智能体分析

智能体分析是 Skimle 最为深入的分析模式。您首先提出一个研究问题；随后 Skimle 会运行一个多步骤流程，构建一个分类框架，对每个文档中的每个相关片段进行分类，并综合出能够回答您所提问题的分析性主题。

它适用于那些研究问题与类别同样重要的项目 - 例如，“为什么人员配置决策会随总统任期不同而出现分歧？”或“是什么让流失的受访者与留存的受访者有所不同？” - 并且您希望在类别分类基础之上获得分析深度。

第 1 步：设置对话

您首先在智能体分析对话框中输入一个研究问题。Skimle 的设置智能体会与您对话，以：

• 澄清该问题的真正含义（如果存在任何歧义，它会提出一到三个简短的问题）；
• 对分析类型进行分类 - 分类型（映射某个领域）、解释型（说明某事为何发生）、因果型（因果关系）或比较型（群体之间的比较）；
• 提出一个分类框架：一小组一级类别（通常为四到七个）、每个类别的候选子主题，以及两到四个“更广泛的动态” - 即综合阶段将要研究的更高层次分析问题。

Skimle 会从分析模板库中提取框架，如果该项目此前已有智能体分析，则会优先参考该分析。您可以在确认之前编辑框架的每一个部分。

第 2 步：确认框架

框架编辑器允许您重命名、添加或删除类别和更广泛的动态。确认后，Skimle 会：

• 创建一个以您的研究问题命名的顶级洞察类别；
• 创建一个分析日志备注，用于记录工作进程运行的每一步；
• 将该分析加入队列。仪表盘会将其显示为待处理状态。

第 3 步：实证提取

对于每个一级类别，Skimle 会使用基于嵌入的预选方法，找出最可能包含相关内容的文档片段，然后对这些片段进行严格分类。严格分类是指：每个候选洞察都会依据该类别的问题进行事后核查，且支持性引述会与原始文档进行核实。

Skimle 会保留一个水位标记，记录哪些片段已被处理，以及产生合格内容的最低相似度阈值。之后添加的新文档 - 包括在重新运行期间添加的文档 - 只会针对尚未处理的片段进行分类，因此重新运行的成本很低。

此步骤的结果是在您的研究问题下形成一个已填充的类别树，每个洞察都附有经过核实的引述。

第 4 步：元数据扩充

Skimle 会检查该分析是否需要一个新的元数据字段，以支持您的研究问题所隐含的比较（例如，针对时间变化问题的时期字段，或针对人员配置问题的组织角色字段）。如果新增字段会有所帮助，Skimle 会提出该字段，为其取值类别命名得有意义，并对所有文档进行分类。如果现有元数据已经覆盖了该区分 - 或者根本不需要任何元数据字段 - Skimle 会记录其推理过程并继续进行。

第 5 步：分析综合

对于框架中的每一个更广泛的动态，Skimle 都会运行一次调查 - 一个专门的智能体，搜索实证洞察、元数据和时间模式，以找到与该动态相关的证据。该调查会经过多个搜索步骤，并以一次综合结束，为每个动态生成两到五个分析性主题。

每个分析性主题都以一段文字叙述的形式呈现，并附有指向相关洞察的方括号引用（例如 [I205]、[D3k]，或用于指向特定引述的 [I26-Q2]）。这些主题会作为备注洞察保存在按动态划分的分析性备注中，以便您按动态浏览它们。

第 6 步：反证

对于每个分析性主题，Skimle 都会有意搜索与该主题相矛盾的证据。如果存在反证，Skimle 会将其记录在该主题上，使综合结果能够诚实地反映其局限性。具有强反证的主题会被标记出来。

第 7 步：研究发现摘要

最后，Skimle 会撰写一份跨主题的摘要，将所有分析性主题汇总为对您研究问题的单一答案。该摘要会被附加到分析日志中。

输出

当工作进程完成后，项目中将包含：

• 您研究问题下的类别树，包含已分类的洞察和经过核实的引述 - 与其他任何分析一样，可在表格、类别和文档视图中查看；
• 每个已填充类别的类别摘要；
• 分析日志备注 - 逐步记录 Skimle 所做的事情、原因及发现；
• 分析性主题备注 - 每个更广泛的动态对应一份备注，其中包含带引用和反证的综合主题；
• 可选地，为每个文档提供带有分类值的新元数据字段。

每份备注中的每一条引用都是可点击的方括号引用，点击后会打开相应的洞察、文档或引述。

重新运行智能体分析

您可以随时重新运行智能体分析。Skimle 会：

• 保留已经通过严格分类的实证提取结果 - 重新提取只会考虑先前运行未处理到的片段；
• 移除此前运行未能综合出的占位主题，以便再次进行尝试；
• 从头重新进行分析综合、反证查找和研究发现摘要，使分析性主题能够反映最新的实证状态。

分析日志是追加式的，而不是被替换，因此您可以看到该分析在多次运行之间是如何演变的。

何时使用智能体分析

当您有一个具体的研究问题，希望得到具有分析深度的答案 - 而不仅仅是一组已分类的类别 - 时，请使用智能体分析。如果您只是想弄清楚文档中包含哪些内容，自动主题分析或预定义类别会更快、更经济。当您既想要分类良好的数据，又想要一份有据可查、能够回答您问题的书面答案时，智能体分析就是正确的选择。