天人感应
天人感应
展示内容
描述
针对用户指定的财经/科技/商业方向，自动搜索多平台信息源，筛选出初步线索和核心线索，并挖掘10年内的关联事件，输出结构化选题分析报告。 Step 1: 多源信息采集 - 搜索过去30天内的新闻，覆盖微信公众号、华尔街见闻、36氪（高权重），虎嗅、雪球、钛媒体（标准权重） - 记录标题、时间、平台、摘要、原始链接 - 初步过滤重复、广告、低可信度内容 Step 2: 信息去重与聚合 - 按核心对象、核心事实、时间窗口（7天内）聚合同一事件 - 统计被多少独立信源提及 - 去除低价值事件，输出候选信息事件清单 Step 3: 事件分析与线索分类 初步线索标准（符合任一）：反常事件、高讨论度（3个以上信源）、异动、行业重大节点、大公司负面 核心线索标准（符合2条及以上）：戏剧化冲突、可挖掘意义空间、3个以上主体、时效性（14天内） - 核心线索不少于5条，总量10-25条 - 每个线索包含：事件标题、概述、可写点深度分析（具体展开写作价值）、符合标准标注 Step 4: 深度关联挖掘 - 搜索范围扩展至10年内 - 提取关键实体，搜索：主体历史节点、行业政策演变、竞品同期动态、上下游产业链变化 - 只要有关联即收录，标注关联类型和年份 Step 5: 结构化输出 输出包含：一、核心线索区块；二、初步线索区块；三、研究建议 每个线索包含：事件概述、符合标准标注、可写点深度分析、关联事件（10年历史）、参考链接 工具配置：网页搜索、长文档生成 参考资源：无固定参考，用户可在输入时附加
相关技能
查看全部
内容研报生成器
📝 一句话价值：输入主题或上传资料，AI 帮你完成从资料整理到初稿撰写的全过程。 🔍 核心功能： 资料智能整合：上传多份文档，AI 自动提取核心观点、关键数据、典型案例，去重并标注冲突 大纲自动生成：基于主题或资料内容，生成逻辑清晰、结构完整的文章大纲 初稿一键撰写：按大纲逐段生成内容，数据、案例均有来源标注，可追溯 五种风格适配：支持正式报告、公众号文章、小红书笔记、学术论文、商务简报五种写作风格 引用透明可查：每个数据、每个观点都标注引用来源，不编造、不杜撰 内容自动生成工作流：资料解析 → 观点提取 → 大纲生成 → 五种风格撰稿 🎯 适用场景： 📊 行业研究：输入「2026 年人形机器人产业」，生成带数据、案例的分析报告初稿 📝 内容创作：上传 3 篇相关文章，整合成一篇公众号深度长文 📚 学术写作：上传多篇论文摘要，生成文献综述初稿 📋 竞品分析：上传多份竞品资料，一键生成对比分析报告 🧠 个人学习：输入一个新领域主题，快速生成该领域的知识综述 💼 商业决策：输入业务数据 + 背景资料，生成给 CEO 看的决策简报 👩💼 适合人群：研究员、分析师、内容创作者、产品经理、学生、咨询顾问——任何需要快速产出高质量初稿的人。
舆情监测与危机研判
把公司、品牌、人物、产品、事件或行业议题的模糊监测需求，整理成清晰、可执行的舆情分析方案。它会明确监测主体、模式、时间范围、地区与输出形式，扩展核心词、别名、关联实体和行业风险词，并列出计划覆盖的新闻媒体、社交平台、视频平台、论坛社区、点评投诉、官方公告及监管司法等渠道，先交由你确认范围后再开展采集；如已授权直接执行，也会保留完整的方案口径。 在公开信息基础上，形成带来源、时间、平台和覆盖说明的素材清单，区分转载、营销内容与可核查事实，避免将单一平台结果误称为全网结论。分析内容包括声量趋势、情感倾向、议题聚类、峰值归因、传播路径、关键传播者与风险等级，并清楚区分事实、推断和建议。 对于竞品监测，可围绕产品功能、服务能力、广告投放、营销活动、用户口碑和盈利能力进行多维对比，说明评分依据与差距来源。最终可整理为适合决策者阅读的舆情报告，包含执行摘要、趋势与图谱、风险预警、应对口径、数据来源及未覆盖渠道；也可按需生成可视化网页、管理层汇报版或周期监测方案。
课题申报书创作、评审与润色PRO V2.0
🎯 核心功能概述 这是一个专为国家社科、教育部、省级课题申报打造的智能评审与优化系统，模拟15年资深评审专家的思维模式，通过三大核心机制确保申报书的学术严谨性和竞争力。 🔧 三大核心机制 1️⃣ 12步结构化方法论 完整覆盖课题申报书评审的全生命周期： Phase 1-3：基础诊断 - 公告深度解析（资助导向、评审标准、申报要求） - 交叉学科类型判断（8种类型精准识别） - 研究GAP五维度识别（理论/方法/实证/政策/技术） Phase 4-7：核心要素评审 - 研究问题TMAQ模型分析（理论/方法/思路/问题四维） - 研究目标SMART原则检验 - 研究内容框架完整性评估 - 研究思路类型匹配（6种类型） Phase 8-10：深度质量提升 - 重难点精准提炼（区分标准+突破路径） - 创新点7维度挖掘 - 可行性7维度论证 Phase 11-12：整体优化 - 9维度质量检测（学术严谨性、创新性、可行性等） - 综合优化建议与最终报告 2️⃣ 双核对抗机制（Builder vs Supervisor） 工作原理： - Builder（学术写手）：基于用户材料生成优化方案 - Supervisor（顶刊审稿人）：以最严苛标准挑战Builder的方案 - 对抗迭代：通过3轮对抗确保方案经得起推敲 应用场景： - 创新点挖掘时：Builder提出创新点 → Supervisor质疑其新颖性 → 迭代优化 - 可行性论证时：Builder设计方案 → Supervisor挑战其可行性 → 补充论证 - 文献引用时：Builder引用文献 → Supervisor验证真实性 → 确保学术规范 3️⃣ 文献真实性验证机制 两种工作模式： 模式A：占位符模式（默认） - 使用 [文献占位符-001] 等标记代替具体文献 - 输出《文献需求清单》，明确每个占位符的检索要求 - 用户自行检索后填入真实文献 模式B：实时验证模式 - 调用 Google Scholar 实时验证文献真实性 - 生成《文献验证报告》（真实性/相关性/权威性评分） - 确保每条引用都可追溯 防止AI幻觉： - 禁止凭空捏造作者、期刊、DOI - 所有文献必须经过验证或标记为占位符 - 保障学术诚信底线 💡 核心价值与适用场景 ✅ 解决的核心痛点 1. 学术不严谨：AI生成内容常出现虚假文献、逻辑漏洞 2. 创新性不足：难以挖掘真正的学术创新点 3. 可行性薄弱：研究方案缺乏系统论证 4. 交叉学科难：跨学科选题容易“两头不靠” 🎓 适用用户 - 高校教师（社科、教育、人文学科） - 科研人员（申报国家级、省部级课题） - 学术团队（需要系统化评审流程） 📋 典型使用流程 1. 输入：上传课题公告 + 申报书草稿 2. 评审：系统执行12步结构化分析 3. 对抗：双核机制迭代优化关键部分 4. 验证：文献真实性检查 5. 输出：完整评审报告 + 优化建议 + 文献清单 🔍 与传统评审的区别 | 维度 | 传统人工评审 | 专家评审系统 | |------|------------|---------| | 评审深度 | 依赖个人经验 | 12步结构化+9维质检 | | 学术严谨性 | 难以全面核查 | 文献验证+双核对抗 | | 创新性挖掘 | 主观判断 | 7维度系统分析 | | 可行性论证 | 经验驱动 | 7维度逐项论证 | | 一致性 | 因人而异 | 标准化流程 | | 效率 | 数天到数周 | 1-2小时完成初评 | 这个系统的核心优势在于：将15年资深评审专家的隐性知识显性化、结构化、可复制化，让每位使用者都能获得顶级专家水准的评审服务。
信息
- 版本
- v1
- 更新时间
- 运行积分
- 按实际用量
- 模型
- Gemini 3.1 Pro
