topic-research-pack-v2

name	topic-research-pack-v2
description	生成图文并茂的深度研究资料包。当用户想研究、学习、分析或系统理解一个主题、技术、产品、框架、行业、理论、趋势或工具，并希望产出可交付文件时使用。生成两份文件：一份 5-10 分钟快速理解的 Markdown，一份 10000+ 中文字的专业级图文并茂深度研究 PDF。

Topic Research Pack (改进版 v2)

目标

帮助用户围绕一个新主题生成一套「三层研究资料包」：

1. 快速理解版 Markdown：适合 5-10 分钟快速建立基本认知。
2. 深度研究版 Markdown 源稿：10000 中文字以上，完整的内容结构。
3. 专业级图文并茂 PDF：深度内容 + 配图 + 数据可视化 + 排版设计，适合打印、分享、存档。

这不是普通科普回答，也不是纯文字报告。执行本 Skill 时，要产出信息密度高、视觉层次清晰、配图恰当、来源可追溯的专业研究资料。

改进亮点

新增：配图与数据可视化

相比原版，这个改进版本增加了：

• ✅ 信息图表：工作流程图、时间轴、竞争格局地图等（用 SVG/Mermaid）
• ✅ 数据可视化：市场规模、增长趋势、性能对比等（用 matplotlib/plotly 生成高分辨率图表）
• ✅ 真实配图：官方产品图、研究机构标志、应用场景照片等
• ✅ 专业排版：图文混排、双栏布局、色彩主题统一
• ✅ 交互式目录：PDF 书签、内部链接、便于导航

新增：HTML 中间层

不再直接 Markdown→PDF，而是采用：

Markdown(带图片引用) 
  ↓
HTML(嵌入 SVG 图表 + 外部图片 + 优化CSS)
  ↓
Weasyprint(高级 PDF 渲染)
  ↓
专业级 PDF(图文并茂、排版优美)

必须产出的文件

每次执行都要生成三份最终文件：

[主题]-快速理解.md                          # 5分钟快速入门
[主题]-深度研究报告.md                      # Markdown源稿(便于编辑)
[主题]-深度研究报告.html                    # HTML中间层(含所有图表)
[主题]-深度研究报告.pdf                     # 最终交付(图文并茂)

适用场景

当用户提出以下类型请求时，使用本 Skill：

• "帮我研究 MCP，生成快速理解和图文并茂的详细 PDF"
• "系统了解 RAG，要求有流程图、性能对比、产业落地分析"
• "帮我做一份 AI Agent 的深度研究报告，需要配图和趋势图表"
• "拆解某个技术的发展历程、竞品对比和未来趋势，要有可视化"
• "我想快速理解一个新知识点，并要一份专业级的图文报告"
• "给我一份带来源、有配图、能打印的研究资料包"

不适用场景：

• 用户只要一句话解释。
• 用户只要简单翻译或摘要。
• 用户明确只要聊天式讲解，不需要文件。
• 用户要求写代码、修 bug、处理表格等非研究报告任务。

总体工作流

按以下流程执行：

1. 识别主题：确定用户要研究的主题，以及它属于技术、产品、行业、理论、工具、趋势还是商业模式。
2. 判断范围：如果主题过大，主动收敛范围；如果用户已经指定重点，优先满足指定重点。
3. 搜集信息来源：对当前性强、涉及产品/公司/论文/竞品/产业落地的主题，必须联网搜索。
4. 规划配图方案：根据主题特性，决定需要哪些类型的图表和配图（见下方"图表规划"）。
5. 优先读取权威来源：优先官方文档、论文、GitHub 仓库、公司工程博客、行业报告、新闻报道。
6. 提取研究要素：整理起源、演进、学术根源、核心概念、技术机制、竞争范式、技术路线、产业落地、竞品、案例、风险、趋势。
7. 生成快速理解版 Markdown：控制在 1500-3000 中文字左右，适合快速阅读。
8. 生成深度研究版 Markdown 源稿：内容应达到 10000 中文字以上或等价深度，同时在需要配图的位置标注 [图表: xxx]。
9. 生成配图与数据可视化：根据规划，生成 SVG 信息图表、matplotlib 数据图表、或收集真实照片。
10. 转换为 HTML：将 Markdown + 图表 + CSS 转换为 HTML，实现图文混排和专业排版。
11. 生成 PDF：用 Weasyprint 或 wkhtmltopdf 将 HTML 转换为高质量 PDF。
12. 返回文件路径：告诉用户四份最终文件的位置。

图表规划指南

在生成 Markdown 源稿时，要规划以下类型的配图：

必须有的图表类型（根据主题选择）

1. 核心概念可视化（必选）

✓ 一句话定义的概念图解
✓ 系统架构图或工作流程图
✓ 核心组件/要素的关系图

示例：BCI的工作流 脑信号采集 → 处理 → 解码 → 设备控制

2. 发展历程（可选但推荐）

✓ 时间轴（从最早到现在，标注关键节点）
✓ 技术演进阶段图（概念 → 探索 → 工程化 → 商业化）
✓ 里程碑事件可视化

示例：技术从1924年的EEG发现，到2024年的商业化应用

3. 对比与分析（推荐）

✓ 竞品对比表（用颜色区分优劣）
✓ 技术路线对比（矩阵图：成熟度 vs 成本）
✓ 市场格局地图（四象限或泡泡图）

示例：Neuralink vs BrainGate vs Synchron 的功能和成本对比

4. 数据可视化（推荐）

✓ 市场规模增长曲线（2023: $15B → 2030: $100B）
✓ 采用率趋势（S曲线）
✓ 性能指标对比（打字速率、成功率、成本）
✓ 融资热度（融资额、创业公司数量）

示例：脑机接口市场从2020年的$5B增长到2030年预测的$100B

5. 产业与应用（可选）

✓ 产业链图（上游供应商 → 核心厂商 → 下游应用）
✓ 应用场景分布（医疗、消费、企业等占比）
✓ 地域分布图（美国 vs 欧洲 vs 中国 vs 其他）

示例：BCI的产业链，从电极材料 → 芯片设计 → 临床应用 → 患者服务

6. 真实配图（可选但有助于理解）

✓ 产品/设备图片（Neuralink芯片、电极阵列等）
✓ 应用场景照片（患者使用BCI、实验室场景）
✓ 研究机构标志（Stanford、MIT、Neuralink等）
✓ 新闻截图或演示画面

图表标注规范

在 Markdown 源稿中，每个应该配图的地方标注如下：

## 3.1 工作原理

### 工作流程图
[图表: 工作流程 - SVG]
输入: 脑信号产生 → 采集处理 → 特征提取 → 神经解码 → 设备控制 → 反馈

详细说明...

### 信号处理管道
[图表: 时间序列图 - 信号处理流程，展示每个阶段的时间和数据变换]

### 性能指标对比
[图表: 柱状图 - 不同采集方案的性能对比(采样率/通道数/成本)]

| 方案 | EEG | ECoG | 单电极 |
|-----|-----|------|--------|
| 采样率 | 250 Hz | 1000 Hz | 30000 Hz |

图表生成方式

方式一：SVG 信息图表（推荐用于流程图、时间轴、架构图）

<svg viewBox="0 0 800 400" class="workflow-diagram">
  <!-- 流程步骤 -->
  <rect class="step" x="0" y="100" width="100" height="100" rx="8"/>
  <text x="50" y="150" text-anchor="middle">脑信号</text>
  
  <!-- 箭头 -->
  <path class="arrow" d="M 100 150 L 140 150"/>
  
  <!-- 更多步骤... -->
</svg>

优点：

• 矢量图，无限缩放不失真
• 文件小，加载快
• 纯代码生成，完全可控
• 支持交互和动画

用途：

• 工作流程图
• 系统架构图
• 时间轴
• 知识地图
• 竞争格局地图

方式二：Matplotlib/Plotly 数据图表（推荐用于数据可视化）

import matplotlib.pyplot as plt
import numpy as np

# 市场规模增长
years = [2020, 2023, 2025, 2030, 2050]
market_size = [5, 18, 40, 100, 1000]  # 单位: 亿美元

plt.figure(figsize=(10, 6), dpi=300)  # 高分辨率
plt.plot(years, market_size, marker='o', linewidth=3, markersize=10)
plt.fill_between(years, market_size, alpha=0.3)
plt.xlabel('Year', fontsize=12, fontweight='bold')
plt.ylabel('Market Size ($100M)', fontsize=12, fontweight='bold')
plt.title('Global BCI Market Forecast', fontsize=14, fontweight='bold')
plt.grid(True, alpha=0.3)
plt.tight_layout()
plt.savefig('bci_market_forecast.png', dpi=300, bbox_inches='tight')

优点：

• 专业数据可视化
• 高分辨率(300dpi)，适合打印
• 支持复杂统计图表
• 可自定义颜色、字体、主题

用途：

• 市场规模曲线
• 性能指标对比
• 采用率趋势
• 融资热度
• 技术成熟度曲线(Gartner Hype Cycle)

方式三：真实照片/官方图片（推荐用于产品图、应用场景）

[图表: 真实配图 - 来源: Neuralink官网]
![Neuralink 芯片](https://example.com/neuralink-chip.jpg)

[图表: 应用场景 - 患者使用BCI打字]
![Patient using BCI](https://example.com/patient-demo.jpg)

来源优先级：

1. 官方网站(Neuralink、BrainGate、Synchron 官网)
2. 学术论文(Nature、Science等期刊的配图)
3. Creative Commons 开放图库(Unsplash、Pexels等)
4. 新闻报道截图(MIT Technology Review、IEEE Spectrum等)
5. YouTube 演示视频截图

文件一：快速理解版 Markdown

定位

让用户在 5-10 分钟内快速建立认知，知道这个主题是什么、为什么重要、发展到哪一步、和谁竞争、有什么用。

长度

建议 1500-3000 中文字。不要写成大而全报告。

结构

快速理解版 Markdown 必须使用以下结构：

# [主题] 快速理解

## 1. 一句话理解

用一句通俗但准确的话说明它是什么。

## 2. 它解决什么问题？

说明它为什么出现，替代或补充了什么旧方式，解决了什么痛点。

## 3. 核心要点

用 5-8 条 bullet 总结最重要的信息。

## 4. 发展脉络速览

用简短时间线说明关键节点。

| 时间 | 事件 | 意义 |
|---|---|---|

## 5. 和谁竞争？

说明它面对的旧范式、替代方案、相邻技术或类似竞品。

## 6. 现在用在哪里？

列出主要产业落地场景和代表案例。

## 7. 一句话判断

总结它当前的价值、局限和未来趋势。

## 8. 主要信息来源

列出 5-10 个最重要的信息来源链接。

风格

• 直接、清楚、少废话。
• 适合发给不熟悉该主题的人快速阅读。
• 不要堆术语；出现关键术语时要解释。
• 可以使用表格，但不要过度展开。

文件二：深度研究版 Markdown 源稿

定位

包含完整的 17 个章节，同时在需要配图的位置标注图表类型。

长度硬性要求

深度研究报告应达到 10000 中文字以上，或英文主题下达到等价信息密度。

配图注解方式

在 Markdown 源稿中，每个应该配图的地方用以下格式标注：

### 工作原理与系统架构

[配图: SVG架构图 - 展示系统的输入、处理、输出三个层次]

详细文字说明...

### 性能对比

[配图: 柱状图 - 展示5种采集方案的成本、分辨率、信噪比、成熟度]

| 方案 | 成本 | 分辨率 |
|-----|------|--------|

深度报告结构

深度研究 PDF 的 Markdown 源稿必须使用以下结构：

# [主题] 深度研究报告

## 0. 信息来源说明

说明本报告主要基于哪些类型的信息来源。

[配图: 信息来源分布 - 饼图展示官方文档、论文、新闻、报告的占比]

## 1. 执行摘要

用 8-12 条 bullet 总结全文核心结论。

## 2. 一句话理解与基本定义

包括：一句话理解、通俗解释、专业定义、适用边界、它不是什么

[配图: 概念关系图 - 说明这个主题与相邻概念的区别]

## 3. 起源与问题背景

[配图: 时间轴 - 从旧问题出现到新技术出现的演变过程]

## 4. 发展历程与关键节点

[配图: 时间轴 - 1924-2024年的关键事件，用颜色区分不同阶段]

| 时间 | 阶段/事件 | 代表人物/机构/产品 | 影响 | 来源 |

## 5. 学术根源与理论基础

[配图: 学科关系图 - 展示相关学科如何融合产生这个领域]

## 6. 核心概念与知识地图

[配图: 知识地图 - 树形结构展示核心概念的层级关系]

| 概念 | 通俗解释 | 专业含义 | 为什么重要 |

## 7. 工作原理 / 技术机制

[配图: 流程图 - 完整的工作流程，标注每个环节的时间和数据]

```text
输入 → 处理流程 → 输出 → 反馈/优化

8. 竞争范式分析

[配图: 四象限矩阵 - 新旧范式在"易用性 vs 性能"上的定位]

| 范式 | 核心假设 | 代表方案 | 优势 | 局限 |

9. 技术路线对比

[配图: 雷达图/气泡图 - 不同技术路线在多个维度的对比]

| 技术路线 | 基本原理 | 适用场景 | 优点 | 缺点 | 成熟度 |

10. 产业落地与商业化场景

[配图: 产业链图 - 展示供应链、核心厂商、应用场景、用户]

[配图: 应用分布图 - 不同行业的采用率和市场规模]

| 行业/场景 | 典型需求 | 解决方式 | 代表公司/产品 | 落地难点 |

11. 类似竞品 / 代表玩家

[配图: 竞争格局地图 - 按融资额/成立时间/技术路线分类玩家]

[配图: 融资热度 - 展示不同时期融资金额和创业公司数量]

| 产品/项目 | 定位 | 核心能力 | 差异点 | 适合场景 | 官网/来源 |

12. 典型案例分析

[配图: 案例对比表 - 3-5个典型案例的背景、效果、局限]

案例一：[公司/产品/项目]

[配图: 案例详情 - 该案例的应用流程、关键数据、结果]

• 背景
• 使用方式
• 解决的问题
• 效果
• 局限
• 来源

13. 关键争议、风险与限制

[配图: 风险热力图 - 按影响程度和发生概率分类各类风险]

14. 未来趋势判断

[配图: 技术成熟度曲线 - Gartner Hype Cycle展示当前位置和未来走向]

[配图: 趋势预测 - 3-5年内关键指标的预期变化]

短期趋势：1 年内

中期趋势：1-3 年

长期趋势：3-5 年

最大不确定性

15. 学习路径

[配图: 学习地图 - 三层梯度的学习路径和资源推荐]

入门阶段

进阶阶段

实践阶段

16. 自测问题

至少 8-10 个问题，检查用户是否真正理解。

17. 参考资料与信息来源

必须列出所有重要引用来源：

[配图: 来源分布 - 饼图展示官方文档、论文、新闻等占比]

1. 标题 — 来源类型和简要说明

## 文件三：HTML 中间层

### 目的

在生成最终 PDF 前，先生成 HTML 文件，实现：

- 图文混排和专业排版
- CSS 控制视觉层次和色彩主题
- 确保所有图表和图片正确显示
- 支持交互式目录和页面导航

### 生成方式

Markdown 源稿 + 图表文件 ↓ 用模板引擎(Jinja2) + CSS 生成 HTML ↓ HTML 文件(含所有 SVG、PNG、CSS)

### 排版设计要求

- **色彩主题**：根据主题选择（如 BCI 采用深紫色）
- **字体**：标题使用艺术字体(如 Playfair Display)，正文使用专业字体(如 Noto Sans SC)
- **图文比例**：约 30% 图表，70% 文字
- **留白**：充足的负空间，提升专业感
- **分页**：在适当位置分页，避免图表被割裂

## 文件四：专业级 PDF

### 生成工具

优先使用 **Weasyprint**（相比 wkhtmltopdf 支持更好的 CSS 和图表渲染）：

```python
from weasyprint import HTML, CSS

HTML(string=html_content).write_pdf(
    'report.pdf',
    stylesheets=[CSS(string=optimized_css)],
    optimize_size=['images']  # 压缩图像大小
)

备选：wkhtmltopdf（但 CSS 支持有限）

PDF 要求

• 清晰标题层级和目录
• 表格保持可读
• 图表分辨率 ≥300dpi（专业打印）
• 中文字体正常渲染，无乱码
• 文件名清晰标识主题
• 文件大小 <5MB（便于分享）

质量检查清单

交付前检查：

• 是否生成了快速理解 Markdown？
• 是否生成了深度研究 Markdown 源稿？
• 是否生成了 HTML 中间层？
• 是否生成了专业级 PDF？
• 深度报告是否达到 10000 中文字以上？
• 是否包含至少 5-8 张配图或数据可视化？
• 配图是否清晰、相关、有说明？
• 是否包含「信息来源说明」和「参考资料」？
• 是否包含所有 17 个核心章节？
• 重要事实是否有来源？
• 是否区分了事实、分析和趋势判断？
• PDF 排版是否美观、专业？
• 所有图表、表格、代码块是否正确显示？
• 中文内容是否乱码？

写作与设计风格

内容风格

• 使用中文输出，除非用户要求英文。
• 信息密度高，不写空泛套话。
• 解释复杂概念时先讲人话，再讲专业术语。
• 多用表格做对比。
• 保持研究报告语气，避免营销腔。
• 对不确定信息要说明不确定性。
• 不要编造不存在的论文、公司、产品、数据或链接。

设计风格

• 配色：根据主题选择主色调(如 BCI 的深紫色)，用对比色突出重点
• 排版：双栏或单栏，根据内容自适应；充足的边距和行距
• 图表：风格一致，使用相同的色彩和字体；标题、图例、数据标注清晰
• 视觉层次：用大小、颜色、位置区分不同重要性的内容

参考实现例

示例：BCI 研究报告的配图规划

章节3(起源与问题背景)
  ↓ 配图: 时间轴[SVG]
    旧问题出现(1924 EEG发现) → 技术突破(1998 BrainGate) → 商业化(2024)

章节4(发展历程)
  ↓ 配图: 关键节点时间轴[SVG]
    显示4个阶段：萌芽(1924-1990s) → 工程化(1998-2010) → 商业热潮(2013-2019) → 临床应用(2020-2024)

章节7(工作原理)
  ↓ 配图: 信号处理流程[SVG]
    脑信号 → 采集放大 → 滤波处理 → 特征提取 → 神经解码 → 设备控制 → 反馈

章节9(技术路线对比)
  ↓ 配图: 对比矩阵[PNG by matplotlib]
    X轴: 成本(低←→高), Y轴: 成熟度(低←→高)
    绘制5种采集方案的位置，气泡大小代表信号清晰度

章节10(产业落地)
  ↓ 配图1: 产业链[SVG]
    电极材料 → 信号处理芯片 → BCI系统 → 医疗应用 → 患者服务
  ↓ 配图2: 应用分布[PNG by matplotlib]
    饼图显示医疗50% / 研究20% / 消费20% / 其他10%

章节11(代表玩家)
  ↓ 配图: 融资热度[PNG by matplotlib]
    柱状图显示2015-2024年融资总额和创业公司数量
  ↓ 配图: 竞争格局地图[SVG]
    按融资额和成立时间绘制四象限，标注各公司位置

章节14(未来趋势)
  ↓ 配图: 技术成熟度曲线[PNG by matplotlib]
    Gartner Hype Cycle，显示当前位置和未来走向
  ↓ 配图: 市场规模预测[PNG by matplotlib]
    折线图，2023 $18B → 2030 $100B → 2050 $1000B+

实施建议

快速上手

1. 在 Markdown 源稿编写时，每个需要配图的地方用 [配图: xxx] 标注
2. 使用现有的 Python 库生成数据可视化（matplotlib、plotly）
3. 用简单的 HTML 模板做排版
4. 用 Weasyprint 生成最终 PDF

逐步优化

1. 第一版：仅用 SVG 和基础 matplotlib 图表
2. 第二版：添加真实照片和官方图片
3. 第三版：优化 HTML 排版和 CSS 设计
4. 第四版：制作专业的 HTML 模板库

团队协作

如果有设计师：

• 由设计师制作 SVG 信息图表和 HTML 模板
• 由写手编写 Markdown 和调研
• 由工程师生成数据可视化和整合 PDF

常见问题

Q: 生成配图需要额外的时间和成本吗？

A: 根据配图类型而定：

• SVG 信息图表：额外时间 20-30 分钟
• Matplotlib 数据图表：额外时间 10-20 分钟
• 真实照片收集：额外时间 10-15 分钟
• HTML 排版和 PDF 转换：额外时间 15-25 分钟
• 总计额外时间：60-90 分钟/报告

Q: 配图的质量如何保证？

A:

• SVG 使用专业的设计工具或精心编码
• Matplotlib 图表使用高分辨率(300dpi)
• 真实照片优先从官方来源或 Creative Commons 获取
• HTML 排版遵循设计规范和审美原则

Q: 如果找不到合适的配图怎么办？

A: 优先级：

1. 尽量从官方来源获取
2. 如果实在找不到，用简单的 SVG 信息图替代
3. 必要时可以在 PDF 中说明"图表待补充"

Q: PDF 文件会不会特别大？

A: 通过以下方式控制大小：

• SVG 图表本身很小(通常 <50KB)
• PNG 图表用 matplotlib 的 dpi 参数控制质量
• Weasyprint 的 optimize_size 自动压缩图像
• 目标：最终 PDF <5MB

总结

这个改进版本的核心改变是：

维度	原版	改进版
输出文件数	2 份	4 份
配图数量	0	5-8 张
排版质量	基础	专业
可打印性	可以	优化到300dpi
视觉吸引力	低	高
专业度	中	高
额外时间	-	+60-90分钟

生成的报告从"实用的文本报告"升级到"可以直接发给高管/客户的专业级研究资料"。