明文档 |
| L2 | 情报网格 | 多源信息收集与三角验证 | 情报汇总表 |
| L3 | 证据链锻造 | 可追溯的证据分级与编码 | 证据链图谱 |
| L4 | 多维分析 | 时间/空间/学科/利益/方法论五维 | 多维矩阵 |
| L5 | 逻辑架构 | 钻石模型：Hook→Gap→Question→Significance | 逻辑框架图 |
| L6 | 迭代优化 | 三轮自我修正循环 | 优化报告 |
| 研究类型 | L1-L6侧重 | 特殊要求 |
|---|---|---|
| 学术理论 | 全六层 | 理论贡献声明 |
| 政策研究 | L1-L5 | 利益相关者分析 |
| 技术研究 | L1-L6 | TRL评估 |
| 市场研究 | L2-L4 | 数据真实性分级 |
| 竞品分析 | L2-L5 | 多维度比较框架 |
主题输入 → L1范式锚定 → {检查通过?} → L2情报网格 → {≥3信源?}
↓
L3证据链 → {可追溯?} → L4多维分析 → L5逻辑架构 → L6迭代优化
↓
{三轮修正完成?} → 研究报告 → 质量门控 → {通过?} → 交付
| 检查点 | 检查内容 | 失败处理 |
|---|---|---|
| G1 | 六层完整性 | 返回补充 |
| G2 | 引用溯源性 | 标记待验证 |
| G3 | 逻辑一致性 | 红队挑战 |
| G4 | 数据真实性 | 降级处理 |
| 轮次 | 目标 | 检查点 |
|---|---|---|
| 第一轮 | 信息饱和 | 覆盖度检查 |
| 第二轮 | 逻辑强化 | 因果检查 |
| 第三轮 | 表达精炼 | 可读性检查 |
V1.0.0: 基础六层框架
↓
V1.1.0: 自动化质量门控
↓
V1.2.0: 领域自适应优化
six-layer-research-model/
├── SKILL.md # 本文件
├── _meta.json # 元数据
├── scripts/
│ ├── run_full_research.py # 完整六层研究
│ ├── l1_paradigm.py # L1范式锚定
│ ├── l2_intelligence.py # L2情报网格
│ ├── l3_evidence.py # L3证据链
│ ├── l4_multidimension.py # L4多维分析
│ ├── l5_logic.py # L5逻辑架构
│ └── l6_optimize.py # L6迭代优化
└── rules/
└── research_standards.yaml
from six_layer_research_model import ResearchEngine
engine = ResearchEngine()
# 完整研究
report = engine.conduct_research(topic="合伙人决策方法论")
# 单层执行
l1_result = engine.l1_paradigm(topic)
l2_result = engine.l2_intelligence(topic)
# 从指定层开始
report = engine.conduct_from_layer(topic, start_layer="L3")
| 阶段 | 自动动作 | 输出 |
|---|---|---|
| 主题输入 | 识别研究类型 | 类型标签 |
| L1-L6 | 自动执行六层分析 | 六层报告 |
| 质量检查 | 自动验证5个门控点 | 质量报告 |
| 迭代优化 | 自动执行三轮修正 | 优化报告 |
# 完整六层研究
openclaw skill run six-layer-research-model conduct --topic "合伙人决策"
# 执行指定层
openclaw skill run six-layer-research-model l1 --topic "合伙人决策"
openclaw skill run six-layer-research-model l2 --topic "合伙人决策"
| 标准 | 验证项 | 状态 |
|---|---|---|
| 1. 全局 | 六层全覆盖 + 研究类型适配 | ✅ |
| 2. 系统 | 六层闭环 + 质量门控 | ✅ |
| 3. 迭代 | 三轮修正 + 版本进化 | ✅ |
| 4. Skill化 | 标准目录 + 可调用接口 | ✅ |
| 5. 自动化 | 全自动执行 + 边界清晰 | ✅ |
版本: v1.0.0
来源: academic-deep-research散落机制提取
创建: 2026-03-20