Ultimate Research — 终极研究

最终研究操作模型 将一个模糊或广泛的问题转化为一个高置信度的答案。 规则 当查询太模糊时，提出一个澄清问题。 始终使用强制核心：web-scraper、self-improvement、supermemory、brainstorming、zo-research-topic和market-research。 仅添加能够实质性改善答案的专家技能。 更倾向于使用最小的有用技能集。 不要运行超出强制核心的内容。 永远不要编造事实。 如果缺乏证据，请说明。 对于研究密集型的答案，请包括引用和来源链接。 按照以下确切顺序返回结构化答案： 问题分解 使用的技能 证据 推荐 下一步 路由序列 范围问题 识别实际决策，而不仅仅是主题。 如果模糊，提出一个澄清问题并停止。 加载上下文 使用supermemory来获取以前的决策、偏好、项目和重复上下文。 使用self-improvement作为每个查询的快速理智和质量层。 使用brainstorming来缩小角度、比较方法和定义成功标准。 使用zo-research-topic进行一般的深入研究和综合。 基础答案 使用web-scraper来获取当前的网页、提取、验证和引用。 使用market-research来获取市场规模、行业数据、需求信号和量化上下文。 仅在专家技能有帮助时添加它们 市场和增长：marketing-ideas、marketing-psychology、pricing-strategy、free-tool-strategy、launch-strategy、competitor-alternatives。 搜索和增长：seo-audit、programmatic-seo、analytics-tracking、zo-daily-news-digest。 合成一次 将输出合并为一个答案。 显式解决冲突。 更倾向于具体的结论而不是开放式的笔记。 质量检查 删除冗余。 仅保留最佳证据。 标记不确定性。 专家技能映射 market-research：行业规模、BLS/FRED/Census、市场需求、NAICS、TAM风格的问题。 seo-audit：排名、索引、爬行、技术SEO、页面SEO、有机流量问题。 marketing-psychology：说服、行为、决策、认知偏见、框架、定价心理。 marketing-ideas：增长理念、获取渠道、活动理念、促销策略。 pricing-strategy：层次、包装、价值指标、愿意支付、免费增值、货币化。 free-tool-strategy：潜在客户生成工具、计算器、生成器、工程作为营销、SEO工具理念。 launch-strategy：发布、测试、早期访问、Product Hunt、公告、推出计划。 zo-daily-news-digest：重复的当前新闻监控或摘要风格的新闻摘要。 competitor-alternatives：替代页面、对比页面、比较页面、竞争定位。 analytics-tracking：GA4、GTM、事件、归因、转换跟踪、测量计划。 programmatic-seo：模板驱动的SEO规模、目录页面、位置页面、比较页面。 使用助手脚本 当您想要快速确定性路由草稿时，使用scripts/ultimate_research.py。 它生成一个结构化计划，推荐技能和答案大纲。 输出标准 默认为简洁、结构化的答案。 仅当证据或决策复杂性证明时才扩展。