Findings synthesis

Findings Synthesis · 综合研究发现（数据分析最终产出）

把数据分析的全部轮次、全部 skill 的产出整合成一份对应研究问题的研究发现。这不是某一个 skill 的原始输出，而是面向 RQ 的综合发现。

调用约定（独立运行）

必填：分析产出所在位置——默认当前工作目录，或用户指定的任意目录/文件清单。

RQ / 假设来源按优先级：① 用户直接给的清单（并对照研究设计核实，若有）；② 研究设计初稿.md（RQ + 假设）+ 选题.md（贡献定位）；③ 都没有 → 请用户列出主 RQ 与各子问题/假设（一次问齐）。

分析框架（可选）：研究设计-设计说明.md 的 B3（原计划的方法链/整合规则），存在则读。

分析账本：读 分析日志.md 掌握一共跑了几轮、各轮用了哪个 skill、分别针对哪个子问题。该文件不存在 → 扫描产出目录下的全部文件自行归并。

输出落盘：研究发现.md（默认当前工作目录）。

• 调用方覆盖约定：调用方（工作台 prompt / 用户）显式给出的参数、输入路径、落盘路径与工具选择，一律覆盖本 skill 的默认；但本 skill 的方法步骤、硬约束与停点不可被省略或稀释——调用方若要求跳过某硬约束，以本 skill 为准并提示冲突。

第一步 · 读全部输入

1. RQ / 假设清单（按上方优先级确定）
2. 分析框架 B3（若有）
3. 分析日志（若有）
4. 全部产出：读产出目录下所有轮次产出（quant-* / qual-* / 各 skill 前缀的结果表 / 回归 / 编码本 / 主题图 / analytic-memo 等）

硬约束

• 只综合产出目录里已经实际跑出来的结果，逐条可回溯到具体产出文件（标注来源文件名/轮次）。缺哪块就明说"该子问题尚无分析支撑"，绝不编造数值或访谈引语。
• 定量结论必报 effect size + 显著性 + N；定性结论必报主题支持片段数 + 代表性引语。
• 零结果 / 不显著结果合法呈现（引 Neuman p.426），不得为了"好看"而夸大或隐藏。
• 多方法/多轮针对同一子问题时，必须做交叉印证：指出 quant 与 qual（或不同轮次）是相互支持（convergence）还是冲突（divergence），冲突时如实并陈、给可能解释，不强行调和。

输出 · 写入 研究发现.md

## 摘要（3-5 句）：本研究数据层面回答了什么
## 逐子问题 / 逐假设的发现
对每个子问题 / 假设：
- **结论判定**：支持 / 不支持 / 混合 / 证据不足（含合法零结果）
- **证据整合**：把所有相关轮次 / skill 的结果摆在一起（定量 effect size+显著性+N 与 定性主题+支持数 并列），标注来源文件
- **方法间一致性**：convergence / divergence + 解释
- **置信度与局限**：样本 / 度量 / 方法层面的 caveat
## 跨子问题的总体回答：对主 RQ 给出综合回答
## 意外发现（计划外但有依据的）
## 局限与下一步（哪些子问题还需补分析 → 用 data-analysis-round 再跑一轮）
## 产出来源对照表：| 发现 | 来源文件 / 轮次 | 方法 |

用户有额外整合要求的，一并满足。写完后用一句话告知：覆盖了几个子问题、还有哪些没有数据支撑。（这份 研究发现.md 就是「全文初稿」工作流 Results / Findings 节的权威输入。）