laser1209/aerie-yunqi/consulting-analysis
Trust tier 3
- community
Source check pending
Checking that the SKILL.md file is still in the repository.
Install
npx vskill@latest install laser1209/aerie-yunqi/consulting-analysisSKILL.md
咨询级报告(consulting-analysis)
当用户要一份咨询级的研究/分析报告时使用:行业研究、市场分析、消费者洞察、 品牌分析、财务分析、竞品分析、投资尽调。 分两阶段:先产出框架 + 数据需求,数据齐了再产出成稿。
铁律
- 结论先行(金字塔):每章开头先给结论句,再用 2~4 条论据支撑,最后放数据。禁止"先铺垫后揭晓"。
- 每个结论必须有数据或来源:写不出来源的论断,降级为"假设"并显式标注。
- 先有框架再找数据:先定章节骨架与每节要回答的问题,再列数据需求;不要拿到数据反推它能说明什么。
- 口径统一:时间范围、单位、口径(含税/不含税、同比/环比、渗透率定义)全篇一致,并在开头写明。
- 区分事实与判断:事实标来源,判断标推理链,预测标假设与敏感度。
- 给可执行结论:战略建议必须落到"做什么、优先级、前置条件、风险",不写"应加强""要重视"。
步骤
- 定问题:把需求方的问题翻译成一个可回答的核心问题(一句话),并列出它隐含的子问题。
- 出骨架:给章节目录,每节写"要回答的问题 + 需要的指标/数据 + 预期结论方向"。
- 列数据需求:逐条写 指标、口径、来源、时间范围、缺失时的替代方案,交给数据方去取。
- 收数校验:数据到手先做合理性检查(量级、加总、与历史/常识对比),冲突的标注并说明取值理由。
- 写分析:按"结论 → 论据 → 数据 → 含义"的顺序写,图表只放支撑结论的那一张。
- 交叉验证:用第二种方法或第二个来源验证主结论;对不上就回查口径。
- 出战略结论:给 2~4 条可执行建议 + 优先级 + 前置条件 + 风险,每条注明依据章节。
输出形态
反面例子(不要这样)
- 堆了 20 张图,却没有一句结论。
- 数据来源缺失,或只写"据行业经验"。
- 同一份报告里"市场规模"前后用了两种口径。
- 建议写成"提升品牌力""加强数字化",无法执行。
Security
- Security scanPassed, 90 of 100Pattern checks on the skill's files.
- Model reviewPassed
Quality evaluation
- Task evaluationNot runNo evaluation yet. Run one in Skill Studio.
Source
- SKILL.md in the repositoryCheckingskills/cloud/consulting-analysis/SKILL.md
Popularity
- 7-day trend score
- 5
Not refreshed yet.
Works with
Any agent vskill installs to: 56 targets in all. These 39 have a page on this site.
- Claude Code
- Cursor
- GitHub Copilot
- Windsurf
- Codex
- Gemini CLI
- Cline
- Amp
- Roo Code
- Goose
- Continue
- Kilo Code
- Junie
- Trae
- OpenHands
- Qwen Code
- AI Agent
- Tabnine Chat
- Sourcegraph Cody
- Amazon Q
- Firebase Genkit
- Sweep
- Devin
- Phind
- Mentat
- Claude Desktop
- Aider
- GPT Pilot
- Plandex
- bolt.new
- v0
- Replit Agent
- Anse
- TypingMind
- BetterChatGPT
- LibreChat
- Warp AI
- Pieces
- Fig AI
Embed badge
[](https://verified-skill.com/skills/laser1209/aerie-yunqi/consulting-analysis)