aaione
aaione/everything-claude-code-zh
用 Codex 或 Claude 帮你安装 复制这段 Prompt，粘贴到 Codex、Claude 或其他助手里，让它检查 Skill 页面并帮你完成安装。
直接命令不会经过审查 Prompt；运行前请先检查来源。
npx skills add https://github.com/aaione/everything-claude-code-zh --skill research-ops命令会保持在同一行。复制前请横向滚动并检查完整内容。
想先保存到本地？可下载 SkillsMP 当前能够提供的文件。
Kubernetes 工作负载模式、资源管理、RBAC、probes、autoscaling、ConfigMap/Secret 处理，以及面向生产级部署的 kubectl 调试。
完成任何非平凡任务后使用。智能体按 5 个维度自评输出——准确性、完整性、清晰度、可执行性、简洁性——每项都给出具体证据。生成结构化 1-5 评分卡和具体改进建议。
在 competitive-platform-analysis 产出分层竞品集合后使用。按九个加权维度（定位、声音、视觉工艺、offer packaging、证据、enterprise-readiness、thought leadership、定价、客户 strategic tension）为每个竞品评分，使用明确 1–5 rubrics 和 tension-plot。位于 competitive-report-structure 之前。
基于 SOC 职业分类
正在显示 SKILL.md
| name | research-ops |
| description | ECC 的证据优先当前状态研究工作流。当用户需要基于当前公开证据和任何提供的本地上下文构建新鲜事实、比较、丰富或推荐时使用。 |
| origin | ECC |
当用户要求研究当前信息、比较选项、丰富人员或公司信息，或将重复查找转化为监控工作流时使用。
这是仓库研究栈的操作者包装器。它不是 deep-research、exa-search 或 market-research 的替代品；它告诉你何时以及如何一起使用它们。
在相关时将这些 ECC 原生技能拉入工作流：
exa-search 用于快速当前网络发现deep-research 用于带引用的多源综合market-research 当最终结果应该是推荐或排名决策时lead-intelligence 当任务是人员/公司定位而非通用研究时knowledge-ops 当结果之后应存储在持久上下文中时将任何提供的材料规范化为：
如果用户已经构建了部分模型，不要从零重新开始分析。
在搜索前选择正确的通道：
exa-search 进行快速发现deep-researchmarket-researchlead-intelligence对于重要声明，说明它们是：
对新鲜度敏感的答案应包含具体日期。
如果用户可能重复问同一个研究问题，明确说出来并推荐监控或工作流层而不是永远重复相同的手动搜索。
问题类型
- 事实 / 比较 / 丰富 / 监控
证据
- 有来源的事实
- 用户提供的上下文
推断
- 从证据中得出的结论
推荐
- 答案或下一步行动
- 此任务是否应变成监控