天人感應
天人感應
展示內容
描述
針對用戶指定的財經/科技/商業方向，自動搜尋多平台資訊來源，篩選出初步線索和核心線索，並挖掘10年內的關聯事件，輸出結構化選題分析報告。 步驟 1：多源資訊採集 - 搜尋過去30天內的新聞，覆蓋微信公眾號、華爾街見聞、36氪（高權重），虎嗅、雪球、鈦媒體（標準權重） - 記錄標題、時間、平台、摘要、原始連結 - 初步過濾重複、廣告、低可信度內容 步驟 2：資訊去重與聚合 - 按核心對象、核心事實、時間窗口（7天內）聚合同一事件 - 統計被多少獨立信源提及 - 去除低價值事件，輸出候選資訊事件清單 步驟 3：事件分析與線索分類 初步線索標準（符合任一）：反常事件、高討論度（3個以上信源）、異動、行業重大節點、大公司負面 核心線索標準（符合2條及以上）：戲劇化衝突、可挖掘意義空間、3個以上主體、時效性（14天內） - 核心線索不少於5條，總量10-25條 - 每個線索包含：事件標題、概述、可寫點深度分析（具體展開寫作價值）、符合標準標註 步驟 4：深度關聯挖掘 - 搜尋範圍擴展至10年內 - 提取關鍵實體，搜尋：主體歷史節點、行業政策演變、競品同期動態、上下游產業鏈變化 - 只要有關聯即收錄，標註關聯類型和年份 步驟 5：結構化輸出 輸出包含：一、核心線索區塊；二、初步線索區塊；三、研究建議 每個線索包含：事件概述、符合標準標註、可寫點深度分析、關聯事件（10年歷史）、參考連結 工具配置：網頁搜尋、長文檔生成 參考資源：無固定參考，用戶可在輸入時附加
相關技能
查看全部
內容研報生成器
📝 一句話價值：輸入主題或上傳資料，AI 幫你完成從資料整理到初稿撰寫的整個過程。 🔍 核心功能： 資料智能整合：上傳多份文件，AI 自動提取核心觀點、關鍵數據、典型案例，去重並標註衝突 大綱自動生成：基於主題或資料內容，生成邏輯清晰、結構完整的文章大綱 初稿一鍵撰寫：按大綱逐段生成內容，數據、案例均有來源標註，可追溯 五種風格適配：支援正式報告、公眾號文章、小紅書筆記、學術論文、商務簡報五種寫作風格 引用透明可查：每個數據、每個觀點都標註引用來源，不編造、不杜撰 內容自動生成工作流：資料解析 → 觀點提取 → 大綱生成 → 五種風格撰稿 🎯 適用場景： 📊 產業研究：輸入「2026 年人形機器人產業」，生成帶數據、案例的分析報告初稿 📝 內容創作：上傳 3 篇相關文章，整合成一篇公眾號深度長文 📚 學術寫作：上傳多篇論文摘要，生成文獻綜述初稿 📋 競品分析：上傳多份競品資料，一鍵生成對比分析報告 🧠 個人學習：輸入一個新領域主題，快速生成該領域的知識綜述 💼 商業決策：輸入業務數據 + 背景資料，生成給 CEO 看的決策簡報 👩💼 適合人群：研究員、分析師、內容創作者、產品經理、學生、諮詢顧問——任何需要快速產出高品質初稿的人。
輿情監測與危機研判
將公司、品牌、人物、產品、事件或產業議題的模糊監測需求，整理成清晰、可執行的輿情分析方案。它會明確監測對象、模式、時間範圍、地區與輸出形式，擴展核心詞、別名、相關實體與產業風險詞，並列出計畫涵蓋的新聞媒體、社群平台、影音平台、論壇社群、評價與客訴、官方公告及監管司法等管道，先交由你確認範圍後再開始蒐集；如已獲授權直接執行，也會保留完整的方案口徑。 在公開資訊基礎上，形成附有來源、時間、平台與涵蓋範圍說明的素材清單，區分轉載、行銷內容與可查證事實，避免將單一平台結果誤稱為全網結論。分析內容包括聲量趨勢、情緒傾向、議題聚類、峰值歸因、傳播路徑、關鍵傳播者與風險等級，並清楚區分事實、推論與建議。 針對競品監測，可圍繞產品功能、服務能力、廣告投放、行銷活動、使用者口碑與獲利能力進行多面向比較，說明評分依據與差距來源。最終可整理成適合決策者閱讀的輿情報告，包含執行摘要、趨勢與圖譜、風險預警、應對口徑、資料來源及未涵蓋管道；也可依需求產生視覺化網頁、管理層簡報版或週期性監測方案。
課題申請書創作、評審與潤色PRO V2.0
🎯 核心功能概述 這是一個專為國家社科、教育部、省級課題申請打造的智能評審與優化系統，模擬15年資深評審專家的思維模式，透過三大核心機制確保申請書的學術嚴謹性和競爭力。 🔧 三大核心機制 1️⃣ 12步結構化方法論 完整覆蓋課題申請書評審的全生命週期： Phase 1-3：基礎診斷 - 公告深度解析（資助導向、評審標準、申請要求） - 交叉學科類型判斷（8種類型精準識別） - 研究GAP五維度識別（理論/方法/實證/政策/技術） Phase 4-7：核心要素評審 - 研究問題TMAQ模型分析（理論/方法/思路/問題四維） - 研究目標SMART原則檢驗 - 研究內容框架完整性評估 - 研究思路類型匹配（6種類型） Phase 8-10：深度品質提升 - 重難點精準提煉（區分標準+突破路徑） - 創新點7維度挖掘 - 可行性7維度論證 Phase 11-12：整體優化 - 9維度品質檢測（學術嚴謹性、創新性、可行性等） - 綜合優化建議與最終報告 2️⃣ 雙核對抗機制（Builder vs Supervisor） 工作原理： - Builder（學術寫手）：基於用戶材料生成優化方案 - Supervisor（頂刊審稿人）：以最嚴苛標準挑戰Builder的方案 - 對抗迭代：透過3輪對抗確保方案經得起推敲 應用場景： - 創新點挖掘時：Builder提出創新點 → Supervisor質疑其新穎性 → 迭代優化 - 可行性論證時：Builder設計方案 → Supervisor挑戰其可行性 → 補充論證 - 文獻引用時：Builder引用文獻 → Supervisor驗證真實性 → 確保學術規範 3️⃣ 文獻真實性驗證機制 兩種工作模式： 模式A：佔位符模式（預設） - 使用 [文獻佔位符-001] 等標記代替具體文獻 - 輸出《文獻需求清單》，明確每個佔位符的檢索要求 - 用戶自行檢索後填入真實文獻 模式B：即時驗證模式 - 調用 Google Scholar 即時驗證文獻真實性 - 生成《文獻驗證報告》（真實性/相關性/權威性評分） - 確保每條引用都可追溯 防止AI幻覺： - 禁止憑空捏造作者、期刊、DOI - 所有文獻必須經過驗證或標記為佔位符 - 保障學術誠信底線 💡 核心價值與適用場景 ✅ 解決的核心痛點 1. 學術不嚴謹：AI生成內容常出現虛假文獻、邏輯漏洞 2. 創新性不足：難以挖掘真正的學術創新點 3. 可行性薄弱：研究方案缺乏系統論證 4. 交叉學科難：跨學科選題容易「兩頭不靠」 🎓 適用用戶 - 高校教師（社科、教育、人文學科） - 科研人員（申請國家級、省部級課題） - 學術團隊（需要系統化評審流程） 📋 典型使用流程 1. 輸入：上傳課題公告 + 申請書草稿 2. 評審：系統執行12步結構化分析 3. 對抗：雙核機制迭代優化關鍵部分 4. 驗證：文獻真實性檢查 5. 輸出：完整評審報告 + 優化建議 + 文獻清單 🔍 與傳統評審的區別 | 維度 | 傳統人工評審 | 專家評審系統 | |------|------------|---------| | 評審深度 | 依賴個人經驗 | 12步結構化+9維質檢 | | 學術嚴謹性 | 難以全面核查 | 文獻驗證+雙核對抗 | | 創新性挖掘 | 主觀判斷 | 7維度系統分析 | | 可行性論證 | 經驗驅動 | 7維度逐項論證 | | 一致性 | 因人而異 | 標準化流程 | | 效率 | 數天到數週 | 1-2小時完成初評 | 這個系統的核心優勢在於：將15年資深評審專家的隱性知識顯性化、結構化、可複製化，讓每位使用者都能獲得頂級專家水準的評審服務。
資訊
- 版本
- v1
- 更新時間
- 執行點數
- 依實際用量
- 模型
- Gemini 3.1 Pro
