{"id":"d4b77bc0-c9bd-4e30-a01b-6e1eaa7e36de","shortId":"vY4Jg6","kind":"skill","title":"sn-report-format-discovery","tagline":"发现特定报告类型的结构规范与写作约束；当需要判断“这类报告应该长什么样”、为报告生成章节结构/必备元素/风格约束，或为 deep research 的 `report_shape` 提供依据时使用。适用于行业/市场/竞品分析、技术选型、政策/法律/公共事务、学术/医学综述、尽职调查、事件追踪与事实核查等场景，也可单独用于报告格式研究。","description":"# Report Format Discovery\n\n回答“这类报告应该长什么样”。它研究的是**报告格式本身**，不是正文事实、研究结论或执行计划。\n\n这个 skill 既可以：\n\n- **独立使用**：用户单独询问某类报告的标准结构、章节建议、必备元素和写法约束。\n- **嵌入 deep research**：为 `plan.json.report_shape` 或其他结构化格式规格提供依据。\n\n## 核心原则\n\n- **格式本身是可研究对象**：优先查标准制定者、发布机构、期刊/监管/行业组织的原文。\n- **可信来源优先于通用模板**：宁可基于 1-2 个高可信来源抽结构，也不要用二手教程拼凑。\n- **标准与范例互补**：标准说明“应包含什么”，高质量范例说明“实际如何组织”。\n- **只抽结构，不抽结论**：只产出章节、必备元素、风格约束、反模式和适用场景。\n- **输出服从调用场景**：独立使用时直接返回格式规格；嵌入工作流时适配调用方要求的字段结构。\n\n## 适用场景\n\n优先覆盖 deep research 常见的 6 类场景：\n\n1. **行业 / 市场 / 竞品 / 趋势研究**\n2. **技术选型 / 架构评估 / 产品方案比较**\n3. **政策 / 法律 / 监管 / 公共事务**\n4. **学术 / 医学 / 社科综述与证据整合**\n5. **尽职调查 / 实体调查 / 风险审查**\n6. **事件追踪 / 时间线还原 / 事实核查**\n\n如果用户请求不属于以上场景，也可按“最接近的报告类型”处理，不要强行套模板。\n\n## 输入\n\n可接受最小输入：\n\n- 用户原始请求；或\n- `{report_dir}/request.md`\n\n可选补充输入：\n\n- 明确的 `domain`\n- 明确的 `genre`\n- `audience` / 使用场景\n- `region`\n- 调用方要求的输出路径或输出 schema\n\n若输入不足，先从请求中推断：\n\n- `domain`：研究领域\n- `genre`：报告类型，如行业研究、技术选型、政策简报、学术综述、尽调、事件追踪\n- `audience`：目标读者和使用场景\n- `region`：中国、美国、欧盟、全球等；无明确要求可留空\n\n## 执行流程\n\n1. **识别报告任务**：判断用户要写的是哪类报告，服务什么判断或决策。\n2. **锁定场景类型**：把任务归入最接近的核心场景，不要混用多个主类型。\n3. **选择可信入口**：按场景选择标准、模板、权威指南、真实高质量范例。\n4. **筛选来源**：优先原始来源，剔除教程、营销文、新闻转述和低质量聚合。\n5. **抽取结构**：提取章节、必备元素、图表/表格、语气约束、反模式。\n6. **判断是否足够**：若已有 1-3 个可信来源且结构趋于稳定，即可停止。\n7. **适配输出**：按独立模式或工作流模式输出格式规格。\n\n## 来源优先级\n\n按场景选入口，不要机械地全搜。\n\n### 1. 学术 / 医学 / 社科综述\n\n优先级：\n\n1. 报告规范或方法学组织：EQUATOR、PRISMA、CONSORT、STROBE、Cochrane、NLM、APA 等。\n2. 目标领域顶级期刊的 author guidelines / guide for authors。\n3. 高质量综述论文、官方 handbook 或系统综述教学资料。\n\n### 2. 行业 / 市场 / 竞品 / 趋势研究\n\n优先级：\n\n1. 监管披露模板、交易所披露要求、行业协会标准。\n2. 头部咨询、投研、产业机构发布的完整研究报告。\n3. 大型机构、国际组织或统计机构的行业分析框架。\n\n### 3. 技术选型 / 架构评估 / 产品比较\n\n优先级：\n\n1. 官方评估框架、采购/招标模板、架构决策记录规范、云厂商/标准组织最佳实践。\n2. 高质量技术选型文档、架构评估模板、企业 RFC / ADR 范式。\n3. 头部工程团队公开的评估矩阵或对比报告。\n\n重点抽取：\n\n- 评估维度\n- 比较矩阵\n- 约束条件\n- 风险与取舍\n- 推荐与适用场景\n\n### 4. 政策 / 法律 / 监管 / 公共事务\n\n优先级：\n\n1. 政府、监管机构、法院、国际组织的正式文档或模板。\n2. 智库、政策研究机构、议会/国会研究服务机构的报告格式。\n3. 同类政策简报、法律备忘录、监管说明的高质量范例。\n\n### 5. 尽职调查 / 实体调查 / 风险审查\n\n优先级：\n\n1. 监管披露要求、合规审查清单、审计/风控框架。\n2. 投资、咨询、法律、审计机构常见尽调结构。\n3. 公开可得的高质量尽调模板或调查框架。\n\n重点抽取：\n\n- 对象概览\n- 核心风险类别\n- 证据缺口\n- 红旗事项\n- 结论等级或后续动作\n\n### 6. 事件追踪 / 事实核查 / 时间线还原\n\n优先级：\n\n1. 主流事实核查机构方法说明。\n2. 调查报道、事件复盘、事故报告、官方通报的结构。\n3. 新闻编辑手册或调查型报道格式规范。\n\n重点抽取：\n\n- 时间线\n- 各方说法\n- 已确认 / 未确认事实\n- 证据等级\n- 后续影响\n\n## 采信规则\n\n采信来源前，先判断它是否真的能用于抽结构。\n\n正向信号至少命中 2 项：\n\n- 来自官方机构、期刊、标准组织、监管机构、国际组织或公认头部机构。\n- 是 PDF 原文、官方页面、author guidelines、handbook、checklist、template 或完整报告。\n- 有明确标题层级、目录、章节说明、checklist 或必备元素列表。\n- 有发布机构、日期、版本号、DOI、文档编号或法规编号。\n- 内容足够完整，能抽结构，而不是只有摘要。\n\n命中任一负向信号则丢弃：\n\n- “如何写报告”的个人教程或营销文章。\n- 新闻稿、媒体摘要、二手转述。\n- 内容聚合站、论坛回答、博客搬运、低质量下载站。\n- 正文过短，无法看到结构。\n- 来源身份不明或无法确认发布机构。\n\n不要为了凑来源数量降低采信标准。\n\n## 搜索退出\n\n- 理想情况：采信 2-3 个来源后停止。\n- 如果只有 1 个高可信标准来源，也可以输出格式规格，但要说明来源有限。\n- 如果 6-8 轮搜索仍无可信来源，回退到通用结构，并说明回退原因。\n- 不要重复搜索同一个入口；换关键词、机构类型或报告类型视角。\n\n## 抽取内容\n\n只抽这些内容：\n\n- 报告类型名称和适用场景\n- 推荐或强制章节结构\n- 每个章节必须包含的元素\n- 非章节必备元素，如矩阵表、方法说明、风险清单、流程图、摘要格式\n- 风格和约束，如客观语气、证据等级、披露口径、是否区分事实与判断\n- 对后续研究或成稿会产生约束的结构要求\n\n不要抽这些内容：\n\n- 来源报告的具体结论\n- 与用户主题无关的行业观点\n- 正文事实材料\n- 正式引用编号或参考文献列表\n\n## 输出模式\n\n根据调用场景输出，不强绑单一文件名。\n\n### 模式 A：独立使用\n\n如果用户只是问“这类报告应该怎么写 / 应该有哪些章节 / 有没有标准结构”，直接在对话中或按用户指定路径输出格式规格。\n\n推荐结构：\n\n```json\n{\n  \"genre\": \"报告类型\",\n  \"domain\": \"研究领域\",\n  \"audience\": \"目标读者\",\n  \"format_basis\": [\n    {\n      \"type\": \"standard_guideline | official_template | real_exemplar | domain_convention | fallback\",\n      \"name\": \"来源名称\",\n      \"url\": \"来源 URL，如有\",\n      \"credibility_reason\": \"为什么可信\",\n      \"what_extracted\": \"从中抽取的结构要点\"\n    }\n  ],\n  \"sections\": [\n    {\n      \"name\": \"章节名\",\n      \"required\": true,\n      \"purpose\": \"该章节承担什么功能\",\n      \"elements\": [\"必须包含的内容\"],\n      \"source_basis\": [\"对应 format_basis.name\"]\n    }\n  ],\n  \"mandatory_elements\": [\"必须包含的非章节元素\"],\n  \"style\": {\n    \"tone\": \"写作风格\",\n    \"tables_or_figures\": [\"推荐的表格或图\"],\n    \"domain_specific_metrics\": [\"领域特有指标或口径\"],\n    \"anti_patterns\": [\"不应做的事\"]\n  },\n  \"fallback_used\": false,\n  \"fallback_reason\": null\n}\n```\n\n### 模式 B：deep research / planning 内嵌\n\n如果调用方需要把结果放进 `plan.json.report_shape`，保留至少这些信息：\n\n- `format_basis`\n- `sections`\n- `mandatory_elements`\n- `style`\n\n如果本地 schema 更简化，可以压缩字段，但不要丢掉“结构依据”。\n\n## 质量门槛\n\n- `sections` 来自可信来源的结构抽取，而不是凭空生成。\n- 每个 `format_basis` 都说明可信原因和抽取内容。\n- `mandatory_elements` 和 `style` 能帮助后续研究或成稿判断需要什么材料。\n- 若不是 fallback，至少有一个可信来源支撑结构。\n- 若使用 fallback，必须说明搜索失败原因和回退逻辑。\n- 输出必须能被单独使用，而不依赖 deep research 其他阶段。\n\n## 常见失败\n\n- 使用二手教程替代标准原文。\n- 找到真实报告后抽取其结论，而不是结构。\n- 把格式规格写成研究计划或终稿大纲。\n- 忽略受众和使用场景，套通用模板。\n- 为凑来源数量降低可信标准。\n- 只适配 deep research，导致单独使用时不可读或不可复用。","tags":["report","format","discovery","sensenova","skills","opensensenova","agent","agent-skills","ai-agents","ai-assistant","data-analysis","document-processing"],"capabilities":["skill","source-opensensenova","skill-sn-report-format-discovery","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-report-format-discovery","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 (4,334 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":"2026-05-18T18:53:05.726Z","embedding":null,"createdAt":"2026-05-15T06:53:10.840Z","updatedAt":"2026-05-18T18:53:05.726Z","lastSeenAt":"2026-05-18T18:53:05.726Z","tsv":"'-2':64 '-3':189,385 '-8':394 '/request.md':125 '1':63,88,157,188,198,203,231,247,275,294,317,388 '2':93,161,213,225,235,254,280,299,319,337,384 '3':97,165,220,239,242,261,285,304,324 '4':102,171,269 '5':106,177,289 '6':86,110,185,312,393 '7':192 'adr':259 'anti':493 'apa':211 'audienc':131,148,440 'author':215,219,348 'b':503 'basi':443,476,513,530 'checklist':351,357 'cochran':209 'consort':207 'convent':452 'credibl':460 'deep':13,48,83,504,545,557 'dir':124 'discoveri':5,33 'doi':362 'domain':128,138,438,451,489 'element':473,480,516,533 'equat':205 'exemplar':450 'extract':464 'fallback':453,496,499,538,541 'fals':498 'figur':487 'format':4,32,442,512,529 'format_basis.name':478 'genr':130,140,436 'guid':217 'guidelin':216,349,446 'handbook':223,350 'json':435 'mandatori':479,515,532 'metric':491 'name':454,467 'nlm':210 'null':501 'offici':447 'pattern':494 'pdf':345 'plan':506 'plan.json.report':51,509 'prisma':206 'purpos':471 'real':449 'reason':461,500 'region':133,150 'report':3,16,31,123 'requir':469 'research':14,49,84,505,546,558 'rfc':258 'schema':135,519 'section':466,514,525 'shape':17,52,510 'skill':41 'skill-sn-report-format-discovery' 'sn':2 'sn-report-format-discoveri':1 'sourc':475 'source-opensensenova' 'specif':490 'standard':445 'strobe':208 'style':482,517,535 'tabl':485 'templat':352,448 'tone':483 'topic-agent' 'topic-agent-skills' 'topic-ai-agents' 'topic-ai-assistant' 'topic-data-analysis' 'topic-document-processing' 'topic-office-automation' 'topic-presentation-slides' 'true':470 'type':444 'url':456,458 'use':497 '不应做的事':495 '不强绑单一文件名':425 '不抽结论':73 '不是正文事实':38 '不要为了凑来源数量降低采信标准':380 '不要强行套模板':118 '不要抽这些内容':418 '不要机械地全搜':197 '不要混用多个主类型':164 '不要重复搜索同一个入口':398 '与用户主题无关的行业观点':420 '个可信来源且结构趋于稳定':190 '个来源后停止':386 '个高可信来源抽结构':65 '个高可信标准来源':389 '中国':151 '为':50 '为什么可信':462 '为凑来源数量降低可信标准':555 '为报告生成章节结构':9 '主流事实核查机构方法说明':318 '也不要用二手教程拼凑':66 '也可以输出格式规格':390 '也可单独用于报告格式研究':30 '也可按':115 '事件复盘':321 '事件追踪':111,147,313 '事件追踪与事实核查等场景':29 '事实核查':113,314 '事故报告':322 '二手转述':372 '云厂商':252 '交易所披露要求':233 '产业机构发布的完整研究报告':238 '产品方案比较':96 '产品比较':245 '从中抽取的结构要点':465 '企业':257 '优先原始来源':173 '优先查标准制定者':56 '优先级':202,230,246,274,293,316 '优先覆盖':82 '但不要丢掉':522 '但要说明来源有限':391 '低质量下载站':376 '使用二手教程替代标准原文':549 '使用场景':132 '保留至少这些信息':511 '先从请求中推断':137 '先判断它是否真的能用于抽结构':335 '全球等':154 '公共事务':25,101,273 '公开可得的高质量尽调模板或调查框架':305 '其他阶段':547 '内容聚合站':373 '内容足够完整':364 '内嵌':507 '写作风格':484 '判断是否足够':186 '判断用户要写的是哪类报告':159 '剔除教程':174 '医学':104,200 '医学综述':27 '博客搬运':375 '即可停止':191 '原文':346 '反模式':184 '反模式和适用场景':77 '发布机构':57 '发现特定报告类型的结构规范与写作约束':6 '只产出章节':74 '只抽结构':72 '只抽这些内容':402 '只适配':556 '可以压缩字段':521 '可信来源优先于通用模板':61 '可接受最小输入':120 '可选补充输入':126 '各方说法':328 '合规审查清单':296 '同类政策简报':286 '后续影响':332 '命中任一负向信号则丢弃':367 '和':534 '咨询':301 '回答':34 '回退到通用结构':396 '国会研究服务机构的报告格式':284 '国际组织或公认头部机构':343 '国际组织或统计机构的行业分析框架':241 '国际组织的正式文档或模板':279 '图表':181 '处理':117 '大型机构':240 '头部咨询':236 '头部工程团队公开的评估矩阵或对比报告':262 '套通用模板':554 '如何写报告':368 '如客观语气':413 '如有':459 '如果':392 '如果只有':387 '如果本地':518 '如果用户只是问':429 '如果用户请求不属于以上场景':114 '如果调用方需要把结果放进':508 '如矩阵表':407 '如行业研究':142 '媒体摘要':371 '学术':26,103,199 '学术综述':145 '宁可基于':62 '它研究的是':36 '官方':222 '官方评估框架':248 '官方通报的结构':323 '官方页面':347 '实体调查':108,291 '实际如何组织':71 '审计':297 '审计机构常见尽调结构':303 '对后续研究或成稿会产生约束的结构要求':417 '对应':477 '对象概览':307 '导致单独使用时不可读或不可复用':559 '尽职调查':28,107,290 '尽调':146 '嵌入':47 '嵌入工作流时适配调用方要求的字段结构':80 '已确认':329 '市场':20,90,227 '常见失败':548 '常见的':85 '并说明回退原因':397 '应包含什么':69 '应该有哪些章节':431 '当需要判断':7 '必备元素':10,75,180 '必备元素和写法约束':46 '必须包含的内容':474 '必须包含的非章节元素':481 '必须说明搜索失败原因和回退逻辑':542 '忽略受众和使用场景':553 '或':122 '或为':12 '或其他结构化格式规格提供依据':53 '或完整报告':353 '或必备元素列表':358 '或系统综述教学资料':224 '执行流程':156 '找到真实报告后抽取其结论':550 '技术选型':22,94,143,243 '把任务归入最接近的核心场景':163 '把格式规格写成研究计划或终稿大纲':552 '投研':237 '投资':300 '报告格式本身':37 '报告类型':141,437 '报告类型名称和适用场景':403 '报告规范或方法学组织':204 '披露口径':415 '抽取内容':401 '抽取结构':178 '招标模板':250 '按场景选入口':196 '按场景选择标准':167 '按独立模式或工作流模式输出格式规格':194 '换关键词':399 '推荐与适用场景':268 '推荐或强制章节结构':404 '推荐的表格或图':488 '推荐结构':434 '提供依据时使用':18 '提取章节':179 '搜索退出':381 '摘要格式':411 '政府':276 '政策':23,98,270 '政策研究机构':282 '政策简报':144 '文档编号或法规编号':363 '新闻稿':370 '新闻编辑手册或调查型报道格式规范':325 '新闻转述和低质量聚合':176 '方法说明':408 '无明确要求可留空':155 '无法看到结构':378 '既可以':42 '日期':360 '时间线':327 '时间线还原':112,315 '明确的':127,129 '是':344 '是否区分事实与判断':416 '智库':281 '更简化':520 '最接近的报告类型':116 '有发布机构':359 '有明确标题层级':354 '有没有标准结构':432 '服务什么判断或决策':160 '期刊':58,340 '未确认事实':330 '机构类型或报告类型视角':400 '权威指南':169 '来源':457 '来源优先级':195 '来源名称':455 '来源报告的具体结论':419 '来源身份不明或无法确认发布机构':379 '来自可信来源的结构抽取':526 '来自官方机构':339 '架构决策记录规范':251 '架构评估':95,244 '架构评估模板':256 '标准与范例互补':67 '标准组织':341 '标准组织最佳实践':253 '标准说明':68 '核心原则':54 '核心风险类别':308 '根据调用场景输出':424 '格式本身是可研究对象':55 '模式':426,502 '模板':168 '欧盟':153 '正向信号至少命中':336 '正式引用编号或参考文献列表':422 '正文事实材料':421 '正文过短':377 '每个':528 '每个章节必须包含的元素':405 '比较矩阵':265 '法律':24,99,271,302 '法律备忘录':287 '法院':278 '流程图':410 '版本号':361 '独立使用':43,428 '独立使用时直接返回格式规格':79 '理想情况':382 '用户单独询问某类报告的标准结构':44 '用户原始请求':121 '的':15 '的个人教程或营销文章':369 '监管':59,100,272 '监管披露模板':232 '监管披露要求':295 '监管机构':277,342 '监管说明的高质量范例':288 '目录':355 '目标读者':441 '目标读者和使用场景':149 '目标领域顶级期刊的':214 '直接在对话中或按用户指定路径输出格式规格':433 '真实高质量范例':170 '研究结论或执行计划':39 '研究领域':139,439 '社科综述':201 '社科综述与证据整合':105 '竞品':91,228 '竞品分析':21 '章节名':468 '章节建议':45 '章节说明':356 '等':212 '筛选来源':172 '类场景':87 '红旗事项':310 '约束条件':266 '结构依据':523 '结论等级或后续动作':311 '美国':152 '而不依赖':544 '而不是凭空生成':527 '而不是只有摘要':366 '而不是结构':551 '能帮助后续研究或成稿判断需要什么材料':536 '能抽结构':365 '至少有一个可信来源支撑结构':539 '若不是':537 '若使用':540 '若已有':187 '若输入不足':136 '范式':260 '营销文':175 '行业':89,226 '行业协会标准':234 '行业组织的原文':60 '表格':182 '议会':283 '论坛回答':374 '证据等级':331,414 '证据缺口':309 '评估维度':264 '识别报告任务':158 '该章节承担什么功能':472 '语气约束':183 '调查报道':320 '调用方要求的输出路径或输出':134 '质量门槛':524 '趋势研究':92,229 '轮搜索仍无可信来源':395 '输入':119 '输出必须能被单独使用':543 '输出服从调用场景':78 '输出模式':423 '这个':40 '这类报告应该怎么写':430 '这类报告应该长什么样':8,35 '适用于行业':19 '适用场景':81 '适配输出':193 '选择可信入口':166 '都说明可信原因和抽取内容':531 '采信':383 '采信来源前':334 '采信规则':333 '采购':249 '重点抽取':263,306,326 '锁定场景类型':162 '非章节必备元素':406 '项':338 '领域特有指标或口径':492 '风控框架':298 '风格和约束':412 '风格约束':11,76 '风险与取舍':267 '风险审查':109,292 '风险清单':409 '高质量技术选型文档':255 '高质量综述论文':221 '高质量范例说明':70","prices":[{"id":"c40c9603-fa9d-4984-b679-4865ee303b0b","listingId":"d4b77bc0-c9bd-4e30-a01b-6e1eaa7e36de","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":"2026-05-15T06:53:10.840Z"}],"sources":[{"listingId":"d4b77bc0-c9bd-4e30-a01b-6e1eaa7e36de","source":"github","sourceId":"OpenSenseNova/SenseNova-Skills/sn-report-format-discovery","sourceUrl":"https://github.com/OpenSenseNova/SenseNova-Skills/tree/main/skills/sn-report-format-discovery","isPrimary":false,"firstSeenAt":"2026-05-15T06:53:10.840Z","lastSeenAt":"2026-05-18T18:53:05.726Z"}],"details":{"listingId":"d4b77bc0-c9bd-4e30-a01b-6e1eaa7e36de","quickStartSnippet":null,"exampleRequest":null,"exampleResponse":null,"schema":null,"openapiUrl":null,"agentsTxtUrl":null,"citations":[],"useCases":[],"bestFor":[],"notFor":[],"kindDetails":{"org":"OpenSenseNova","slug":"sn-report-format-discovery","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":"30934969cd8d6def0bf2cdeb2b1e3e4311be6478","skill_md_path":"skills/sn-report-format-discovery/SKILL.md","default_branch":"main","skill_tree_url":"https://github.com/OpenSenseNova/SenseNova-Skills/tree/main/skills/sn-report-format-discovery"},"layout":"multi","source":"github","category":"SenseNova-Skills","frontmatter":{"name":"sn-report-format-discovery","description":"发现特定报告类型的结构规范与写作约束；当需要判断“这类报告应该长什么样”、为报告生成章节结构/必备元素/风格约束，或为 deep research 的 `report_shape` 提供依据时使用。适用于行业/市场/竞品分析、技术选型、政策/法律/公共事务、学术/医学综述、尽职调查、事件追踪与事实核查等场景，也可单独用于报告格式研究。"},"skills_sh_url":"https://skills.sh/OpenSenseNova/SenseNova-Skills/sn-report-format-discovery"},"updatedAt":"2026-05-18T18:53:05.726Z"}}