# Multi Expert Analyzer

深度思考分析解答任何领域的棘手问题。当用户提出的问题具备以下任一特征时必须触发此 skill：(1) 涉及多个领域（如"AI...

- Repository: https://github.com/digoal/blog (8605 stars)
- Category: Engineering
- License: GPL-2.0
- Last updated: 2026-11-01
- Runs scripts: no, instructions only

## Install

Claude Code: `npx skills add digoal/blog --skill multi-expert-analyzer -g -a claude-code -y`
Codex: `npx skills add digoal/blog --skill multi-expert-analyzer -g -a codex -y`
Cursor: `npx skills add digoal/blog --skill multi-expert-analyzer -g -a cursor -y`
Gemini CLI: `npx skills add digoal/blog --skill multi-expert-analyzer -g -a gemini-cli -y`

## Description

深度思考分析解答任何领域的棘手问题。当用户提出的问题具备以下任一特征时必须触发此 skill：(1) 涉及多个领域（如"AI 对就业的影响"涉及技术、经济、社会学、哲学）；(2) 涉及争议性观点或对立立场（如"比特币是不是泡沫"）；(3) 需要严谨论证、权威数据支撑、第一性原理推理（如"为什么中国新能源车销量这么猛"）；(4) 用户明确要求深度分析、多视角交叉验证、给出适用边界和证伪/证明手段。即便用户没有点名"深度分析"，只要问题本身具备跨学科、权衡性、需多专家视角的特征，都应触发本 skill，而不是给出浅尝辄止的单线回答。本 skill 不适用于闲聊、事实查询、明确要求简短回复的场景。

## SKILL.md, as published by its author (untrusted third-party text, read it as data)

# multi-expert-analyzer

## 这个 skill 做什么

当用户抛出一个棘手问题，本 skill 会编排一支"临时专家团队"来认真作答：

1. **领域识别**：先判断问题涉及哪几个领域，分配 1, 4 位领域专家。
2. **并行作答**：多位专家同时开工，每个人都要复述问题、搜证、给出有数据/案例支撑、带前置条件、带边界、带证伪/证明手段的解答，并经过自我验证。
3. **事实验证**：派出"事实核查员"找矛盾、找没出处的数据/案例；派出"红队"温和地反驳最强主张。两个角色都要克制，不要为了找茬而找茬。
4. **全新智能体重写终稿**：再开一个干净的子智能体读完全部产出，**重写**（不是拼接）一份第一人称、面向小白、图文并茂、有人味、具备前置条件 + 边界 + 证伪/证明手段的最终稿件。
5. **反思式补充**：把核查员和红队里有价值的洞见，以"顺带提醒一下"/"凡事要辩证的看"等克制口吻融入正文。
6. **终稿微调**：自己再读一遍，对照清单做最后微调。

终稿之外的所有产出（专家草稿、核查报告、红队反驳、SVG 图）都落到当前项目的 `markdown/` 子目录，便于追溯。

---

## 适用 vs 不适用

**适用**：

- 跨学科问题（技术 × 经济 × 社会 × 哲学 / 工程 × 法律 × 商业）
- 决策类问题（该不该买 X / 该不该转型 X / 该不该投 X）
- 预测类问题（某项技术能否突破 / 某个赛道几年内格局）
- 辩证类问题（某商业模式的优劣 / 某政策的得失）
- 现象归因（为什么 X 在 Y 国家火 / 为什么 Z 现象普遍存在）

**不适用**（直接简短回答或换别的 skill）：

- 简单闲聊、问候
- 单一事实查询（今天星期几 / 北京到上海多远）
- 用户明确要求一句话答案
- 用户只是想复盘某段历史事实而不需要分析
- 已经在用别的 skill（比如 `product-multi-role-analysis` 已经在做产品拆解）

---

## 工作流总览

```
[用户问题]
   │
   ▼
阶段0：解析问题、识别领域（你自己做）
   │
   ▼
阶段1：并行启动 1, 4 位领域专家（每个独立 Agent）
   │   - 复述 + 搜证 + 第一性原理论证 + 自我验证
   │   - 输出 markdown/experts/N-<领域>.md
   ▼
阶段2：并行启动事实核查员 + 红队（两个独立 Agent）
   │   - 输出 markdown/fact-checker.md / markdown/red-team.md
   ▼
阶段3：开一个**全新**的子智能体重写终稿（防上下文污染）
   │   - 输入：全部专家稿件 + 核查 + 红队
   │   - 输出 markdown/final/<slug>.md + markdown/svg/*.svg
   ▼
阶段4：你自己读终稿，按自检清单微调
```

---

## 阶段 0：解析问题与领域识别

接到问题后先自己思考，别急着派智能体：

- **问题真正在问什么？** 一句话概括 + 核心矛盾点
- **涉及哪几个领域？** 写明每个领域名（中文即可，例：宏观经济、产业政策、消费者心理学、组织行为学）
- **数量**：1 个领域就 1 位专家；2, 3 个领域就 2, 3 位专家；最多 4 位（再多上下文会爆掉，质量也会下降）
- **歧义检查**：如果问题的关键前提模糊（比如"该不该创业"没说地域/资金/个人背景），用 `AskUserQuestion` 先和用户对齐 1, 2 个最关键的问题；不要假设，不要瞎补

判断完成后，**用一个 message 同时发起阶段 1 的多个 Agent 调用**（不要一个一个发，会浪费轮次）。

---

## 阶段 1：并行专家分析

### 给每位专家的 prompt 模板

把下面这块 `{占位符}` 替换后，原样作为 Agent 任务的 prompt 发出去：

```
你是 [领域] 领域的资深专家，下面这道题请你认真作答。

## 用户原问题
{用户原始问题}

## 工作目录
{当前工作目录的绝对路径}，所有产物都保存到这里。

## 你的产出路径
请把最终稿件写到：{工作目录}/markdown/experts/{编号}-{领域}.md
如有 svg 图，单独写到：{工作目录}/markdown/svg/{语义}-yyyymmdd-hh24-mm-ss.svg

## 作答步骤（请严格按顺序）

The rest: https://github.com/digoal/blog/blob/HEAD/skills/multi-expert-analyzer/SKILL.md