# Extract

> 研究方法论反向提取器。从已有深度研究文档中提取可复用的研究框架模板，实现"研究思路模板化、未来场景复用化"。适用于沉淀研究方法论、生成 Agent Prompt 模板、构建标准化研究流程。 Use when this capability is needed.

- Skill: `tomevault-io/extract` (Agent Skill, multi-file: 2 files)
- Install (CLI): `npx skillmds@latest add tomevault-io/extract`
- Raw SKILL.md: https://api.skillmd.com/api/skills/tomevault-io/extract/raw
- Safety review: pending
- Works with: Claude Code, Claude.ai, OpenAI Codex
- Category: AI & ML
- Author: tomevault-io (https://skillmd.com/u/tomevault-io)
- Updated: 2026-09-17
- Page: https://skillmd.com/skills/tomevault-io/extract

---


# Extract - 研究方法论反向提取器

## Overview

从已完成的深度研究报告中反向提取研究方法论的"元框架"（how to think），而非具体结论（what to think），实现跨场景迁移复用。

## Workflow

### 1. 文档结构分析
- 读取指定的研究文档。
- 识别章节结构，标注每章的研究目的。
- 绘制研究逻辑流程图。

### 2. 六维度框架提取

逐一分析并提取以下维度的方法论模板：

1. **宏观分析框架** — 历史对标、时代特征、关键时间节点
2. **资产/对象分类框架** — 分类逻辑、驱动因素、配置角色
3. **驱动逻辑验证框架** — 必要条件、充分条件、逻辑共振、转折信号
4. **三重验证体系** — 宏观逻辑 + 产业格局 + 财务健康
5. **风险预警框架** — 上行/下行双向评估、监测指标、动态调整机制
6. **专家观点整合框架** — 核心专家矩阵、观点交叉验证、分歧处理

每个维度区分：
- **常量**（方法论骨架）：分析步骤、验证逻辑、思考框架
- **变量**（场景化内容）：具体数据、时间、标的、事件

### 3. 模板参数化
- 识别模板中的变量插槽。
- 为每个变量设定取值范围。
- 建立变量之间的依赖关系。

### 4. 跨场景验证
- 换时间、换主题验证框架适用性。
- 标记通用部分（直接复用）和定制部分（需调整）。

### 5. 生成最终输出

输出到 `research_frameworks/` 目录：
```
research_frameworks/
└── [提取时间]_[原研究主题]/
    ├── 00_研究方法论总览.md
    ├── 01_宏观分析框架模板.md
    ├── 02_资产分类框架模板.md
    ├── 03_驱动逻辑验证框架模板.md
    ├── 04_三重验证体系模板.md
    ├── 05_风险预警框架模板.md
    ├── 06_专家观点整合框架模板.md
    ├── 07_研究工作流程.md
    ├── 08_Prompt模板库.md
    └── 09_使用指南.md
```

## Quality Checklist

**完整性**：是否覆盖六个核心维度？每个维度分析步骤是否清晰？
**通用性**：模板是否去除场景特定内容？变量是否明确标注？
**可操作性**：Agent 能否直接使用这些模板？是否提供使用示例？

## Guardrails

- 提取方法论（how），不是结论（what）。
- 生成的框架需要人工审核后使用。
- 每次提取创建带时间戳的新目录，旧版本保留。
- 适用于任何有逻辑深度的分析报告，不限于投资领域。

---
> Converted and distributed by [TomeVault](https://tomevault.io/claim/hhx465453939) — claim your Tome and manage your conversions.
<!-- tomevault:4.0:skill_md:2026-04-13 -->