{"id":"e6b9cd14-2525-436b-bf96-6a1fe3ebbd32","shortId":"QWdgWa","kind":"skill","title":"sn-dimension-research","tagline":"深度研究中的单维度执行与多源搜索整合；当 plan.json 已定义维度，需要按 dimension.search_strategy 调用合适的搜索能力做多轮检索、筛选证据、交叉验证，并写入 sub_reports/{dimension_id}.md 时使用。","description":"# Dimension Research\n\n产出一个维度的 `sub_reports/{dimension_id}.md`。它把 `plan.json` 中的一个维度研究扎实，并在子报告内保留精简证据记录；不负责规划维度、综合所有维度或写最终报告。\n\n完成本 skill 必须落盘两个结果：`sub_reports/{dimension_id}.md`、更新该维度 `status` 后的 `plan.json`。只在对话中说明研究结果不算完成。\n\n它的核心职责不是“跑一次搜索”，而是把一个维度需要的不同来源拼成可判断的证据面：先做广度发现，再做专项深挖，最后回到原始来源核验，决定哪些材料保留、哪些材料丢弃、哪些结论需要交叉确认、哪些空白必须显式保留。\n\n## 行为边界\n\n做：\n\n- 读取一个 dimension 的 `key_questions`、`method`、`search_strategy`、`expected_output`。\n- 按 `search_strategy` 选择合适的搜索 skill 或检索入口，多轮搜索并覆盖计划指定的来源类型。\n- 判断来源可信度，优先追溯原始来源。\n- 对关键事实做交叉验证，记录冲突和信息缺口。\n- 判断是否满足 `search_strategy.sufficiency`。\n- 写入带精简证据记录的维度子报告，并更新 `plan.json` 中该维度 `status`。\n\n不做：\n\n- 不修改研究目标和报告格式。\n- 不重写整个 `plan.json`，除非当前维度缺少必要搜索策略。\n- 不写中间综合文件或 `report.md`。\n- 不把单次搜索结果直接改写成子报告。\n- 不编造来源，不把未确认事实写成确定结论。\n\n## 输入\n\n- `{report_dir}/request.md`\n- `{report_dir}/plan.json`\n- 当前 dimension id\n- 依赖维度的 `sub_reports/*.md`，如 `depends_on` 非空\n\n## 搜索模型\n\n把单维度研究理解成三层搜索模型：\n\n1. **广度发现**：先用通用搜索快速摸清这个维度的来源地图，识别关键实体、术语、机构、时间点、争议点和候选来源类型。\n2. **专项深挖**：对已经识别出的重点来源类型，调用相应专门搜索 skill 做更高召回、更高精度、更结构化的深挖。\n3. **原始核验**：对关键事实、关键数字、关键时间点和高风险判断，优先回到原始来源确认。\n\n通用搜索不是低配兜底，而是默认的广度发现层。专门搜索 skill 不是必须前置，而是对重点来源类型的深挖工具。最终可信度取决于来源本身，而不是搜索入口本身。\n\n## 搜索技能分工\n\n`sn-dimension-research` 是编排层，不需要自己囊括所有平台细节；它应根据 `source_types` 和当前维度性质，选择合适的搜索 skill 或原生浏览能力。\n\n优先按下面方式路由：\n\n- **学术论文、综述、百科、引用追溯**：使用 `sn-search-academic`\n- **开源代码、技术问答、模型/数据集、工程社区**：使用 `sn-search-code`\n- **中文社区讨论、中文视频平台、用户经验反馈**：使用 `sn-search-social-cn`\n- **英文社区讨论、英文视频平台、英文舆情反馈**：使用 `sn-search-social-en`\n- **官方网页、监管公告、公司披露、产品文档、新闻报道、机构页面**：使用通用网页检索与页面打开能力\n\n如果一个维度同时需要多种来源，不要只选一个 skill；应按证据需要组合使用。\n\n如果某类来源暂时**没有对应的专门搜索 skill**，不要因此跳过该来源类型；继续用通用搜索完成广度发现和基础覆盖。只有当该来源类型对当前维度非常关键、且通用搜索无法满足深挖需要时，才把它记为覆盖限制。\n\n## 来源优先级\n\n多源搜索不是“来源越多越好”，而是“证据层次要够”。优先级通常是：\n\n1. 原始来源：官方文件、监管公告、论文原文、公司披露、产品文档、数据库原始记录\n2. 高可信二级来源：权威机构报告、顶级媒体、行业组织、研究机构、系统综述\n3. 补充来源：社区讨论、问答、社交平台、视频、博客\n\n社区和社交来源主要用于：\n\n- 发现真实使用反馈\n- 暴露争议点\n- 补充术语、案例、边缘问题\n- 生成下一轮检索线索\n\n不要让社区讨论替代原始来源。\n\n通用搜索在这里主要承担：\n\n- 发现候选来源\n- 暴露争议点和下一轮搜索线索\n- 帮你决定哪些来源类型值得进入专项深挖\n- 快速补足跨来源视角\n\n专门搜索 skill 在这里主要承担：\n\n- 在某一来源类型内提高召回\n- 提供更结构化的结果字段\n- 支持更细的筛选、排序和引用追溯\n- 减少在高价值来源中的漏检\n\n## 执行流程\n\n1. **读取任务**：从 `plan.json` 找到当前维度，确认 `key_questions`、`method`、`search_strategy`、`expected_output`。\n2. **补齐搜索策略**：如果缺少 `search_strategy`，先为当前维度补写 `source_types`、`seed_queries`、`freshness_requirement`、`sufficiency`，再执行。\n3. **广度发现**：先从 `seed_queries` 开始，用通用搜索和必要的初始入口摸清这个维度的来源地图；记录新实体、术语、机构、年份、争议点和候选来源类型。\n4. **选择深挖方向**：判断哪些来源类型最可能回答 `key_questions`，再决定是否调用专门搜索 skill 深挖。\n5. **专项深挖**：按 `source_types` 对重点来源类型做定向搜索；必要时组合学术、官方、新闻、社区、代码等多种来源。\n6. **筛选证据**：保留能回答 `key_questions` 的材料；丢弃营销软文、二手转述、来源不明、内容过短或与维度无关的材料。\n7. **原始核验**：关键事实优先找原始来源；高风险事实至少用两个独立来源确认。冲突无法解决时记录冲突和可能原因。\n8. **判断充分性**：逐条检查 `search_strategy.sufficiency`。未满足时继续检索或明确记录信息缺口。\n9. **整合判断**：把保留材料整理成“发现、冲突、限制、仍待回答的问题”，不要把搜索结果原样堆进子报告。\n10. **落盘**：写入 `sub_reports/{dimension_id}.md`，并把该维度 `status` 更新为 `done`。\n11. **确认**：读取上述两个文件，确认子报告非空且包含证据记录，`plan.json` 中该维度已标记 `done`。\n\n## 搜索路由建议\n\n可按维度类型快速选择入口：\n\n| 维度类型 | 优先来源 | 推荐入口 |\n|---|---|---|\n| 学术 / 医学 / 方法论 | 先用通用搜索找论文线索，再进论文、综述、百科、引用链 | `sn-search-academic` |\n| 技术实现 / 开源生态 / 模型工具 | 先发现关键项目和问题域，再进 GitHub、Stack Overflow、HuggingFace、HN | `sn-search-code` |\n| 用户反馈 / 社区体验 / 中文舆情 | 先发现平台/话题，再进 B站、知乎、抖音 | `sn-search-social-cn` |\n| 海外社区 / 英文舆情 / 视频解释 | 先发现关键词和社区，再进 Reddit、X、YouTube | `sn-search-social-en` |\n| 政策 / 监管 / 公司 / 产品 / 新闻 | 先发现机构、法规、事件节点，再进官方网站、公告、公司页、新闻站 | 通用网页检索 |\n\n若 `source_types` 里出现“官方文件 + 社区讨论”这类组合，至少覆盖一个高可信原始来源和一个补充来源，不要只停留在其中一侧。\n\n如果某行对应的专门 skill 暂时不存在，就把“推荐入口”理解为“优先搜索方向”，继续以通用搜索完成发现与基础覆盖。\n\n## 搜索充分性\n\n最低要求：\n\n- 每个 `key_questions` 都有材料支撑，或明确标注信息缺口。\n- 至少执行两轮检索；第一轮以广度发现为主，后续轮次应基于上一轮发现扩展关键词或来源类型。\n- 对比、趋势、政策、市场、公司、产品类维度至少覆盖两种来源类型。\n- 重要维度应至少覆盖“广度发现 + 原始核验”两层；若存在高价值专门入口，优先再加一层专项深挖。\n- 涉及最新信息时，必须核查最新可得资料并写明时间范围。\n- 连续两轮没有产生新关键事实，才可视为信息趋于饱和。\n\n如果由于缺少专门搜索 skill 导致某类来源无法做专项深挖，仍可继续研究，但只在下列情况把它视为显著限制：\n\n- 该来源类型对当前维度是核心证据面\n- 通用搜索已经明显无法继续提升发现质量\n- 缺少这类深挖会显著影响结论强度\n\n满足最低要求仍不代表结论确定；不确定性要写入子报告。\n\n## 精简证据记录\n\n把必要追溯信息压缩进子报告：\n\n- `搜索覆盖情况`：说明广度发现用了什么入口、专项深挖用了哪些搜索 skill、原始核验回到了哪些来源类型。\n- `搜索覆盖情况`：只写来源类型、轮次、关键扩展词和停止理由，不写完整查询流水。\n- `证据记录`：用表格列出保留材料，每个关键材料一行；通常 5-12 行即可。\n- `充分性判断`：说明已覆盖问题、未覆盖问题、交叉验证情况、信息缺口，以及是否仍有本应深挖但未能深挖的关键来源类型。\n\n证据记录表格式：\n\n```markdown\n| 材料/来源 | 来源类型 | 关键支撑 | 覆盖问题 | 可信度/限制 |\n|---|---|---|---|---|\n```\n\n## 子报告格式\n\n写入 `{report_dir}/sub_reports/{dimension_id}.md`：\n\n```markdown\n# {dimension_id}. {维度名称}\n\n## 本维度要回答的问题\n\n## 搜索覆盖情况\n\n说明覆盖了哪些来源类型、执行了哪些轮次、停止理由是什么。\n\n## 证据记录\n\n用精简表格列出本维度保留的关键材料，不写完整搜索流水。\n\n## 关键发现\n\n只写本维度内有材料支撑的发现。\n\n## 分析\n\n解释发现之间的关系、因果、差异、趋势或约束。\n\n## 对终稿的贡献\n\n说明本维度能为 report 提供什么判断依据、表格、风险点或结构材料。\n\n## 不确定性与空白\n\n说明信息缺口、冲突事实、口径限制、时效风险。\n\n## 需要后续维度承接的问题\n```\n\n## 质量门槛\n\n- 子报告中的每个关键发现都能追溯到本报告的证据记录。\n- 每个 `key_questions` 在子报告中被回答、部分回答或标注无法回答。\n- 不确定性和冲突不被抹平。\n- `status=done` 只能在子报告已写入且包含证据记录后更新。\n- 更新 `status=done` 后必须再次读取 `plan.json` 确认。\n- 子报告不写终稿摘要，不跨越本维度范围。\n\n## 常见失败\n\n- 搜一次就写子报告。\n- 把通用搜索当成纯兜底，而不是先做广度发现。\n- 还没完成广度发现，就过早进入某一个专门入口。\n- 明明已有专门搜索 skill，却只用单一通用搜索入口浅搜。\n- 因为缺少专门搜索 skill，就直接放弃某类来源覆盖。\n- 只用搜索结果摘要，不打开或核查原始来源。\n- 把社区讨论当成主要证据，而不回到官方或原始来源。\n- 只找支持某个方向的材料，忽略反例和冲突。\n- 把缺口包装成结论。\n- 写完整搜索流水，导致子报告臃肿。\n- 写了子报告但没有更新并确认 `plan.json`。","tags":["dimension","research","sensenova","skills","opensensenova","agent","agent-skills","ai-agents","ai-assistant","data-analysis","document-processing","office-automation"],"capabilities":["skill","source-opensensenova","skill-sn-dimension-research","topic-agent","topic-agent-skills","topic-ai-agents","topic-ai-assistant","topic-data-analysis","topic-document-processing","topic-office-automation","topic-presentation-slides"],"categories":["SenseNova-Skills"],"synonyms":[],"warnings":[],"endpointUrl":"https://skills.sh/OpenSenseNova/SenseNova-Skills/sn-dimension-research","protocol":"skill","transport":"skills-sh","auth":{"type":"none","details":{"cli":"npx skills add OpenSenseNova/SenseNova-Skills","source_repo":"https://github.com/OpenSenseNova/SenseNova-Skills","install_from":"skills.sh"}},"qualityScore":"0.700","qualityRationale":"deterministic score 0.70 from registry signals: · indexed on github topic:agent-skills · 1627 github stars · SKILL.md body (4,980 chars)","verified":false,"liveness":"unknown","lastLivenessCheck":null,"agentReviews":{"count":0,"score_avg":null,"cost_usd_avg":null,"success_rate":null,"latency_p50_ms":null,"narrative_summary":null,"summary_updated_at":null},"enrichmentModel":"deterministic:skill-github:v1","enrichmentVersion":1,"enrichedAt":"2026-05-18T18:53:04.725Z","embedding":null,"createdAt":"2026-05-15T06:53:09.903Z","updatedAt":"2026-05-18T18:53:04.725Z","lastSeenAt":"2026-05-18T18:53:04.725Z","tsv":"'-12':516 '/plan.json':105 '/request.md':102 '/sub_reports':537 '1':119,226,270 '10':356 '11':368 '2':127,234,283 '3':135,241,297 '4':309 '5':317,515 '6':328 '7':338 '8':343 '9':348 'academ':172,391 'b站':412 'cn':191,419 'code':182,405 'depend':114 'dimens':3,18,22,27,41,62,107,152,361,538,542 'dimension.search':10 'dir':101,104,536 'done':367,374,581,585 'en':200,432 'expect':69,281 'fresh':293 'github':397 'hn':401 'huggingfac':400 'id':19,28,42,108,362,539,543 'key':64,276,312,331,466,575 'markdown':525,541 'md':20,29,43,112,363,540 'method':66,278 'output':70,282 'overflow':399 'plan.json':7,31,47,86,92,273,372,587,613 'queri':292,301 'question':65,277,313,332,467,576 'reddit':425 'report':17,26,40,100,103,111,360,535,562 'report.md':95 'requir':294 'research':4,23,153 'search':67,72,171,181,189,198,279,286,390,404,417,430 'search_strategy.sufficiency':83,346 'seed':291,300 'skill':37,75,131,144,161,210,214,262,315,456,490,504,598,601 'skill-sn-dimension-research' 'sn':2,151,170,180,188,197,389,403,416,429 'sn-dimension-research':1,150 'sn-search-academ':169,388 'sn-search-cod':179,402 'sn-search-social-cn':187,415 'sn-search-social-en':196,428 'social':190,199,418,431 'sourc':157,289,320,447 'source-opensensenova' 'stack':398 'status':45,88,365,580,584 'strategi':11,68,73,280,287 'sub':16,25,39,110,359 'suffici':295 'topic-agent' 'topic-agent-skills' 'topic-ai-agents' 'topic-ai-assistant' 'topic-data-analysis' 'topic-document-processing' 'topic-office-automation' 'topic-presentation-slides' 'type':158,290,321,448 'x':426 'youtub':427 '不修改研究目标和报告格式':90 '不做':89 '不写中间综合文件或':94 '不写完整搜索流水':552 '不写完整查询流水':510 '不打开或核查原始来源':604 '不把单次搜索结果直接改写成子报告':96 '不把未确认事实写成确定结论':98 '不是必须前置':145 '不确定性与空白':566 '不确定性和冲突不被抹平':579 '不确定性要写入子报告':498 '不编造来源':97 '不要只停留在其中一侧':454 '不要只选一个':209 '不要因此跳过该来源类型':215 '不要把搜索结果原样堆进子报告':355 '不要让社区讨论替代原始来源':255 '不负责规划维度':34 '不跨越本维度范围':590 '不重写整个':91 '不需要自己囊括所有平台细节':155 '专门搜索':143,261 '专项深挖':128,318 '专项深挖用了哪些搜索':503 '且通用搜索无法满足深挖需要时':218 '丢弃营销软文':334 '两层':482 '中文社区讨论':183 '中文舆情':408 '中文视频平台':184 '中的一个维度研究扎实':32 '中该维度':87 '中该维度已标记':373 '争议点和候选来源类型':126,308 '事件节点':440 '二手转述':335 '交叉验证':14 '交叉验证情况':521 '产出一个维度的':24 '产品':436 '产品文档':204,232 '产品类维度至少覆盖两种来源类型':478 '仍可继续研究':492 '仍待回答的问题':354 '从':272 '代码等多种来源':327 '以及是否仍有本应深挖但未能深挖的关键来源类型':523 '优先再加一层专项深挖':484 '优先回到原始来源确认':140 '优先按下面方式路由':163 '优先搜索方向':461 '优先来源':378 '优先级通常是':225 '优先追溯原始来源':79 '但只在下列情况把它视为显著限制':493 '使用':168,178,186,195 '使用通用网页检索与页面打开能力':207 '依赖维度的':109 '保留能回答':330 '信息缺口':522 '做':60 '做更高召回':132 '停止理由是什么':549 '充分性判断':518 '先为当前维度补写':288 '先从':299 '先做广度发现':52 '先发现关键词和社区':423 '先发现关键项目和问题域':395 '先发现平台':409 '先发现机构':438 '先用通用搜索快速摸清这个维度的来源地图':121 '先用通用搜索找论文线索':383 '公司':435,477 '公司披露':203,231 '公司页':443 '公告':442 '关键事实优先找原始来源':340 '关键发现':553 '关键扩展词和停止理由':509 '关键支撑':529 '关键数字':138 '关键时间点和高风险判断':139 '内容过短或与维度无关的材料':337 '再做专项深挖':53 '再决定是否调用专门搜索':314 '再执行':296 '再进':396,411,424 '再进官方网站':441 '再进论文':384 '写了子报告但没有更新并确认':612 '写入':358,534 '写入带精简证据记录的维度子报告':84 '写完整搜索流水':610 '冲突':352 '冲突事实':568 '冲突无法解决时记录冲突和可能原因':342 '决定哪些材料保留':55 '减少在高价值来源中的漏检':268 '分析':555 '判断充分性':344 '判断哪些来源类型最可能回答':311 '判断是否满足':82 '判断来源可信度':78 '医学':381 '博客':247 '却只用单一通用搜索入口浅搜':599 '原始来源':227 '原始核验':136,339,481 '原始核验回到了哪些来源类型':505 '发现':351 '发现候选来源':257 '发现真实使用反馈':249 '口径限制':569 '只写本维度内有材料支撑的发现':554 '只写来源类型':507 '只在对话中说明研究结果不算完成':48 '只找支持某个方向的材料':607 '只有当该来源类型对当前维度非常关键':217 '只用搜索结果摘要':603 '只能在子报告已写入且包含证据记录后更新':582 '可信度':531 '可按维度类型快速选择入口':376 '后必须再次读取':586 '后的':46 '后续轮次应基于上一轮发现扩展关键词或来源类型':472 '和当前维度性质':159 '哪些材料丢弃':56 '哪些空白必须显式保留':58 '哪些结论需要交叉确认':57 '因为缺少专门搜索':600 '因果':557 '在子报告中被回答':577 '在某一来源类型内提高召回':264 '在这里主要承担':263 '多源搜索不是':221 '多轮搜索并覆盖计划指定的来源类型':77 '如':113 '如果一个维度同时需要多种来源':208 '如果某类来源暂时':212 '如果某行对应的专门':455 '如果由于缺少专门搜索':489 '如果缺少':285 '子报告不写终稿摘要':589 '子报告中的每个关键发现都能追溯到本报告的证据记录':573 '子报告格式':533 '学术':380 '学术论文':164 '它应根据':156 '它把':30 '它的核心职责不是':49 '完成本':36 '官方':324 '官方文件':228,450 '官方网页':201 '对关键事实':137 '对关键事实做交叉验证':80 '对已经识别出的重点来源类型':129 '对比':473 '对终稿的贡献':560 '对重点来源类型做定向搜索':322 '导致子报告臃肿':611 '导致某类来源无法做专项深挖':491 '就把':458 '就直接放弃某类来源覆盖':602 '就过早进入某一个专门入口':596 '工程社区':177 '差异':558 '已定义维度':8 '市场':476 '帮你决定哪些来源类型值得进入专项深挖':259 '常见失败':591 '年份':307 '并写入':15 '并在子报告内保留精简证据记录':33 '并把该维度':364 '并更新':85 '广度发现':120,298,480 '应按证据需要组合使用':211 '开始':302 '开源代码':173 '开源生态':393 '引用追溯':167 '引用链':387 '当':6 '当前':106 '必要时组合学术':323 '必须核查最新可得资料并写明时间范围':486 '必须落盘两个结果':38 '快速补足跨来源视角':260 '忽略反例和冲突':608 '或原生浏览能力':162 '或明确标注信息缺口':469 '或检索入口':76 '才可视为信息趋于饱和':488 '才把它记为覆盖限制':219 '执行了哪些轮次':548 '执行流程':269 '找到当前维度':274 '技术实现':392 '技术问答':174 '把保留材料整理成':350 '把单维度研究理解成三层搜索模型':118 '把必要追溯信息压缩进子报告':500 '把社区讨论当成主要证据':605 '把缺口包装成结论':609 '把通用搜索当成纯兜底':593 '抖音':414 '按':71,319 '排序和引用追溯':267 '推荐入口':379,459 '提供什么判断依据':563 '提供更结构化的结果字段':265 '搜一次就写子报告':592 '搜索充分性':463 '搜索技能分工':149 '搜索模型':117 '搜索覆盖情况':501,506,546 '搜索路由建议':375 '支持更细的筛选':266 '政策':433,475 '数据库原始记录':233 '数据集':176 '整合判断':349 '新闻':325,437 '新闻报道':205 '新闻站':444 '方法论':382 '时使用':21 '时效风险':570 '时间点':125 '明明已有专门搜索':597 '是编排层':154 '暂时不存在':457 '暴露争议点':250 '暴露争议点和下一轮搜索线索':258 '更新':583 '更新为':366 '更新该维度':44 '更结构化的深挖':134 '更高精度':133 '最低要求':464 '最后回到原始来源核验':54 '最终可信度取决于来源本身':147 '未满足时继续检索或明确记录信息缺口':347 '未覆盖问题':520 '本维度要回答的问题':545 '术语':123,305 '机构':124,306 '机构页面':206 '权威机构报告':236 '材料':526 '来源':527 '来源不明':336 '来源优先级':220 '来源类型':528 '来源越多越好':222 '案例':252 '模型':175 '模型工具':394 '每个':465,574 '每个关键材料一行':513 '没有对应的专门搜索':213 '法规':439 '海外社区':420 '涉及最新信息时':485 '深度研究中的单维度执行与多源搜索整合':5 '深挖':316 '满足最低要求仍不代表结论确定':497 '理解为':460 '生成下一轮检索线索':254 '用户反馈':406 '用户经验反馈':185 '用精简表格列出本维度保留的关键材料':551 '用表格列出保留材料':512 '用通用搜索和必要的初始入口摸清这个维度的来源地图':303 '百科':166,386 '的':63 '的材料':333 '监管':434 '监管公告':202,229 '知乎':413 '研究机构':239 '确认':275,369,588 '确认子报告非空且包含证据记录':371 '社交平台':245 '社区':326 '社区体验':407 '社区和社交来源主要用于':248 '社区讨论':243,451 '第一轮以广度发现为主':471 '筛选证据':13,329 '精简证据记录':499 '系统综述':240 '继续以通用搜索完成发现与基础覆盖':462 '继续用通用搜索完成广度发现和基础覆盖':216 '维度名称':544 '维度类型':377 '综合所有维度或写最终报告':35 '综述':165,385 '缺少这类深挖会显著影响结论强度':496 '而不回到官方或原始来源':606 '而不是先做广度发现':594 '而不是搜索入口本身':148 '而是':223 '而是对重点来源类型的深挖工具':146 '而是把一个维度需要的不同来源拼成可判断的证据面':51 '而是默认的广度发现层':142 '至少执行两轮检索':470 '至少覆盖一个高可信原始来源和一个补充来源':453 '若':446 '若存在高价值专门入口':483 '英文社区讨论':192 '英文舆情':421 '英文舆情反馈':194 '英文视频平台':193 '落盘':357 '行业组织':238 '行为边界':59 '行即可':517 '补充术语':251 '补充来源':242 '补齐搜索策略':284 '表格':564 '覆盖问题':530 '视频':246 '视频解释':422 '解释发现之间的关系':556 '记录冲突和信息缺口':81 '记录新实体':304 '论文原文':230 '证据层次要够':224 '证据记录':511,550 '证据记录表格式':524 '识别关键实体':122 '话题':410 '该来源类型对当前维度是核心证据面':494 '说明信息缺口':567 '说明已覆盖问题':519 '说明广度发现用了什么入口':502 '说明本维度能为':561 '说明覆盖了哪些来源类型':547 '读取一个':61 '读取上述两个文件':370 '读取任务':271 '调用合适的搜索能力做多轮检索':12 '调用相应专门搜索':130 '质量门槛':572 '趋势':474 '趋势或约束':559 '跑一次搜索':50 '轮次':508 '输入':99 '边缘问题':253 '还没完成广度发现':595 '这类组合':452 '连续两轮没有产生新关键事实':487 '选择合适的搜索':74,160 '选择深挖方向':310 '逐条检查':345 '通常':514 '通用搜索不是低配兜底':141 '通用搜索在这里主要承担':256 '通用搜索已经明显无法继续提升发现质量':495 '通用网页检索':445 '部分回答或标注无法回答':578 '都有材料支撑':468 '里出现':449 '重要维度应至少覆盖':479 '问答':244 '限制':353,532 '除非当前维度缺少必要搜索策略':93 '需要后续维度承接的问题':571 '需要按':9 '非空':116 '顶级媒体':237 '风险点或结构材料':565 '高可信二级来源':235 '高风险事实至少用两个独立来源确认':341","prices":[{"id":"96de11aa-13f2-43be-a2dc-9d53e0c7bbbc","listingId":"e6b9cd14-2525-436b-bf96-6a1fe3ebbd32","amountUsd":"0","unit":"free","nativeCurrency":null,"nativeAmount":null,"chain":null,"payTo":null,"paymentMethod":"skill-free","isPrimary":true,"details":{"org":"OpenSenseNova","category":"SenseNova-Skills","install_from":"skills.sh"},"createdAt":"2026-05-15T06:53:09.903Z"}],"sources":[{"listingId":"e6b9cd14-2525-436b-bf96-6a1fe3ebbd32","source":"github","sourceId":"OpenSenseNova/SenseNova-Skills/sn-dimension-research","sourceUrl":"https://github.com/OpenSenseNova/SenseNova-Skills/tree/main/skills/sn-dimension-research","isPrimary":false,"firstSeenAt":"2026-05-15T06:53:09.903Z","lastSeenAt":"2026-05-18T18:53:04.725Z"}],"details":{"listingId":"e6b9cd14-2525-436b-bf96-6a1fe3ebbd32","quickStartSnippet":null,"exampleRequest":null,"exampleResponse":null,"schema":null,"openapiUrl":null,"agentsTxtUrl":null,"citations":[],"useCases":[],"bestFor":[],"notFor":[],"kindDetails":{"org":"OpenSenseNova","slug":"sn-dimension-research","github":{"repo":"OpenSenseNova/SenseNova-Skills","stars":1627,"topics":["agent","agent-skills","ai-agents","ai-assistant","data-analysis","document-processing","office-automation","presentation-slides"],"license":"mit","html_url":"https://github.com/OpenSenseNova/SenseNova-Skills","pushed_at":"2026-05-15T04:43:37Z","description":"Modular SenseNova skills for building AI-powered office assistants and productivity workflows","skill_md_sha":"d6ebb65e7b43804b83b8ba664878b0067726106f","skill_md_path":"skills/sn-dimension-research/SKILL.md","default_branch":"main","skill_tree_url":"https://github.com/OpenSenseNova/SenseNova-Skills/tree/main/skills/sn-dimension-research"},"layout":"multi","source":"github","category":"SenseNova-Skills","frontmatter":{"name":"sn-dimension-research","description":"深度研究中的单维度执行与多源搜索整合；当 plan.json 已定义维度，需要按 dimension.search_strategy 调用合适的搜索能力做多轮检索、筛选证据、交叉验证，并写入 sub_reports/{dimension_id}.md 时使用。"},"skills_sh_url":"https://skills.sh/OpenSenseNova/SenseNova-Skills/sn-dimension-research"},"updatedAt":"2026-05-18T18:53:04.725Z"}}