| name | thematic-methodology |
| description | This skill should be used when the theme-analyzer agent needs guidance on analyzing intelligence cards within a theme, identifying trends, and generating analysis materials. |
概述
主题分析方法论，指导如何对已聚类的情报卡片进行深度分析，识别趋势、模式和洞察。
分析流程
1. 信息收集
阅读该主题下所有情报卡片，提取：
- 时间维度：
intelligence_date 分布
- 领域分布：
primary_domain, secondary_domains
- 关键实体：厂商名、威胁组织、技术名
- 核心事实：每张卡片的
## 核心事实 章节
- 数据支撑：具体数字、比例、金额
2. 趋势分析
2.1 时间趋势
分析情报的时间分布：
1. 统计每月/每周情报数量
2. 识别增长/下降趋势
3. 检测异常峰值
4. 分析趋势变化原因
2.2 热度趋势
分析关键词和实体的热度变化：
1. 统计关键词出现频次
2. 对比早期与近期的关键词变化
3. 识别新兴关键词和消退关键词
3. 关联分析
3.1 实体关联
构建实体关系网络：
厂商 ↔ 产品 ↔ 技术
威胁组织 ↔ 攻击手法 ↔ 目标行业
投资方 ↔ 被投公司 ↔ 业务领域
3.2 跨领域关联
分析本主题涉及的领域间关系：
例如 AI 安全主题：
- Emerging-Tech ↔ Threat-Landscape（新技术带来新威胁）
- Vendor-Intelligence ↔ Capital-Investment（厂商融资驱动技术发展）
4. 洞察提炼
根据分析维度提炼洞察：
威胁类主题（Threat-Landscape）
| 维度 | 分析内容 |
|---|
| 威胁行为者 | 活跃组织、攻击偏好、演变趋势 |
| 攻击手法 | 新技术、工具变化、防御难点 |
| 目标分析 | 行业偏好、地区分布、规模特征 |
| 影响评估 | 经济损失、数据泄露、业务中断 |
技术类主题（Emerging-Tech）
| 维度 | 分析内容 |
|---|
| 技术成熟度 | 概念→早期→成长→成熟演变 |
| 应用场景 | 适用行业、部署模式、落地进展 |
| 代表厂商 | 产品能力、市场份额、差异化 |
| 安全影响 | 新攻击面、防御能力提升 |
市场类主题（Industry-Analysis, Vendor-Intelligence）
| 维度 | 分析内容 |
|---|
| 市场规模 | 当前规模、增长率、预测数据 |
| 竞争格局 | 主要玩家、市场份额、差异化策略 |
| 客户需求 | 痛点变化、预算趋势、决策因素 |
| 资本动态 | 融资事件、估值变化、投资热点 |
分析维度详解
threat_actor（威胁行为者）
跟踪内容：
- 威胁组织名称、别名
- 活动时间线
- 攻击目标偏好
- 技术能力评估
- 与其他组织的关联
attack_method（攻击手法）
跟踪内容：
- 攻击技术名称
- 利用工具
- 目标漏洞（CVE）
- 检测难点
- 防御建议
vendor_name（厂商名称）
跟踪内容：
- 公司基本情况
- 产品矩阵
- 财务表现
- 战略动向
- 市场地位
market_size（市场规模）
跟踪内容：
- 当前市场规模
- 历史增长率
- 预测数据
- 区域分布
- 细分领域占比
maturity（技术成熟度）
跟踪内容：
输出格式
分析材料输出 JSON：
{
"theme_id": "ai-security",
"theme_name": "AI 安全",
"analysis_date": "2026-03-12T10:30:00Z",
"card_count": 25,
"date_range": {
"start": "2025-06-01",
"end": "2026-03-10"
},
"summary": "主题分析摘要，1-3 句话",
"trends": {
"time_trend": {
"direction": "increasing",
"description": "情报数量呈上升趋势，近3个月增长40%",
"monthly_counts": {"2025-12": 5, "2026-01": 8, "2026-02": 10, "2026-03": 7}
},
"emerging_keywords": ["提示注入", "AI Agent 安全"],
"declining_keywords": ["对抗样本"]
},
"entities": {
"vendors": [
{"name": "OpenAI", "mentions": 8, "key_points": ["发布安全指南", "Red Team 测试"]},
{"name": "Anthropic", "mentions": 5, "key_points": ["Constitutional AI"]}
],
"threat_actors": [],
"technologies": [
{"name": "LLM", "mentions": 15},
{"name": "Prompt Injection", "mentions": 12}
]
},
"cross_domain_links": [
{"domains": ["Emerging-Tech", "Threat-Landscape"], "insight": "AI 技术发展带来新的攻击面"}
],
"key_findings": [
"发现1：AI 安全市场快速增长，年增长率超过 30%",
"发现2：提示注入成为最受关注的 AI 安全威胁",
"发现3：大模型厂商普遍加强安全能力建设"
],
"strategic_implications": [
"建议1：关注 AI 安全产品投资机会",
"建议2：建立 AI 安全测试能力",
"建议3：跟踪监管政策进展"
],
"data_points": [
{"type": "market_size", "value": "50亿美元", "source": "Gartner 报告"},
{"type": "growth_rate", "value": "35% YoY", "source": "行业分析"}
],
"source_cards": ["path/to/card1.md", "path/to/card2.md"]
}
质量检查
分析完成后执行：
参考文件
references/dimensions.md - 分析维度详细定义和操作指导
