---
name: industry-deep-research
description: 行业深度研究规程。用户要研究某个行业、产业链、市场结构、技术路线、政策环境、中长期趋势、机会或风险时使用。
---

# 行业深度研究

接到行业研究任务时，先按本规程拆解问题，再检索和综合证据。研究目标是解释行业如何运作、正在发生什么变化、证据支持哪些判断，以及哪些问题仍不确定。

## 适用范围

- 行业全景、市场规模与增长驱动
- 产业链结构、关键环节、成本与价值分布
- 竞争格局、代表企业和商业模式
- 技术路线、产业化进展和采用障碍
- 政策法规、标准、贸易与供应链环境
- 中长期趋势、情景推演、机会和风险

简报、单条消息核实和单个竞品对比优先使用对应的专门技能；需要时可在深度研究中引用这些技能的分析方法。

## 研究步骤

### 1. 明确研究口径

记录或说明：

- 研究对象和行业边界
- 地理范围
- 时间范围和基准日期
- 用户希望支持的判断或决策
- 采用的假设、暂不覆盖的内容

用户没有指定时，围绕用户提到的行业开展研究；小察工作台首批持续观察主题为具身智能、AI 前沿观察和政策分析，也覆盖智能硬件及其上下游和关联行业。

### 2. 建立研究问题

根据任务选择相关问题，不必机械覆盖全部维度：

- 需求来自哪些客户、场景和预算？需求是否在增长？
- 市场规模数字采用什么定义、地区、年份和计量单位？
- 价值链有哪些环节，利润、议价权、进入壁垒和依赖关系如何分布？
- 主要参与者分别处于什么位置，竞争优势由什么形成？
- 哪些技术路线在成熟、验证或规模化阶段？成本和采用障碍是什么？
- 哪些政策、标准和供应链变化会影响行业，何时生效？
- 未来 1–3 年哪些变量最可能改变行业判断？如何观察？

### 3. 检索与记录证据

- 使用具体关键词，围绕不同研究问题分别检索。必要时按企业公告、行业数据、政策、技术和应用场景分组。
- 优先使用政府部门、监管机构、行业组织、公司公告/财报、标准文件和原始研究。媒体报道与二手研究用于补充和发现线索。
- 关键结论尽量由两个相互独立的来源支持。需要多轮采集时委派 `intel-scouter`，并要求其返回链接、发布日和原文要点。
- 每条证据记录来源名称、链接、发布日期、数据所描述的时期及其口径。
- 页面无法访问、搜索结果不含原文或来源之间互相矛盾时，明确记录限制，不推测缺失内容。

### 4. 核验与分析

- 将来源披露、第三方估算、分析判断和情景假设分开。
- 核对数字的地域、统计范围、计量单位、价格口径、样本和时间窗口。
- 比较冲突信息时，先检查定义和方法差异，再判断是否可以并列；无法对齐时不强行求平均。
- 解释证据之间的联系：需求如何传导到产业链，技术或政策如何改变成本、竞争位置和商业化节奏。
- 不把相关性写成因果，不从个别企业案例推断全行业普遍规律。
- 研究动态信息时写明检索截止日；较早的资料仍可用于结构性判断，但要标明资料时间。

### 5. 形成判断

明确回答用户的问题，并列出：

- 证据充分的核心发现
- 对目标企业、产品或决策的可能含义
- 关键不确定性和证据缺口
- 可继续跟踪的指标、事件或验证条件

若提供情景推演，写明驱动因素、假设和触发信号，不将情景当成预测事实。

## 默认交付结构

按任务裁剪，不为满足模板加入空泛章节：

1. **结论摘要**：直接回答研究问题，列出最重要的发现。
2. **研究口径**：对象、范围、时间、方法和资料截止日。
3. **行业结构**：需求、产业链、竞争、技术和政策中与问题相关的内容。
4. **关键判断**：说明证据如何支持判断，并标记事实、估算或推断。
5. **机会、风险与不确定性**：说明影响路径和适用条件。
6. **观察清单**：建议跟踪的指标、来源和触发信号。
7. **来源清单**：标题、发布机构、发布日期和可访问链接。

## 质量检查

输出前检查：

- 是否覆盖了用户真正要判断的问题？
- 核心数字是否带口径、时间、单位和来源？
- 来源是否可访问，发布日期是否准确？
- 事实、估算、分析和建议是否清楚区分？
- 是否指出了来源冲突、资料缺口和结论限制？
- 建议是否能由前面的证据推出？

## 写入小察研究工作台

当研究结果适合成为某个主题的持续观察时，调用 `save_market_observation` 保存一条记录：

- `topic_id` 只能使用 `embodied-intelligence`、`ai-frontier`、`policy-analysis`。
- 每条资讯必须且只能选一个所属细分领域，写入对应的 `category_id`；不要多选，也不要只凭标题猜分类。分类按主要研究信号确定：
  - 具身智能：`home-service-robots`（家庭服务机器人）、`industrial-robots`（工业机器人）、`commercial-service-robots`（商业服务机器人）、`robot-platforms`（机器人本体与核心部件）、`embodied-models`（具身模型与训练）、`robot-commercialization`（量产与商业化）。
  - AI 前沿观察：`foundation-models`（基础模型）、`multimodal-ai`（多模态 AI）、`ai-agents`（智能体与工具链）、`compute-infrastructure`（算力与基础设施）、`ai-applications`（产品与行业应用）、`ai-ecosystem`（企业与开源生态）。
  - 政策分析：`national-strategy`（国家战略与规划）、`industry-support`（产业扶持政策）、`regulation-compliance`（监管与合规）、`standards-certification`（标准与认证）、`local-pilots`（地方试点与项目）、`policy-impact`（政策落地与产业影响）。
  如果无法从来源确认主要归属，继续核对；仍无法判断时不要入库，并说明缺少的证据。
- 标题简明描述信号；摘要说明发生了什么及其关注价值；正文保留口径、证据、事实与判断、不确定性和后续观察项。
- `sources_json` 使用 JSON 列表，逐项提供标题、URL、发布日期和发布机构。不要把搜索摘要当作已核实的原文证据。
- 简单问答或一次性咨询不必保存。只有可复用、可追踪的行业信号才写入工作台。

如果没有足够可靠的信息支持结论，直接说明目前能确认什么、不能确认什么，以及最有价值的下一步检索方向。

## 持续研究数据飞轮

小察工作台按“主题 → 细分领域 → 研究观察 → 分类研判 → 主题综合研判”组织行业研究。观察记录是证据，不是最终交付；用户的核心浏览对象是可追溯、可持续更新的研判。

- 新进展先核实并写入唯一细分领域。定时任务或外部智能体应先调用 MCP `get_ingestion_guidelines`，按来源 ID/URL 幂等入库。
- 一轮采集结束后，针对本轮真正新增、且会改变趋势判断或跟踪指标的证据更新对应分类研判；用 `get_judgement(topic_id, category_id)` 检查当前版本和资料截止点，避免重复运行机械地生成版本。
- 分类研判必须引用实际观察记录 ID 和一手来源，写清数据口径、置信度、截止时间、不确定性及待跟踪信号。日常问答不自动改写研判；只有明确生成、更新研判的任务才调用 `save_market_judgement`。
- 主题综合研判只能基于已有的分类研判生成。分类版本变化后，主题总览应标为待更新；待当轮受影响的分类研判完成后再汇总，保留主题与分类版本的来源关联。
- 如果新增内容只重复已有事实、没有改变判断，不必为了“每日更新”而改写报告；工作台会显示尚未吸收的新增证据，交由后续有实质变化时一并处理。