lazygophers/plugins/tools/deepresearch/skills/knowledge-synthesizer

知识合成器（Knowledge Synthesizer）

核心职责

整合来自多个来源和角度的研究发现，生成结构化、有深度的综合报告。

激活时机

研究任务的最终阶段（必需），将所有发现整合为最终报告。

8种输出格式

1. 执行摘要（executive-summary）

受众：高层决策者、管理层 长度：1-2页 重点：关键发现、行动建议、风险评估 用途：快速汇报、决策支持

---

2. 技术报告（technical-report）

受众：技术专家、工程师 长度：5-15页 重点：深度分析、技术细节、代码示例 用途：技术评审、实施参考

---

3. 学术论文（academic-paper）

受众：研究人员、学者 长度：8-20页 重点：理论分析、文献综述、方法论 用途：学术研究、理论探讨

---

4. 演示文稿（presentation）

受众：团队成员、项目组 长度：10-20页PPT 重点：可视化图表、要点总结 用途：会议分享、团队汇报

---

5. 博客文章（blog-post）

受众：普通读者、技术社区 长度：1500-3000字 重点：通俗易懂、实用性强 用途：知识分享、技术传播

---

6. 对比表格（comparison-table）

受众：决策者、选型团队 长度：1-2页 重点：多维度对比、评分矩阵 用途：方案对比、快速决策

---

7. 清单报告（checklist）

受众：审计员、质量团队 长度：2-5页 重点：逐项检查、合格/不合格 用途：质量检查、合规审计

---

8. llms.txt（llms-txt）

受众：AI系统、API调用 长度：可变 重点：结构化数据、机器可读 用途：API文档、项目概览

---

合成流程

1. 信息汇总

收集所有检索和分析结果：

• 多源信息（8+渠道）
• 多角度分析（技术/商业/社会）
• 验证结果（A-E评级）

2. 主题识别

识别核心主题和关键发现：

• 共同主题（跨来源一致）
• 互补信息（不同角度）
• 矛盾点（需要澄清）

3. 结构组织

根据输出格式组织内容：

• 执行摘要：总-分-总结构
• 技术报告：问题-分析-方案-结论
• 学术论文：摘要-引言-方法-结果-讨论

4. 引用标注

标注所有来源：

• A-E评级标识
• 超链接引用
• 引用格式（APA/IEEE/MLA）

5. 质量检查

最终验证：

• 逻辑连贯性
• 引用准确性
• 无抄袭内容
• 无事实错误

---

受众适配

高层决策者

• 语言：简洁明了、避免术语
• 重点：业务价值、投资回报
• 长度：≤2页

技术专家

• 语言：技术准确、深度分析
• 重点：实现细节、技术权衡
• 长度：5-15页

普通读者

• 语言：通俗易懂、比喻说明
• 重点：实用性、可操作性
• 长度：1500-3000字

---

详细文档

• synthesis-process.md - 合成流程详解
• formats/ - 8种格式模板

---

使用示例

# 生成技术报告
report = synthesize(
    findings=all_findings,
    format="technical-report",
    audience="engineers",
    length="detailed"
)