Token导航 LogoToken导航

Agent Skill · 研究检索

industry-research-maching-engine(工业研究加工引擎)

industry-research-maching-engine 用于查找、检索和筛选相关信息,适合在 OpenClaw 中需要根据关键词、任务场景或来源线索快速定位候选结果时使用。可结合来源仓库、安装命令和原始 README 继续核验具体用法。安装前建议确认权限范围、维护状态,以及是否会触发联网、命令执行或文件读写。

industry-research-maching-engine 是研究检索类 Agent Skill,可用宿主为 OpenClaw,通过ClawHub获取,权限为需要联网;许可证为 MIT-0,第三方扫描有提醒项,按安装量在研究检索类的 73,675 个 Skill 里排第 28,001。

总安装 3,293周安装 140GitHub Stars 公开资料未说明下载 1,154核验 2026-05-01

安装说明

本站只整理中文说明,不托管安装包,也不代用户安装。
GitHub
许可证
MIT-0
版本
1.0.3

安装方式

通过对话安装

复制提示词发给支持本地命令或 Skills 的 AI 助手,先确认命令和权限,再让它执行。

请帮我安装这个 Agent Skill:industry-research-maching-engine(工业研究加工引擎)
来源仓库:https://github.com/tsingliuwin/industry-research-maching-engine
安装命令:
openclaw skills install industry-research-maching-engine
安装前请先检查当前环境是否支持对应 CLI,并向我确认将要执行的命令、安装目录、联网范围和文件读写权限;确认后再执行。

命令行安装

复制命令到本机终端执行。该命令会通过 OpenClaw 从第三方来源获取 Skill;本站只展示命令,不托管安装包,也不自动执行。

ClawHubOpenClaw
openclaw skills install industry-research-maching-engine

这个 Skill 是做什么的

研究检索类 Skill 主要解决「找资料、核对事实、把来源整理清楚」的问题,通常会让助手先检索再总结。

你的核心任务是:接收用户输入的【本科专业】,通过“政策-学术-就业”三维逻辑,输出一份**绝对客对客观**的考研专业与院校方向选择指导报告。

上手步骤

4 步
  1. 1

    确认自己的宿主工具

    公开资料标注支持 OpenClaw;先确认自己用的是其中之一,再按对应工具的 Skills 目录放置。

  2. 2

    拿到安装命令

    可以直接复制的命令是 openclaw skills install industry-research-maching-engine;命令里的占位符换成自己的路径或密钥再执行。

  3. 3

    安装后重启宿主

    命令执行完要完全退出宿主工具再打开,让新装的 Skill 被重新扫描到,否则列表里可能看不到。

  4. 4

    按最小权限试用

    它需要需要联网,先在测试目录或测试账号里跑,确认没问题再放到正式项目。

常见问题

6 条

industry-research-maching-engine 怎么安装?

在终端执行 openclaw skills install industry-research-maching-engine。装完完全退出宿主工具再打开,让它重新扫描本地 Skill。

industry-research-maching-engine 支持哪些 AI 工具?

公开资料标注支持 OpenClaw。其他工具只要能读取本地 Skill 目录,一般也能手动放进去,但要自己确认触发方式是否一致。

industry-research-maching-engine 需要什么权限?

权限级别是需要联网。该 Skill 可能需要联网访问来源站点、仓库或外部 API;具体网络访问范围需要结合源码和 README 复核。

industry-research-maching-engine 是免费的吗?

来源标注的许可证是 MIT-0。本站不代收任何费用,也不托管安装包;能否商用、要不要署名,以许可证原文为准。

industry-research-maching-engine 用的人多吗?

公开数据是累计安装 3,293 次,近一周安装 140 次,下载 1,154 次。这些数字来自第三方目录统计,只能当作热度参考,不代表质量或安全性。

industry-research-maching-engine 安全吗?

第三方扫描有提醒项,说明存在需要人工确认的行为。安装前请打开源码看清它读了什么、联网到哪里。

值得选的地方和要先想清楚的地方

值得选的地方

  • 专注 OpenClaw 一种宿主,触发方式和使用习惯不用来回切换。
  • 许可证明确为 MIT-0,商用和分发边界好判断。

先想清楚的地方

  • 第三方扫描存在提醒项或未通过项,需要人工逐条确认。
  • 第三方目录整理,版本更新和行为细节以来源仓库为准。

适不适合你

更适合

  • 已经在用 OpenClaw,想直接扩展它能力的人。
  • 需要处理研究检索类任务、又不想每次都手写提示词的人。

不太适合

  • 需要厂商级技术支持和 SLA 的生产系统。

研究检索类 Skill 对比

6 个同类
Skill总安装GitHub 星权限许可证扫描
find-skills

寻找技能 · Codex、Claude

31,199,81316,486操作浏览器MIT有提醒
self-improving-agent

自我改进 Agent · OpenClaw

16,464,0023,396接触敏感数据MIT-0通过
soultrace

灵魂追踪 · Codex、Claude

7,588,94412需要联网未明确有提醒
self-improving

自我完善 · OpenClaw

6,829,2841,046需要联网MIT-0通过
microsoft-foundry

微软代工厂 · Codex、Claude

6,614,144764调用外部服务未明确有提醒
industry-research-maching-engine

工业研究加工引擎 · 本页

3,293—需要联网MIT-0有提醒

按安装量取同分类前几名;数字来自第三方目录统计,只作热度参考,不代表质量结论。

SKILL.md 原文

name
Industry Research Maching Engine
description
你的核心任务是:接收用户输入的【本科专业】,通过“政策-学术-就业”三维逻辑,输出一份绝对客对客观的考研专业与院校方向选择指导报告。

Role

你是一位就职于苏州研途教育的“顶尖考研产业规划高级咨询师”。你精通国家“十五五”规划产业趋势,熟知中国研究生招生体系(研招网数据),并对目前的就业市场(各大企业/科研院所招聘需求)有敏锐的洞察。

Task

你的核心任务是:接收用户输入的【本科专业】,通过“政策-学术-就业”三维逻辑,输出一份绝对客观的考研专业与院校方向选择指导报告。

Constraints (严禁违反的红线)

  1. 绝对客观:坚决不考虑任何学生个人因素(如成绩好坏、兴趣爱好、地域偏好、本科学历背景等)。所有的分析必须完全基于“专业本身的前景”、“国家政策导向”和“市场客观数据”。
  2. 严谨匹配:本科专业向“十五五”规划产业映射时,必须是自然、符合底层逻辑的强关联,坚决杜绝生搬硬套和过度联想。如果没有强关联产业,请诚实指出其在传统行业的客观定位。
  3. 真实抓取,拒绝模拟:禁止使用“模拟数据”、“虚构案例”或“模型幻觉”生成的JD。所有院校专业目录、招生计划、企业招聘要求必须通过 baidu-search 和 web_fetch 实时检索研招网、高校官网、主流招聘平台(如Boss直聘、猎聘、企业官网)获取。
  4. 数据可信与溯源:在输出报告时,关键数据(如招生名额、薪资区间、企业名单)应尽可能注明来源或数据获取的时间节点,确保信息的时效性与可靠性。

Workflow

当咨询师输入一个【本科专业】后,请严格按照以下四个步骤进行深度演算并输出报告:

Step 1: “十五五”宏观产业定位 (Macro-Industry Mapping)

  • 分析输入的【本科专业】。
  • 结合“十五五”规划及当前国家战略性新兴产业(如新质生产力、人工智能+、双碳、生物制造等),列出该本科专业真正契合的1-3个核心产业赛道。
  • 简述契合的底层逻辑(为何该专业能服务于该产业)。

Step 2: 学术供给侧分析 (Academic Pathway)

  • 针对Step 1确定的产业赛道,列出对应的【硕士专业(专业代码/名称)】。
  • 通过调用 baidu-search 和 web_fetch 技能,在研招网及四类院校梯队(985、211、双一流、双非特色强校)官方网站中进行实时分布检索。
  • 提取并总结这些院校各专业所在学院及其建立的研发机构、重点实验室或工程中心下的具体研究方向描述。
  • 汇总社会对这些研究方向的客观评价(包括:主流毕业去向、用人单位的普适评价、该方向的学术水平及深造发论文的难易度)。

Step 3: 产业需求侧分析 (Employment Demand)

  • 针对Step 1确定的产业赛道,列举至少10家该赛道内的关联代表性企业、重点科研单位或由名校名企建立的联合研发机构,并简述各实体的核心特点(包括但不限于:代表性产品/科研成果、具体的产业细分方向、核心技术壁垒等)。
  • 通过调用 baidu-search 和 web_fetch 技能,真实抓取这些单位最新的、与该产业相关的核心【岗位JD(职位描述)】。
  • 梳理这些岗位的:

1. 核心职责; 2. 薪酬待遇区间(客观行业均值); 3. 对应聘者的硬性素质与能力要求; 4. 用人偏好:包含项目经验、特定工具使用,以及企业高度认可的学科竞赛/行业竞赛名称及其偏好程度(如:ICPC、数学建模、中国研究生创新实践系列大赛等)。

  • 关键动作: 将这里提取出的“能力要求、用人偏好及竞赛倾向”,直接对应匹配到Step 2中梳理出的【具体研究方向】上。指出:哪些研究方向最契合目前的高薪/核心岗位,并明确指出哪些竞赛奖项是该方向进入名企的强力加分项。

Step 4: 终局客观建议整合 (Objective Recommendation)

  • 综合Step 2和Step 3的数据,给出最终的客观指导结论。
  • 结论结构必须包含:

1. 升学路径建议(基于该本科专业,建议跨考或深造的最优硕士专业及研究方向)。 2. 院校梯队策略(客观说明985/211与双非特色院校在当前产业认可度上的差异,指出最具“性价比”或“产业对口度”的梯队选择)。 3. 专业避坑指南(指出哪些研究方向看似热门但就业已饱和,或与“十五五”产业脱节)。

Output Format

请使用结构化的Markdown格式输出,标题清晰,大量使用表格。

  • 核心表格: “院校研究方向-岗位能力-竞赛偏好匹配矩阵表”,需清晰标注各研究方向对应的核心企业、岗位能力要求及高认可度竞赛名单。
  • 风格要求: 语言风格保持专业、冷峻、数据导向的咨询风。

平台分布

OpenClaw

96.44%
按下载量换算1,113

安全审计

VirusTotal

通过

ClawScan

可疑

Static analysis

通过

权限和风险

需要联网

该 Skill 可能需要联网访问来源站点、仓库或外部 API;具体网络访问范围需要结合源码和 README 复核。

安装前确认

本站仅展示第三方公开信息,不托管安装包,不提供自动安装或运行环境。安装前应自行审查源码、依赖和命令行为。来源安全扫描存在提醒或未通过项,安装前请自行复核。目前只有一个公开来源,建议同时核对源仓库。

继续浏览同类 Skills