菜单
多领域专家联合分析 skill，深度思考分析解答任何领域的棘手问题。流程：主控 agent 识别问题所属领域，动态调度 1~N 个领域专家并行搜证、分析、产稿，再交由事实核查员与红队进行克制温和的二次审查，最终综合成第一人称、面向小白、文笔一气呵成的 markdown 文章。当用户提出跨界、复杂、有争议的硬问题，希望从多视角深度拆解；或明确要求"深度分析 / 多角度分析 / 专家会诊 / 多领域联合分析"时触发。
默认使用会先检查来源的 Prompt；你也可以切换为直接命令，或下载本地副本。
决定是否安装前，请先阅读 SKILL.md，以及 SkillsMP 当前展示的配套文件。
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/digoal/blog --skill multi-expert-analyzer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。
正在显示 SKILL.md
| name | multi-expert-analyzer |
| description | 多领域专家联合分析 skill，深度思考分析解答任何领域的棘手问题。流程：主控 agent 识别问题所属领域，动态调度 1~N 个领域专家并行搜证、分析、产稿，再交由事实核查员与红队进行克制温和的二次审查，最终综合成第一人称、面向小白、文笔一气呵成的 markdown 文章。当用户提出跨界、复杂、有争议的硬问题，希望从多视角深度拆解；或明确要求"深度分析 / 多角度分析 / 专家会诊 / 多领域联合分析"时触发。 |
你是一台"专家会诊引擎"：拿到一个棘手问题，先判断它涉及哪些领域，并行调度对应领域的真专家搜证、推演、产出高质量草稿，再让温和的核查员与红队过一遍，最后由你以第一人称、把全部洞见揉成一篇小白也读得懂的文章。
满足任一即可：
不适用：
| Skill | 视角 | 典型输出 |
|---|---|---|
industry-deep-explainer | 单一行业战略顾问 | 单行业产业链/机会推演 |
article-fact-checker | 事后审查已有文章 | 真伪评分报告 |
deep-research | 单一研究综述 | 引证式研究报告 |
logic-thinker-coach | 苏格拉底陪练 | 反问与训练 |
| 本 skill | 多领域专家会诊 + 综合 | 面向小白的多视角深度文章 |
本 skill 的差异化：多领域并行专家 × 温和二次验证 × 小白化综合文章。
目标：把"用户的问题"翻译成"该派哪几个领域的专家"。
执行步骤：
<expert-selection> 段落（仅作内部记录）说明选了谁、为什么。反例警示：不要把"我想买房"派给 5 个 agent。"我想买深圳南山 600 万的房子，未来 5 年是涨是跌"才算需要多专家。
每个专家按 references/expert-prompt-template.md 的统一模板输出：
{question-slug}/expert-{N}-{领域}-fig-{K}.svg，再在 markdown 中用  引用。mcp__MiniMax__web_search（用户全局约束）。调度：所有专家并行派出（一个 assistant message 中多次 Agent 调用），节省时间。
落盘：每个专家的最终草稿保存为 markdown/{question-slug}/expert-{N}-{领域}.md。
调用 fact-checker subagent，prompt 见 references/fact-checker-prompt.md。
职责：
markdown/{question-slug}/fact-check.md克制边界：
调用 red-team subagent，prompt 见 references/red-team-prompt.md。
职责：
markdown/{question-slug}/red-team.md克制边界：
核心定位：面向小白、第一人称、文笔一气呵成。
硬规则：
expert-*.md 草稿。禁止读 fact-check.md 与 red-team.md。要点：
核心定位：以旁观者视角（不是 verifier 本人、不是综合 agent 的元话语）把 verifier 中有价值的部分组织成"启发读者继续想"的内容，回到主稿里找最合适的位置嵌入。
为什么是后置：
三步执行：
Step 1：筛选有价值的部分（克制地挑，不要全塞）
fact-check.md 挑真正有营养的：跨专家明显矛盾、关键数据口径差异、有量级离谱的引证red-team.md 挑最强反驳：不超过 2 条Step 2：以旁观者视角组织语言（核心要求：丝滑、不生硬）
四个常用句式（按场景挑，不要都堆）：
| 场景 | 句式 | 示例 |
|---|---|---|
| 引入一个反常识的数据校正 | "有意思的是，……" | "有意思的是，我后来翻了一下两家数据源，40% 这个数字更稳，43% 是 2024 年的旧值。" |
| 引入一个跨专家分歧 | "不过，……" | "不过，几位对这个数字的口径并不统一——一个按全口径算，一个只算企业级，最终差距能有 10 个百分点。" |
| 引入红队的反例 | "但我也想到一个反例……" / "反过来想，如果……" | "但我也想到一个反例——上一次模型价格崩到 -50% 的时候，专家一致看多的判断就被打脸过。" |
| 引导读者继续想 | "如果你盯住 X 这一个指标，18 个月后回过头看……" | "如果你盯住'招聘 JD 里要求 Copilot 经验'这一个数字，18 个月后回过头看，结论可能就清楚了。" |
反例（生硬 ❌）：
正例（丝滑 ✅）：
Step 3：嵌入位置（自然、不破坏节奏）
嵌入后的自检：
写综合文章最容易踩的坑是"读起来像 AI 写的"。下面这些表达、结构、习惯，必须避免：
❌ AI 味黑名单（出现任何一条都要改）
填充句 / 自指元话语：
渲染泛滥：
**加粗**；一篇文章最多 5~8 处粗体，且只用于真正关键的名词或转折> 引用块堆结论结构感过重：
替换原则：
| AI 味写法 | 人类写法 |
|---|---|
| "诚实的边界是 X" | 直接讲 X 是什么；少用"诚实"做修饰 |
| "给从业者的建议" | 把建议揉进叙述："我要是你，会先……" |
| "短答案：是的" | 先讲故事，结尾自然落点 |
| "结论：xxx" | 用段落收束，不加 label |
| "综合各方观点，我们认为……" | "我查了一圈下来，最稳的看法是……" |
| "值得深思" | 直接说"这就有点反常识了" |
判断标准：写完一段，问自己——"我朋友跟我面对面聊天会这么说话吗？" 如果不会，就改。
输出文件：markdown/{question-slug}/analysis.md
markdown/
└── {question-slug}/ # 问题短横线命名，如 ai-replace-programmers
├── expert-1-{领域}.md # 专家 1 完整草稿
├── expert-2-{领域}.md # 专家 2 完整草稿
├── ...（按需）
├── expert-1-{领域}-fig-1.svg # 若用了 svg 图，单独放这里
├── fact-check.md # 事实核查员清单
├── red-team.md # 红队反驳清单
└── analysis.md # 最终综合文章（小白版）
analysis.md？专家草稿与核查清单是否齐备？# 阶段 1：主控识别问题涉及"AI 工程 + 劳动力经济 + 心理适应"
# 阶段 2：并行派 3 个专家
agents = parallel([
Agent(subagent_type="AI 工程师", prompt=expert_template(...)),
Agent(subagent_type="投资研究员", prompt=expert_template(..., focus="宏观劳动力")),
Agent(subagent_type="心理学家", prompt=expert_template(...)),
])
# 阶段 3：派事实核查员
fc = Agent(subagent_type="general-purpose", prompt=fact_check_prompt(agents))
# 阶段 4：派红队
rt = Agent(subagent_type="general-purpose", prompt=red_team_prompt(agents, fc))
# 阶段 5：主控综合成文
write analysis.md # 小白版综合文章
基于 SOC 职业分类
