菜单
斯坦福 STORM 深度研究方法 — 4 个提示让 Claude 像博士一样做研究。 STORM = Systematic（系统化）+ Thorough（彻底）+ Organized（有组织）+ Rigorous（严谨）+ Methodical（有条理）。5 分钟产出博士 48 小时级别的研究简报。 适用于文献综述、技术调研、竞品分析、行业研究等场景。 Trigger keywords: STORM方法, 深度研究, 博士级研究, 学术研究, 文献综述, 系统研究, 技术调研, Stanford STORM, 研究简报, thorough research。
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/ZhouYinLong-lab/Dog-Skills --skill storm-research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。
基于 SOC 职业分类
正在显示 SKILL.md
| name | storm-research |
| description | 斯坦福 STORM 深度研究方法 — 4 个提示让 Claude 像博士一样做研究。 STORM = Systematic（系统化）+ Thorough（彻底）+ Organized（有组织）+ Rigorous（严谨）+ Methodical（有条理）。5 分钟产出博士 48 小时级别的研究简报。 适用于文献综述、技术调研、竞品分析、行业研究等场景。 Trigger keywords: STORM方法, 深度研究, 博士级研究, 学术研究, 文献综述, 系统研究, 技术调研, Stanford STORM, 研究简报, thorough research。 |
| allowed-tools | ["Read","Write","Edit","WebFetch","WebSearch","Bash","Agent","Glob","Grep","TaskCreate","TaskUpdate"] |
| metadata | {"category":"thinking","source":"https://mp.weixin.qq.com/s/aLhdKzW24AheR9pmoQj3eg","author":"卡尔的AI沃兹","version":"1.0.0","license":"MIT"} |
4 个提示让 Claude 像博士一样做研究，5 分钟产出博士 48 小时级别的研究简报。
| 字母 | 含义 | 说明 |
|---|---|---|
| S | Systematic（系统化） | 建立完整的知识框架，不遗漏关键维度 |
| T | Thorough（彻底） | 多源交叉验证，深入每个关键节点 |
| O | Organized（有组织） | 结构化输出，逻辑清晰可追溯 |
| R | Rigorous（严谨） | 区分事实与观点，标注证据强度 |
| M | Methodical（有条理） | 可复现的研究流程，明确每一步的输入输出 |
请为 [研究主题] 构建一个系统化的研究框架，包括：
1. 核心问题拆解（拆成 5-10 个子问题）
2. 每个子问题的关键概念和术语
3. 研究边界和排除项
4. 与邻近领域的关系图谱
针对上述每个子问题，请：
1. 搜索并总结不同来源的观点（学术 / 工业界 / 开源社区）
2. 标注每个来源的可信度（高/中/低）和潜在偏见
3. 识别各来源之间的一致观点和矛盾点
4. 如果某个子问题信息不足，明确标注为「知识缺口」
基于收集的信息，请：
1. 对每个子问题给出综合分析（不简单罗列，而是提炼洞察）
2. 用「主张-证据-推理」结构呈现每个结论
3. 标注每个结论的置信度（确认/很可能/推测/待验证）
4. 识别跨子问题的模式和联系
请生成一份面向 [目标读者] 的研究简报：
1. 一页纸核心摘要（TL;DR）
2. 研究框架概览（一图胜千言）
3. 每个子问题的关键发现和结论
4. 开放问题和未来研究方向
5. 推荐阅读清单（按优先级排列）