前言¶

做行业研究、投资判断或政策解读时，常见困境不是信息太少，而是线索太多：每条单独看都合理，拼在一起却说不清方向。线性摘要和单条推理往往只能复述事实，难以暴露信息之间的隐含结构。

下面介绍 SkillHub 上的社区 Skill「涌现分析法」（@user_231765ee/yongxian1）。它把一套完整方法论写进 SKILL.md，让支持 Skills 的 Agent 按固定步骤做外部化、压力测试、分组、碰撞与综合输出，而不是直接给结论。

这是什么¶

「涌现分析法」是发布者 user_231765ee（SkillHub 展示名 EtterLanhorne）提交的 data-analysis 类社区 Skill，当前版本 1.0.0，来源标记为 community。SkillHub 子分类包含「数据洞察」「竞品分析」；标签 requires_api_key=false，安装后不需要额外 API Key。

官方页面未填写中文概述字段，能力以包内 SKILL.md 为准：核心定位是涌现分析引擎——通过结构化流程，让多条信息交互后浮现整体大于部分之和的判断，并附带置信度与风险标注。

• SkillHub 页面：https://www.skillhub.cn/skills/user_231765ee/yongxian1
• API 坐标页：https://api.skillhub.cn/user_231765ee/yongxian1

截至页面与抓取数据，该 Skill 下载约 874 次，安装计数为 0（以 SkillHub 统计为准）。

核心功能¶

以下内容均来自 v1.0.0 包内 SKILL.md，可概括为一条主流程与配套模板。

方法论要解决的问题¶

面对一组看似独立的信息、线索或事件，当直觉上存在联系却无法靠单条分析定论时，Skill 要求 Agent 先创造条件（外部化、质检、重组、碰撞），再记录涌现出的洞察，而不是先定结论再找证据。

八步流程（含「第一步半」）¶

1. 外部化：逐条提取核心信号、前因、前提条件、隐含假设（信号强调「意味着什么」，而非复述事实）。
2. 第一步半 · 内部压力测试：碰撞前对每条信息做数字自洽、商业逻辑、因果链、来源立场四类检验，并标注可信度。
3. 重组：至少用三种分类维度分组（含按压力测试可信度分组），打散原有排列。
4. 碰撞：双条碰撞、多条找结构、反向碰撞、常识校准碰撞；每条洞察一句话记录并标置信度。
5. 重构：对关键洞察用比喻、图示描述、通俗解释三种方式重述。
6. 溯源：假设交叉验证、识别 1–3 个「超级假设」、价值捕获检验。
7. 历史叠加：历史类比、周期位置、用历史框架与可比数据校准估值类判断。
8. 综合涌现：从表层到最深层逐层综合，输出一句话总结、短中长期判断、数字校准、置信度、风险与行动指向，并做元反思。

Skill 还附带完整提示词模板（第五节），可直接填入信息集后交给 Agent 按步骤执行；执行原则包括「数字先算通再碰撞」「矛盾比一致更有价值」「发现信息错误则更正并重新碰撞受影响组合」等。

安装与启用¶

方式一：SkillHub CLI（推荐）¶

先按 SkillHub 安装文档 检查或安装 skillhub CLI。安装本 Skill 时需指定当前 Agent 的 skills 目录（--dir），否则默认落在 ./skills/ 可能不会被识别。

command -v skillhub && skillhub --version

skillhub install yongxian1 --namespace user_231765ee --dir <你的 Agent skills 目录>

常见路径示例（来自官方安装文档）：

• Cursor：~/.cursor/skills/
• Claude Code：~/.claude/skills/
• Codex：~/.codex/skills/ 或项目下 .agents/skills/

方式二：让 Agent 按提示安装¶

SkillHub 页面提供的安装说明为：根据 https://skillhub.cn/install/skillhub.md，安装 @user_231765ee/yongxian1。可将该句发给已接入 Skill 安装的 Agent 执行。

方式三：下载 Zip¶

https://api.skillhub.cn/api/v1/download?slug=@user_231765ee/yongxian1

解压后将 SKILL.md 放入所用客户端约定的 skills 目录。页面标注 v1.0.0 对应包名 yongxian1-1.0.0.zip。

典型用法¶

安装并启用后，在对话中提供多条待分析信息，并明确要求按 Skill 中的「完整提示词模板」执行。模板骨架如下（占位 [逐条列出信息] 替换为实际输入）：

你是一个涌现分析引擎。你的任务不是直接回答问题，而是通过以下流程，让多条信息之间的深层结构自己浮现出来。

【输入】
以下是我提供的信息集：
[逐条列出信息]

【要求】
请严格按照以下步骤执行：
第一步【外部化】…
第一步半【内部压力测试】…
第二步【重组】…
第三步【碰撞】…
第四步【重构】…
第五步【溯源】…
第六步【历史叠加】…
第七步【综合涌现】…

【执行原则】
（见 SKILL.md 第五节末尾列举的原则）

适合先给 8–10 条以上、角度多样的材料，以便碰撞组合足够多；输出应包含表格化压力测试结果、碰撞洞察（带置信度）以及第七步的综合表项。

适用场景与注意¶

适合谁

• 需要从分散信息提炼战略方向、行业或投资判断、政策解读的团队或个人。
• 已在 Cursor、Claude Code、Codex 等环境使用 Skills，希望把分析纪律固化成可重复流程的人。

限制与注意

• SkillHub 页面 overviewMd、summary 为空，安装前只能依赖包内文档或 Zip 预览；无独立脚本或外部服务，本质是方法论提示词。
• 涌现质量依赖输入信息的多样性与第一步半的质检；Skill 明确警告错误或未经验证的数字会污染后续碰撞。
• 历史叠加与估值校准是框架性参考，Skill 自身强调历史不会简单重复，需标注置信度而非当作预测。
• 社区来源（community），使用前可在 SkillHub 查看安全扫描报告链接；自行判断内容与立场是否适配你的场景。

结尾¶

「涌现分析法」把多步分析纪律写进 SKILL.md，适合在 Agent 对话里对信息集做结构化碰撞与分层结论。若需要安装或更新，以 SkillHub 为准：

https://www.skillhub.cn/skills/user_231765ee/yongxian1