front-tech-map

Technology Mapping Skill (v2.1.1)

Overview

全自动生成指定前沿技术领域的技术全景图谱（技术源流 mapping）。通过 7 个阶段的系统性工作流，自动完成环境依赖检查、领域分析、目标发现、师承溯源、剪枝聚类、可视化输出和质量验证。

核心特点：

• 🧠 领域自适应：LLM 在运行时动态分析领域特征并生成定制化搜索策略（替代固定模板）
• 🔄 双向挖掘：正向追踪学术源头 + 逆向溯源明星项目创始团队
• 🔗 Wikidata 师承查询：整合 38 万条博士导师关系数据，大幅减少溯源断点
• ✂️ 强力剪枝 + 连接强度分级：三级连接强度体系，只保留 Tier 1/2 连接
• 📊 溯源质量可衡量：自动统计溯源完成率、验证率、孤儿率

When to Use

当用户需要对一个以技术为核心的前沿赛道进行全景式研究时使用：

• "帮我做一个中性原子量子计算的技术mapping"
• "生成 LLM Agent 框架的技术全景图"
• "核聚变领域的赛道图谱"

不适用：已高度成熟的非技术驱动产业。

输入与输出

输入

用户提供一个技术领域关键词："中性原子量子计算" / "LLM Agent 框架" / "核聚变磁约束"

输出

1. [Topic]_TechMap.svg — Graphviz dot 生成的 SVG 矢量图谱

2. [Topic]_TechMap_Report.md — 伴随文字报告（节点简介 + 置信度标注 + 溯源统计 + VC 分析结论）

输出路径：[Topic]_TechMap_YYYYMMDD/

---

数据 Schema

节点类型表、边类型表、置信度规则详见 data_schema.md 连接强度三级分层体系详见 connection_strength.md 可视化节点配色/边样式/时间轴/Legend 规范详见 visual_spec.md VC 分析框架（创始人评估 + 技术路线 + 中外对比 + 可追溯性）详见 vc_framework.md

---

搜索工具选择规范

在任何需要执行网页搜索的步骤中，按以下流程选择工具：

1. 优先使用：yiyanxuangu MCP 工具（get_stock_basic_info、search_securities_code 等）
2. 新闻搜索：@skill://万行-news 检索工具
3. Web 搜索：workbuddy 的网页搜索工具作为补充

---

执行工作流

[!CAUTION] 严格按照 Phase 0 → 1 → 2 → 3 → 4 → 5 → 6 的顺序执行。每个 Phase 完成后，在内部检查输出质量，再进入下一个 Phase。

---

Phase 0: 环境准备与依赖检查 🛠️

目的：检查依赖是否存在，并安装依赖，作为执行所有图谱生成逻辑的前置第一步。

步骤：

1. 检查系统依赖：执行 dot -V，检查核心工具 Graphviz 是否可用。注意：如果遇到报错，这是正常现象，说明尚未安装。 作为 Agent 保持冷静，切勿报错中断或询问用户处理，而是直接在内置终端自动执行以下安装命令，按以下顺位尝试直到成功：
   • macOS: brew install graphviz
   • 备选（若无 brew）：下载免安装版并添加到 PATH
2. 检查 Python 库：执行 pip install graphviz，确保 Python graphviz 库已安装。

Phase 0 交付物：能够正常调用相应的依赖包和命令行工具（不会抛出 NotFound 的报错）。

---

Phase 1: 领域适应 & 策略生成 🧠

目的：让 LLM 在运行时分析该技术领域的特征，动态生成适配的搜索策略和溯源路径。

步骤：

1. 创建文件夹：创建文件夹 [Topic]_TechMap_YYYYMMDD，用于保存所有中间文件、交付物和最终输出。
2. 领域特征分析：基于 LLM 自身知识，分析以下维度并输出 domain_profile：

   {
     "domain": "量子计算-中性原子",
     "knowledge_carrier": {
       "论文": 0.8, "专利": 0.3, "开源代码": 0.1, "产品": 0.05
     },
     "talent_flow_pattern": "大学PhD → 博后 → 教授创业 or 大厂",
     "known_anchor_persons": ["Mikhail Lukin", "Antoine Browaeys", "..."],
     "known_anchor_companies": ["QuEra", "Pasqal", "..."],
     "china_pattern": "海归教授 + 中科大/清华系",
     "upstream_path_type": "PhD advisor chain (2-3 layers)",
     "special_relations": ["同实验室师兄弟", "共同导师", "技术迁移(冷原子→中性原子)"],
     "search_templates": {
       "company_overseas": "[keyword] startup unicorn funding series",
       "company_china": "[关键词] 中国 创业公司 融资 A轮 B轮",
       "academic": "[person] PhD advisor [field] university",
       "academic_china": "[中文名] 博士 导师 留学 [领域]",
       "lab_alumni": "[advisor] lab alumni students notable startup"
     }
   }
   

   • ⚠️ AI/开源型领域：talent_flow_pattern 应为 "大厂核心团队 → 独立创业" 或 "顶级实验室 → 开源项目 → 创业"
   • ⚠️ 硬科技领域（量子/核聚变/生物）：应为 "大学PhD → 博后/教授 → 创业"