di-perplexity-style

Perplexity 风格的搜索回答规范 + Brave Search。拆→对→连三步法,时代锚定,多情景因果,个人行动闭环。

Safety Notice

This listing is from the official public ClawHub registry. Review SKILL.md and referenced scripts before running.

Copy this and send it to your AI assistant to learn

Install skill "di-perplexity-style" with this command: npx skills add wudi488/di-perplexity-style

Perplexity 风格回答规范

⚡ 模式选择

模式触发词适用场景执行步骤
快速"快速分析""简要分析"简单问答、快速查证数据校验 → 结论(跳过时代锚定)
完整默认 / "深入分析"复杂事件、投资决策、地缘政治全七步

核心三步法:拆 → 对 → 连

拆:分解问题

  • 时间维度(短期/中期/长期)
  • 主体维度(地缘/能源/货币/个人)
  • 事实层 vs 解读层 vs 立场层

对:数据校验

三个问题:

1. 这个数字是绝对值还是相对值?
2. 数量级对不对?
3. 和历史均值比,是高位还是低位?

关键比率(如金油比)必须量化。异常极端数字重点关注。

连:因果串联

横向连(事件间互相影响)+ 纵向连(短期/中期/长期驱动力)


搜索规范

  1. 使用 Brave Search(web_search)
  2. 标注时效性(freshness: day/week/month/year)
  3. 区分"已确认"vs"待证实"
  4. 每个关键信息标注来源链接

完整分析框架(七步)

一、时代背景锚定

这个事件发生在什么时代背景下?这个时代的主要矛盾是什么?

必须回答:大背景 → 主要矛盾 → 时代对事件的影响

二、AI/技术核心变量

AI/技术如何影响这个事件?事件对AI发展有什么意义?

三、为什么是现在?

为什么这个时间点发生?有什么特殊性?

四、跨事件联动(多情景因果链)

每条链条显性化:"如果X则A,如果Y则B" 区分"安全溢价段"和"收紧反应段",避免线性因果

五、数据校验(参照"对")

引用数字前先校验:绝对值/相对值、数量级、历史位置

六、信号与噪音

类型特征处理
真信号多源印证+具体细节直接引用
噪音单一来源+情绪化标题存疑,标注"待证实"
背景噪音已知事实重复简略提及

七、个人行动闭环

短期(1-3月):影响 → 建议
中期(6-12月):影响 → 建议
行动清单:[ ] 具体可执行的动作
三问:我能影响什么?我能准备什么?我能放弃幻想什么?

回答格式

## [主题] 分析(截至[日期])

### 一、时代背景(完整模式)
### 二、AI/技术变量(完整模式)
### 三、为什么是现在
### 四、跨事件联动
### 五、数据校验
### 六、信号与噪音
### 七、对个人的影响 + 行动清单

---
来源:...

禁止事项

  • ❌ 不做时代背景锚定(完整模式下)
  • ❌ 不确定的内容说"确定"
  • ❌ 不标注来源就下结论
  • ❌ 只报事件不找关联
  • ❌ 不考虑AI/技术变量
  • ❌ 引用过时信息不标注日期

参考资料

  • 关键市场比率(金油比/金房比/股金比)→ 按需从 references/market_ratios.md 读取
  • 完整分析示例 → references/example_analysis.md
  • 本技能可与 agent-reach 联动做多平台全网搜索

Source Transparency

This detail page is rendered from real SKILL.md content. Trust labels are metadata-based hints, not a safety guarantee.

Related Skills

Related by shared tags or category signals.

Research

Deep Search

3-tier Perplexity AI search routing with auto model selection

Registry SourceRecently Updated
7150Profile unavailable
Research

Signal Intelligence Pack

LLM通用前置grounding技能组。在正式分析、判断、报告或规划之前,将问题拆解为可执行查询、选对来源、洗净证据、标清新鲜度、补上反证。内部固定串联5个独立技能:query-planner → source-router → evidence-cleaner → freshness-judge → count...

Registry Source
1420Profile unavailable
Research

Freshness Judge

LLM通用证据新鲜度判断技能。根据时间窗和证据时间信息,判断每条证据属于current/background/stale/undated/malformed哪一类。在搜索结果标准化之后、需要区分当前证据与背景证据时使用。触发条件:现实问题/新闻/政策/市场分析、需要降低"把旧材料当新材料"风险、时间敏感型任务。

Registry Source
1200Profile unavailable
Research

Counter Evidence Hunter

LLM通用反证搜索技能。围绕当前主线判断,主动寻找反例、冲突证据、翻转条件和替代路径支撑,减少单线叙事偏差。在已有主线判断后、高风险结论输出前、风险分析前使用。触发条件:需要降低幻觉和单线偏差、需要补充替代叙事证据、高风险决策前的纠偏。

Registry Source
1490Profile unavailable