Kinema's Concept Re-Search
多维度验证概念实现状态的研究工具
安装使用
复制下面这段提示词发给你的 AI（Claude / Cursor / TRAE / Codex / WorkBuddy 等），它会自动帮你完成安装：
帮我安装这个 AI Skill：Kinema's Concept Re-Search。 它的用途是：多维度验证概念实现状态的研究工具 完整的 Skill 内容见：https://321skill.com/skills/kinema-s-concept-re-search/raw/index.md 请读取该页面内容，如果是 SKILL.md 格式直接安装，如果是 README 提炼核心 prompt 后安装。
提示词包含完整的 Skill 内容链接，AI 读取后即可完成安装。你也可以 查看完整内容 确认无误。
使用示例
‘研究一下“实时协作白板”这个概念的当前实现状态，重点关注近两年的开源项目和主流SaaS产品。’，它会自动生成中英文关键词，并行搜索学术数据库、代码仓库和科技媒体，汇总已有的解决方案、技术栈和商业化情况，帮你快速评估市场饱和度和技术可行性。
介绍
这个Skill旨在解决在技术调研、产品规划或学术研究中，对某个创新概念是否已被实现、以及其当前发展状态难以快速准确判断的问题。用户常常需要花费大量时间在不同搜索引擎、语言和平台间交叉验证，信息碎片化且容易遗漏关键进展。
它通过整合多语言关键词生成、多搜索引擎交叉验证和多维度（如学术论文、开源项目、商业产品、媒体报道）搜索策略，自动化这一研究流程。用户只需提供一个核心概念，Skill会自动扩展搜索词、并行查询多个数据源，并尝试整合信息，提供关于该概念实现状态的初步分析报告。
该Skill特别适合需要快速了解技术前沿、进行竞品分析或评估创新点可行性的角色，如产品经理、技术研究者、创业者和全栈开发者。他们可以利用此工具在项目初期高效扫清信息盲区，避免重复造轮子或误判市场机会。
使用建议是，提供的概念描述应尽量具体，并可以附带希望关注的维度（如“侧重开源实现”或“关注近期商业应用”）。由于信息整合依赖网络搜索结果，对于非常新颖或小众的概念，可能需要人工对结果进行二次研判。
核心特点
与单一搜索引擎查询或简单信息聚合不同，它强调“跨验证”与“多维度”，通过系统化的多语言关键词策略和并行查询多个独立数据源（如Google Scholar、GitHub、Product Hunt、新闻），来交叉核对信息的真实性与全面性，减少因单一信息源或语言局限导致的偏差。
注意事项
对于高度依赖非公开数据、内部资料或需要深度领域专业知识进行判断的概念，其分析效果有限。
常见问题
它能帮我找到某个具体功能的开源代码吗？
可以，它是搜索开源项目（如GitHub）的重要维度之一，能帮你发现相关实现，但具体代码适用性需自行评估。
支持用中文概念去搜索英文资料吗？
支持，其核心功能之一就是自动将输入的概念转换为多语言关键词（包括中英文），进行跨语言检索。
给 AI 助手的安装指引
如果你的 AI 编程助手（Claude Code、Cursor、TRAE 等）能看到这个页面，把下面这段发给它即可自动完成安装：
请访问 https://321skill.com/skills/kinema-s-concept-re-search/raw/index.md 读取 Kinema's Concept Re-Search 的原始 Skill 定义（Markdown 格式），按其中说明在我的环境里完成安装和配置。
AI 可直接读取的原始 Markdown 地址：/skills/kinema-s-concept-re-search/raw/index.md（查看排版版本）