智能體分析

智能體分析是 Skimle 最徹底的分析模式。您一開始先提出研究問題；接著 Skimle 會執行一套多步驟流程，建立分類架構、為每份文件中每個相關片段進行分類，並綜合出能回答您所提出問題的分析性主題。

本模式適用於研究問題與類別同樣重要的專案 - 例如「為什麼人事決策會隨總統任期而有所不同？」或「哪些因素使流失客戶與續約客戶有所不同？」- 且您希望在類別分類之外獲得更深入的分析。

步驟一：設定對話

您會先在智能體分析對話框中輸入研究問題。Skimle 的設定代理人會與您對話，以：

• 澄清問題的實際含義（如有任何不明確之處，會詢問一至三個簡短問題）；
• 判斷分析類型 - 分類式（描繪某個領域）、解釋式（說明某事發生的原因）、因果式（因果關係），或比較式（群體間比較）；
• 提出一套分類架構：少量的第一層類別（通常四到七個）、每個類別的候選子主題，以及兩到四個「更廣泛的動態」- 即綜合階段將探討的高層次分析問題。

Skimle 會從分析範本庫中取用框架，若該專案先前已有智能體分析，則會優先參考該分析。確認前，您可以編輯框架的每一部分。

步驟二：確認框架

框架編輯器可讓您重新命名、新增或移除類別與更廣泛的動態。確認後，Skimle 會：

• 建立以您的研究問題命名的頂層洞察類別；
• 建立一份分析日誌備忘錄，用於記錄工作程序執行的每一個步驟；
• 將分析加入佇列，儀表板會顯示其狀態為待處理。

步驟三：實證萃取

針對每個第一層類別，Skimle 會使用基於嵌入向量的預先篩選，找出最可能包含相關內容的文件片段，然後對這些片段執行嚴格分類。嚴格分類是指：每個候選洞察都會根據該類別的問題進行事後檢查，並對照原始文件驗證其支持引述。

Skimle 會保留一個水印，記錄哪些片段已經處理過，以及產生合格內容的最低相似度門檻。之後新增的文件 - 包括在重新執行期間新增的文件 - 只會針對尚未檢視過的片段進行分類，因此重新執行的成本能維持低廉。

此步驟的結果，是在您的研究問題下建立一個已填入內容的類別樹，每個洞察都附有經過驗證的引述。

步驟四：中介資料豐富化

Skimle 會檢查此分析是否需要新增一個元資料欄位，以支援您研究問題所隱含的比較（例如，針對時間變化相關問題新增一個時期欄位，或針對人事相關問題新增一個組織角色欄位）。當新增欄位有助益時，Skimle 會提出建議、為各個數值類別賦予有意義的名稱，並對每份文件進行分類。當現有的中介資料已足以涵蓋該區別，或完全不需要新增元資料欄位時，Skimle 會記錄其判斷理由並繼續下一步。

步驟五：分析性綜合

針對框架中的每個更廣泛的動態，Skimle 會執行一次調查 - 這是一個專注的代理人，會搜尋實證洞察、中介資料與時間模式，找出與該動態相關的證據。調查會經過多個搜尋步驟，最終以一次綜合作業收尾，為每個動態產生兩到五個分析性主題。

每個分析性主題都會以一段散文形式撰寫，並附上括號引註，指向對應的洞察（例如 [I205]、[D3k]，或針對特定引述的 [I26-Q2]）。這些主題會以備忘洞察的形式，儲存在各動態專屬的分析性備忘錄中，方便您依動態瀏覽。

步驟六：反證

針對每個分析性主題，Skimle 會刻意搜尋與該主題相矛盾的證據。若存在反證，Skimle 會將其記錄在該主題上，讓綜合結果誠實呈現其侷限。具有強烈反證的主題會被標記出來。

步驟七：研究發現摘要

最後，Skimle 會撰寫一份跨主題摘要，將所有分析性主題整合成對您研究問題的單一解答。此摘要會附加到分析日誌中。

輸出

工作程序完成後，該專案會包含：

• 您研究問題下的類別樹，包含已分類的洞察與經過驗證的引述 - 如同其他分析一樣，可在表格、類別與文件檢視中查看；
• 每個已填入內容類別的類別摘要；
• 分析日誌備忘錄 - 逐步記錄 Skimle 執行的操作、原因及其發現；
• 分析性主題備忘錄 - 每個更廣泛的動態各有一份備忘錄，內含附帶引註與反證的綜合主題；
• 可選擇產生的新元資料欄位，並附有每份文件的分類值。

每份備忘錄中的每個引註，都是可點擊的括號參照，點擊後會開啟對應的洞察、文件或引述。

重新執行智能體分析

您可以隨時重新執行智能體分析。Skimle 會：

• 保留已通過嚴格分類的實證萃取結果 - 重新萃取只會處理先前執行未涵蓋到的片段；
• 移除先前執行未能綜合完成的佔位主題，讓它們有機會重新處理；
• 從頭重複執行分析性綜合、反證與研究發現摘要，確保分析性主題能反映最新的實證狀態。

分析日誌是以附加方式更新，而非取代，因此您可以看出分析在各次執行之間的演變過程。

何時應使用智能體分析

當您有一個具體的研究問題，希望獲得具有分析深度的解答 - 而不只是一組已分類的類別時，請選擇智能體分析。如果您只是想了解資料中大致包含哪些內容，自動主題分析或預定義類別會更快、更經濟。當您同時需要：分類完善的資料以及一份以資料為根據、針對您問題撰寫完整解答時，智能體分析就是正確的選擇。