Industry Media Research
归属说明：本Skill由初五维护，属于初五的个人Skill体系。分享或再分发时请保留本归属说明及已有来源、作者和许可声明。
核心任务
把行业媒体研究做成一个有范围、有样本、有证据底稿、有停止条件的认知研究过程。媒体地图是建立观察范围的工具，最终目标是理解一个行业正在被怎样定义、解释和想象，以及不同信息生产者让我们看见了什么、忽略了什么。不要从熟悉的媒体名单直接开始写报告，也不要先设定会分成几类。
默认回答六个问题：
- 谁在持续生产这个行业的信息，分别提供什么观察位置。
- 哪些议题被反复讨论，哪些事实被认为具有新闻价值。
- 不同媒体怎样组织标题、开头、正文、证据和结尾，从而赋予事件意义。
- 同一事件经过不同媒体后，形成了哪些问题意识、叙事框架与阶段判断。
- 行业内有哪些共识、分歧、证据依赖、缺席角色和认知盲区。
- 这些差异为我们理解行业带来什么新认知，并按需转成什么公关启示。
任务边界
- 本Skill研究一个行业或议题的媒体生态和重复模式。
- 媒体对象按信息功能、问题意识和证据角色研究，不建立媒体优劣榜、权威榜或写作质量排名。
- 候选对象的纳入、补充、边界或不纳入只表示研究相关性与样本覆盖，不表示媒体价值高低。
- 分析单篇报道在替谁建立什么认知时，使用
media-narrative-analysis。 - 判断热点是否成势、舆情实质与走势时，使用
hot-public-opinion-analysis；是否回应仍有真实取舍时交给judgment-hub。 - 需要做最终公关取舍时，再把研究结论交给
judgment-hub。 - 媒体名单、写法分类和内容空白都是时点性结论；必须写明检索日期、样本范围和访问限制。
Step 0：先定义研究合同
开始检索前固定：
- 认知问题：希望理解行业的共识、争议、技术兑现、商业结构、社会影响、政策关系还是其他问题。
- 可选应用：研究是否还要支持采访准备、内容策划、媒体关系、竞对观察或频道定位。
- 行业：纳入哪些技术、产品、公司和相邻赛道，排除什么。
- 地域与语言：国内、海外或跨市场；哪些语言可直接阅读。
- 时间：研究窗口、检索截止日和需要回溯的关键事件。
- 对象：机构媒体、子栏目、垂直媒体、通讯、个人创作者、社区、研究机构等是否都纳入。
- 深度：快速、标准或深度模式。
- 交付：先确定需要回答的认知问题，再选择必要模块；按读者需要侧重研究综述、样本查阅、决策简报或公众解读，不默认写一份百科全书。呈现方式不改变样本与证据要求。
若用户没有指定，先采用「快速模式＋最近6个月＋机构媒体与专业创作者＋行业如何被理解」作为工作假设，并明确标注。
Step 1：建立媒体候选池
检索前读取并执行采集与补证规则，贯穿查询、正文验收与结论更新。
按功能层搜索，避免只依赖已知名单：
- 综合新闻与通讯社。
- 财经、商业与公司报道。
- 科技与创新媒体。
- 行业垂直、产业链与专业媒体。
- 政策、协会、标准与研究机构。
- Newsletter、播客、视频栏目和个人创作者。
- 社区、平台原生内容与行业活动等信息基础设施。
从搜索结果、记者署名、文章引用、活动嘉宾、公司媒体页和同题报道继续滚雪球。每个候选记录核心样本／补充样本／边界样本／待确认／不纳入及理由。这些状态只服务研究覆盖，不构成媒体评价。
停止扩池有两个独立出口：
- 关键功能层已有代表性样本，连续扩池不再增加影响判断的新角色或证据时，结束检索并合稿；无需耗尽预算。
- 时间／资源达到约定上限，或访问条件使后续检索无新增价值时，停止扩展，按已完成的范围交付并列出缺口。
区分证据充分与资源限制。只有实际覆盖支持时才称为完整；受限任务说明真实模式与结论边界，不把所有未耗尽预算的研究强制降为快速扫描。
Step 2：抽取最小充分样本
| 模式 | 适用场景 | 每个重点对象的默认样本 | 结论边界 |
|---|---|---|---|
| 快速 | 2—4小时内形成工作地图 | 至少3篇原创内容，尽量跨2个日期和2种触发事件 | 只输出暂定类型和初步认知假设 |
| 标准 | 正式行业研究、内容规划或传播准备 | 5—8篇，尽量跨2位作者、2类议题、2个月份，并含1篇非发布会稿件 | 可判断重复的认知与写法倾向，仍标注样本范围 |
| 深度 | 跨市场研究、频道定位或年度观察 | 每个核心对象15篇以上，加同题样本组和必要的计数 | 可以比较频率和演变，不自动代表全部内容 |
样本不足时保留对象，但降低结论强度。不能用转载稿替代原创样本，也不能用一位作者的一篇文章定义整家媒体。
Step 3：建立可复核底稿
研究必须先有「媒体对象表」和「文章样本表」，再写结论。字段、编码口径和最小模板见references/coding-schema.md。
至少记录：媒体对象、子栏目、作者、标题、日期、原始链接、原创／转载／合作属性、议题、触发事件、文章结构、证据来源、编辑投入、商业标记、访问状态和研究备注。
来源优先级：原始报道页＞作者或机构官方存档＞可靠转载页。使用转载页时，必须标记它只是访问替代，不据此判断首发时间或商业关系。
Step 4：分开编码六个维度
不要把所有判断塞进一张媒体表，也不要把分析维度换算成媒体总分。
- 分布：主体类型、覆盖地域、平台、频率、受众和行业功能。
- 内容：高频议题、事件触发器、常见主角、价值判断和长期缺席的问题。
- 写法：标题动作、开头入口、动词、比喻、语气、段落推进和结尾功能。
- 结构：信息按什么顺序展开，证据出现在哪里，是否有采访、解释、反方和限制。
- 证据：原始资料、公司供给、记者采访、第三方数据、用户／员工／客户证词分别占什么位置。
- 认知：报道把行业解释成什么问题，形成什么共识、分歧、阶段判断和被忽略的问题。
L1—L4只描述单篇文章的编辑与证据组织方式：
- L1：承载或轻度改写公开材料。
- L2：加入背景、术语解释或有限校验。
- L3：有编辑采访、独立数据或多源组织。
- L4：多方调查、现场验证、反方和系统性事实核验。
这些标记帮助理解一项主张如何进入公共叙事，不是文章质量分数。一家媒体可以同时生产不同标记的内容；报告中只展示样本分布，不能给媒体贴固定L值，更不能据此形成媒体排名。
Step 5：从样本中生成分类
分类数量不预设。先完成文章编码，再观察哪些样本在「核心问题、信息结构、证据组合、读者任务」上稳定聚合。
一个可用分类需要：
- 类内样本有共同机制，不能只共享几个表面词语。
- 类间能够解释不同的读者任务或编辑选择。
- 每类至少有多个样本支持；孤例保留为「特殊样本」或「待观察类型」。
- 允许一篇文章同时具有一个主类型和一个次类型。
- 国内外先使用共同编码维度，再保留各市场自然出现的本地类型。
命名采用「读者任务＋叙事机制」，例如「解释技术如何工作」「追踪产业兑现」「借人物建立行业坐标」。不要为了整齐把样本强塞进固定数量的类别。
Step 6：做两种关键比较
同题横向比较
选择同一发布、融资、事故、政策或产业节点，比较不同媒体：
- 标题把什么设为新闻。
- 开头先交代事实、人物、冲突还是意义。
- 谁提供证据，谁缺席。
- 使用什么动词描述阶段与结果。
- 最终把事件解释成技术、商业、政策、社会还是组织问题。
反例与纵向比较
主动寻找不符合初步判断的稿件，并比较同一对象在不同作者、栏目、格式和时期的变化。只有反例无法推翻的重复特征，才可以升级为「稳定倾向」。
Step 7：形成认知型交付
按需选择以下模块：
- 核心认知：行业在当前样本中被如何定义、解释和判断。
- 研究范围、样本量、检索日期与限制。
- 媒体生态与信息功能地图，不做价值排名。
- 内容议题与事件触发矩阵。
- 从样本归纳出的写法类型。
- 常见文章结构与写作指纹。
- 同题报道比较。
- 共识、分歧、证据来源、缺席角色与认知盲区。
- 集中案例库，放在表格之外。
- 可选的公关启示与下一步验证。
标准／深度研究应说明本次样本对已有行业认知的印证、修正、补充或未决之处，并交代比较依据；差异来自窗口、对象或编码变化时先说明，不能直接宣称行业认识发生改变。摘要独立给出认知判断与范围，结尾只增加跨样本综合或下一步验证；没有增量时合并。
「内容空白」只能写成当前样本下的供给不足假设。若要据此决定成立频道、投入预算或选择商业模式，还需验证受众需求、分发条件、创作者竞争和持续生产成本。
质量门禁
交付前逐项检查：
- 是否先说明这份研究要回答什么行业认知问题，以及是否存在可选应用。
- 是否回答了不同媒体的研究结果为理解行业带来什么认知。
- 是否把媒体地图作为信息功能与观察位置地图，而非优劣、权威或质量排名。
- 是否区分媒体机构、子栏目、作者、平台、研究机构和商业合作内容。
- 是否给出样本数、时间窗、检索日期和访问限制。
- 是否先编码再分类，且没有预设类别数量。
- 是否把单篇、作者、栏目和机构层结论分开。
- 是否把L1—L4留在文章层，并明确它描述证据组织方式而非质量。
- 是否区分「样本中未出现」「检索未发现」「因付费墙或索引限制无法确认」。
- 是否用原始链接支撑关键判断，并把案例集中放在表格之外。
- 是否保留反例、替代解释和不支持初步判断的样本。
- 是否在没有明确证据时拒绝推断付费、软文或商业关系。
- 是否把「常见」「主流」「缺少」限定为当前样本，或给出计数与分母。
- 是否删掉没有新增机制、证据、边界或行动的重复章节。
- 是否先完成研究认知，再按需转译公关行动，避免用传播用途反向支配研究结论。
任一关键门禁不通过时，降级为初步扫描、补充样本，或明确停止在研究设计阶段。
验证要求
本Skill由具身智能与大模型媒体研究的三轮真实产物反向提炼，并吸收了漏项、分类和样本边界反馈。当前仍为实验状态；后续跨行业任务如已获Skill维护或知识写回授权，按需要把真实成功、暂停和失败写入Feedback.md与Test-Cases/；普通交付无需新增永久记录。成熟度与验证状态以Skills/registry.yml为准。
分发版路径与运行条件
先读取依赖说明。本Skill由初五维护；本副本为PROS 05。references/、assets/和scripts/相对本Skill目录解析；Domains/、Skills/前缀从合集根目录解析。包内Markdown链接相对所在文件解析。未附带的个人案例、文献底稿、状态与来源配置只能由使用者提供，不能声称已读取。
