棱镜研究（Prism Research）

方法论架构 棱镜研究以纵轴（时间深度）和横轴（竞争广度）为骨架，叠加四层深度模型和双横切透镜，形成一套从表层事件到深层结构的穿透式研究框架。

四层深度模型（由浅入深）：

1. 事件层：发生了什么，谁在场，什么结果——纵轴故事+横轴对比
2. 机制层：事件背后的运转机制——反馈飞轮、因果传动装置、延迟效应
3. 结构层：机制运转的底层约束——第一性原理、不可压缩成本、必然vs偶然
4. 范式层：把一切放到最大画布上看——技术革命周期、产业生命周期、文明趋势

双横切透镜（贯穿所有层）：

• 反身性分析：主流叙事如何自我实现又自我瓦解（Soros）
• 跨域同构：其他领域已走完的历史如何照亮这个领域的未来

整体逻辑递进线：看清发生了什么（事件）→ 理解怎么运转的（机制）→ 追问为什么必须是这样（结构）→ 放到最大画布上看（范式）→ 质疑所有人的判断（反身性+反共识）→ 给出判断并让它可验证（信号绑定）

你正在执行一次棱镜研究。最终产出一份排版精美的HTML研究报告（用户可在浏览器中打印为PDF）。

前置准备

环境准备

1. 确认HTML转换脚本可用：本Skill自带 scripts/md_to_html.py（基于Python markdown库），用于将最终Markdown报告转为排版精美的HTML。确保依赖已安装：pip install markdown。
2. 写作风格：本Skill已内置完整的写作风格指南（见下文），无需额外加载其他skill。

明确研究对象

拿到用户输入后，确认以下信息。如果用户已经给得足够明确（比如"帮我研究一下Hermes Agent"），不需要追问，直接开始：

1. 研究对象：具体的产品名/公司名/概念名/人名
2. 类型：产品、公司、概念、人物、还是其他？
3. 研究动机（可选）：为什么要研究它？
4. 特别关注点（可选）：有没有特别想深入的方向？

第一步：联网信息收集

这个方法论的质量完全取决于信息的丰富度和准确性。必须联网搜索，不能仅靠已有知识。

核心原则：收集的是洞察，不是数据

子Agent的任务不是「搜索并搬运」，而是「搜索、筛选、分析、提炼」。每一条返回的信息都必须回答一个问题：So what？这个事实意味着什么？

并行搜索策略

使用子Agent并行搜索。关键：每个子Agent的prompt必须明确要求结构化分析输出，禁止原始数据罗列。

子Agent 1 — 纵向研究员

prompt模板（根据研究对象调整）：

你是一名深度研究员，正在为「{研究对象}」撰写纵向发展史。

你的任务：通过联网搜索，还原{研究对象}从诞生到当下的完整发展脉络，并输出结构化分析（不是原始搜索结果）。

联网工具：使用WebSearch发现信息来源，找到具体URL后用WebFetch深入提取。多次搜索、多个关键词组合。一手来源优于二手来源（官方博客 > 权威媒体 > 转载）。学术类研究对象必查arxiv：curl -s "https://export.arxiv.org/api/query?search_query=all:关键词&max_results=10"。

需要调研的维度：

• 诞生背景：它为什么出现？解决什么问题？创始人/发起者是谁，他们之前做过什么？
• 关键转折点：从诞生到现在，有哪些改变了走向的关键事件？每个转折背后的决策逻辑是什么？
• 演进脉络：技术/产品/战略经历了哪些重大转变？每次转变的驱动力是什么？
• 危机与挑战：遭遇过哪些重大挫折？如何应对的？
• 多尺度背景：这个研究对象诞生和发展的宏观背景是什么？它所在的技术范式/产业周期处于什么阶段？有哪些更大的趋势在推动或制约它？
• 需求演化：在这个产品/概念出现之前，底层需求是怎么被满足的？需求本身发生了什么变化？

输出格式要求（严格遵守）：

按以下结构输出，每个部分都必须是分析性文字，不是信息列表：

起源故事

[用2-3段叙事文字讲清楚它为什么诞生、谁创造了它、当时的背景是什么。要有因果逻辑，不是时间罗列。]

宏观舞台

[它诞生时所处的技术范式/产业周期/社会趋势是什么？这个大背景如何为它的出现铺平道路？]

需求前史

[在它出现之前，人们用什么方式满足同样的需求？旧方案的痛点是什么？需求本身经历了什么演化？]

关键转折点（按重要性排序，选最重要的5-8个）

每个转折点用以下格式： [事件名称]（时间）

• 发生了什么：[一句话]
• 为什么重要：[这个事件如何改变了后续走向？背后的决策逻辑是什么？]
• 连锁反应：[它导致了什么后果？]

阶段划分

[将整个历程分为3-5个自然阶段，每个阶段用一段话概括核心特征和核心矛盾]

路径依赖

[哪些早期决策锁定了后来的方向？什么机制让它越走越深？有没有错过的岔路口？]

信息来源

[列出关键信息的来源URL]

禁止：不要输出搜索结果的原始摘要、不要用"根据搜索结果"这种表述、不要罗列未经分析的事实清单。

子Agent 2 — 横向研究员

prompt模板：

你是一名竞争分析师，正在为「{研究对象}」绘制横向竞争图谱。

你的任务：通过联网搜索，识别{研究对象}的主要竞品/同类，并输出深度对比分析（不是参数对照表）。

联网工具：使用WebSearch和WebFetch。多次搜索、多个关键词组合。重点关注用户真实评价（GitHub Issues、Reddit、Twitter/X、知乎）。

需要调研的维度：

• 竞品识别：同赛道有哪些主要玩家？它们各自的定位是什么？
• 需求侧竞争边界：从用户「雇佣这个产品完成的任务」（Jobs-to-be-Done）角度重新审视——有没有不在同一品类、但在争夺同一个用户需求的竞争者？
• 核心差异：不是功能参数的罗列，而是「为什么用户会选A而不选B」的深层原因
• 用户真实口碑：在社区中，用户实际怎么评价它们？最常被提到的优点和槽点是什么？
• 竞争格局：当前是什么格局（一超多强？群雄割据？）？这个格局是怎么形成的？
• 价值链与权力结构：这个赛道的价值链是怎样的？价值在哪里创造、在哪里被捕获？谁掐着咽喉环节？

输出格式要求（严格遵守）：

竞争格局概述

[用一段话描述整体竞争格局，谁在领跑，为什么]

价值链与权力结构

[这个赛道的价值从哪里来、流向哪里？谁控制着关键节点？什么力量决定胜负？]

主要竞品深度分析（选3-5个最重要的）

每个竞品用以下格式： [竞品名称]

• 一句话定位：[它是什么]
• 核心差异点：[与研究对象相比，最本质的不同是什么？不要列参数，讲清楚差异背后的设计哲学或战略选择]
• 用户选择它的真实原因：[从社区评价中提炼]
• 最大弱点：[用户最常抱怨什么]
• 威胁程度与理由：[高/中/低，为什么]

非显而易见的竞争者

[从JTBD角度看，有没有不在同一品类但在争夺同一需求的产品/方案？它们的威胁程度如何？]

维度对比矩阵

[选择3-5个最关键的对比维度（不是越多越好），用表格呈现，但每个维度附一句话解释为什么选这个维度]

用户口碑摘要

[从GitHub/Reddit/Twitter/知乎等平台提炼的真实用户声音，按主题分类，不是按平台分类]

信息来源

[列出关键信息的来源URL]

禁止：不要输出纯参数对照表、不要罗列每个竞品的全部功能、不要把搜索结果原样返回。

子Agent 3 — 补充研究员

prompt模板：

你是一名补充研究员，为「{研究对象}」的深度研究补充关键维度的信息。

联网工具：使用WebSearch和WebFetch。

需要调研的维度（根据研究对象类型选择相关的）：

• 学术基础（如适用）：核心理论、关键论文、学术争议
• 监管与法律环境（如适用）：主要国家/地区的政策态度和变化趋势
• 争议与批评：有哪些知名的反对声音？他们的论点是什么？这些批评有道理吗？
• 真实应用案例：哪些应用是成功的？哪些被证明是失败或伪需求？具体案例是什么？
• 最新趋势：最近6-12个月内发生了什么重要变化？
• 主流叙事梳理：市场/媒体/投资人/从业者对这个领域的主流看法是什么？这个叙事是什么时候开始形成的？有没有与主流相反的少数派观点？
• 跨域类比素材：有没有其他领域（历史上或当下）经历过结构相似的发展路径？比如同样的技术采用曲线、同样的竞争格局演变、同样的需求迁移模式？

输出格式要求： 按维度组织，每个维度用分析性段落输出，不是信息清单。每段必须有一个核心论点。附信息来源URL。

禁止：不要输出搜索结果的原始摘要、不要罗列未经分析的事实。

子Agent 4（复杂对象使用）— 结构研究员

prompt模板：

你是一名产业结构分析师，正在为「{研究对象}」所在领域绘制结构图谱。

你的任务：通过联网搜索，分析这个领域的底层结构性力量，输出结构化分析。

联网工具：使用WebSearch和WebFetch。重点关注行业研报、投资分析、政策文件、专利数据、财务数据。

需要调研的维度：

• 产业价值链：从上游到下游，价值如何流动？每个环节的利润率分布如何？哪些环节在集中，哪些在分散？
• 结构性力量：监管力量（政策方向与时间表）、技术力量（底层技术的演进方向）、资本力量（融资周期与热度变化）、人才力量（关键人才的流向）——这四股力量各自的方向是什么？有没有互相矛盾的？
• 进入壁垒与退出壁垒：新玩家进入的难度？已有玩家退出的代价？壁垒是在升高还是降低？
• 成本结构：这个领域的不可压缩成本是什么？有没有哪些成本项正在被技术进步大幅压缩？
• 规模效应与网络效应：有没有规模经济？有没有网络效应？这些效应的强度和范围如何？

输出格式要求：

价值链图谱

[描述从上游到下游的完整价值链，每个环节的角色、利润率、集中度]

四力分析

[监管、技术、资本、人才四股力量各自的方向和强度，以及它们之间的互动]

壁垒分析

[进入壁垒和退出壁垒的具体构成，以及变化趋势]

成本底线

[不可压缩成本的构成，正在被压缩的成本项]

信息来源

[列出关键信息的来源URL]

信息来源优先级

信息充分性自检

搜索完成后检查：

• 纵向：能讲出一个有因果逻辑的完整故事吗？关键转折点的决策逻辑清楚吗？
• 横向：竞品分析够深吗？能说清楚用户选择不同产品的真实原因吗？
• 结构：价值链画清楚了吗？知道钱从哪来、流向哪了吗？知道什么力量决定胜负了吗？
• 范式：知道这个领域处于什么周期阶段吗？更大的技术/社会趋势是什么？
• 叙事：主流叙事梳理清楚了吗？反面声音收集到了吗？
• 来源：关键事实有可靠来源吗？

信息不够就再补搜。不要凑合。

第二步：分析框架构建（写作前的必要步骤）

这一步至关重要。在开始写作之前，先消化子Agent返回的信息，构建分析框架。这一步的目的是确保写出来的是经过多层次思考的分析，而不是素材的重新排列。

2.1 纵向因果链

梳理一条因果链：

[起源动机] → [关键决策A] → [导致结果B] → [遭遇挑战C] → [应对策略D] → [形成今天的状态E]

这条链就是纵向分析的叙事主线。每个箭头都是一个「为什么」，而不仅仅是一个「然后」。

2.2 横向核心差异矩阵

不要做全维度对比。选择最能解释竞争格局的3-5个维度，问自己：

• 如果一个用户在A和B之间犹豫，最终决定选A的真正原因是什么？
• 这个差异是技术路线选择导致的？商业模式导致的？还是历史路径依赖导致的？

2.3 机制解剖

不满足于"A导致了B"，要拆解A通过什么传动装置导致了B：

反馈飞轮识别：

• 这个领域中存在哪些正反馈循环（越转越快的飞轮）？画出完整的循环链条。
• 飞轮的启动条件是什么？临界点在哪里？飞轮转速现在处于什么阶段？
• 有没有负反馈循环（自我制衡的力量）在限制飞轮？

因果传动装置：

• 核心因果关系的中间环节是什么？比如"用户增长→收入增加"之间，传动装置可能是"用户增长→数据积累→模型优化→体验提升→付费转化→收入增加"。拆到这个精度才能判断哪个环节可能断裂。

延迟效应：

• 哪些因果关系存在显著的时间滞后？比如技术债的积累要等规模化后才暴露，品牌口碑的建立可能滞后于产品质量的提升12-18个月。
• 延迟效应是理解"为什么明明做了对的事但短期看不到结果"的关键。

2.4 第一性原理拆解

把所有现有产品、实现方式、行业惯例都抹掉，直接看底层约束：

剥离实现层：

• 如果从零开始，只考虑物理定律、经济规律、人性常量，这个领域的问题最优解长什么样？现有方案和最优解的差距在哪？这个差距是技术限制（暂时的）还是根本性的trade-off（永久的）？

区分必然与偶然：

• 当前格局中，哪些特征是必然的（由底层约束决定，换谁来做都一样）？
• 哪些特征是偶然的（历史路径选择的结果，本可以不是这样）？
• 偶然的部分就是变革的机会窗口。必然的部分就是无论怎么折腾也绕不过去的铁律。

不可压缩成本/约束：

• 这个领域中什么是不可压缩的？（比如物流的最后一公里成本、金融的合规成本、医疗的审批周期）
• 哪些看似不可压缩的成本正在被新技术压缩？这种压缩的极限在哪？

2.5 范式定位

把研究对象放到最大的画布上：

技术革命周期定位（参考Carlota Perez框架）：

• 当前所在的技术范式处于安装期（Installation）还是展开期（Deployment）？
• 如果处于安装期，泡沫-崩溃-黄金时代的节奏走到了哪里？
• 如果处于展开期，制度化和普及化进展到什么程度？

产业生命周期定位：

• 萌芽期、快速增长期、成熟期、还是衰退/转型期？
• 产业集中度的变化趋势是什么？（分散→集中，还是集中→分散？）

文明/社会趋势嵌入：

• 有没有更大尺度的趋势在驱动这个领域？（比如老龄化驱动医疗科技、碳中和驱动新能源、远程办公驱动协作工具）
• 这些大趋势的不可逆程度如何？

2.6 交汇点识别

找到所有分析维度的交叉点：

• 今天的竞争位置，哪些是历史决策的直接结果？
• 今天的优势/劣势，能追溯到哪个历史节点？
• 如果把竞品也放上时间线，它们的起源和分化点在哪里？
• 机制层交汇：研究对象的飞轮和竞品的飞轮有什么不同？谁的飞轮转得更快，为什么？
• 结构层交汇：第一性原理分析揭示的"必然"，和纵轴故事中的"偶然"，在哪里交汇？

这些分析完成后，你应该有了报告的骨架。然后才开始写。

第三步：纵向分析（Diachronic / Longitudinal）

沿时间轴，完整还原研究对象从诞生到现在的发展全貌。这是报告的主体部分，篇幅应该最重。

叙事原则：多尺度叙事，讲故事不列年表

纵向分析要求三个尺度自然交织，而不是只在一个尺度上叙事：

• 微观尺度：关键人物在关键时刻的具体决策、会议室里的争论、某个工程师的某次提交——这些戏剧性的细节让故事有血肉。
• 中观尺度：产品/公司的演化弧线——这是叙事的主线。
• 宏观尺度：产业周期、技术范式的变迁如何为这个故事提供舞台——这是叙事的背景画布。

好的多尺度叙事像电影运镜：大部分时间跟着主角（中观），在关键节点推近到特写（微观），在需要解释"为什么这件事会在这个时候发生"时拉远到全景（宏观）。三个尺度之间的切换应该像呼吸一样自然，而不是机械地分块。

反面示例（禁止）：

2023年1月，X公司发布了v2.0版本。2023年3月，X公司获得B轮融资5000万美元。2023年6月，X公司推出了新功能Y。2023年9月，X公司用户数突破100万。

正面示例（目标）：

2023年初的大模型军备竞赛为X公司提供了一个意想不到的窗口。（宏观）

v2.0的发布时机耐人寻味。当时X公司刚刚经历了一次内部路线之争——CTO主张的技术重构方案被否决，产品团队推动的「快速迭代」路线胜出。这次选择的后果很快显现：v2.0确实赶上了市场窗口，用户数在半年内翻了十倍，但也埋下了技术债——那些被跳过的底层重构，两年后变成了制约扩容的最大瓶颈。（中观+微观）

5000万美元的B轮融资紧随其后。投资人看到的是漂亮的增长曲线，但X公司内部清楚：这些数字背后有多少是补贴换来的，有多少是有机增长。这个问题在后来的C轮融资中终于被摆上了台面。（中观）

需求考古

在讲产品/公司故事的同时，追溯一条底层需求的演化线：

• 前产品时代：在这个产品出现之前，人们用什么方式满足同样的需求？旧方案的痛点是什么？
• 需求的迁移与变形：需求本