AI 工作流 · 证据优先
把一个行业问题，变成真正有人愿意读的报告。
Research to HTML 是一个仓库级 Codex skill，用于有证据的市场与行业调研。它先保留可复核的研究过程，再把确认后的结论分别制作成英文和简体中文静态网页；两种语言中的数字、判断、限制与来源保持一致。
- 主要交付
- 双语静态 HTML
- 证据底稿
- 可复核 Markdown
- 可选发布
- GitHub Pages
01
一份决策材料，三层质量保障。
这套流程把调研、翻译和界面设计视为相互校验的连续步骤，而不是三次互不相干的内容生成。
证据可以追溯
时效性事实指向直接来源；观察、推断、未知、日期、地域和置信度彼此区分。
双语结论等价
中英文页面共享同一组数字、因果判断、限制、交互与来源，不在翻译时悄悄弱化条件。
阅读压力更低
先给结论，再展开证据。清晰层级、阅读控件、无障碍交互、打印支持与响应式布局降低理解成本。
为实际判断而设计
适合市场结构、产品与平台比较、商业模式、创作者经济或技术生态等问题——尤其适合那些在 AI 对话结束后仍需继续审阅、引用和分享的结论。
02
从问题走到公开报告。
Skill 保持固定的“证据到发布”顺序，同时根据具体领域调整分析框架。
- 定义要做的判断。明确读者、范围、地域、调研截点、操作性定义与排除项。
- 建立证据记录。优先使用当前一手资料，记录限制，并区分已经观察到的事实与分析推断。
- 先写清楚，再做视觉。先确认 Markdown 结论，再分别制作中文和英文阅读界面。
- 验证公开产物。检查隐私、引用、语言等价、无障碍、响应式、元数据、JavaScript、打印以及最终准备发布的精确文件集合。
03
先检查真实交付，再决定是否采用。
第一份公开报告同时检验了国内外众筹平台上的两类真实决策。
众筹商品与独立游戏：盈利结构、平台适配与成功玩法
查看报告如何区分“筹了多少钱”和“最后留下多少”，如何判断众筹对独立游戏的资金与宣发价值，以及如何同时公开证据和限制。
04
下载、打开、提问。
Skill 位于仓库标准的 agent skill 目录中，因此 Codex 打开仓库后可以自动发现它。
- 克隆或下载 Research 仓库。
- 用 Codex 打开这个仓库。
- 发送下面的提示词，并替换方括号中的问题。
提示词
使用 $research-to-html 调研[你的行业决策问题]，并生成中英文网页版报告。
05
不知道的，不假装知道。
可靠交付依赖证据质量、明确的问题和发布前复核，而不是生成文本显得多么自信。
收入不等于利润
不会从众筹金额、GMV、流量、下载量或融资成功直接推断盈利。
未知仍然是未知
缺失的平台数据、未审计的自述、过时案例和因果不确定性必须在报告中可见。
发布是单独一道门
只部署明确列入读者白名单的文件；skills、脚本、笔记、模板、凭据与本地配置都留在 Pages 产物之外。可把 research-to-github-pages 作为第二步，无需再建一个近似产品页。