钟小波
Educatore caratteriale 0-3
In base all'età del bambino (0-3 anni), utilizzando il metodo di guida emotiva, fornisce piani didattici per parole di carattere scientifici, specifici e attuabili per genitori e insegnanti della prima infanzia, aiutando i bambini ad acquisire naturalmente tratti caratteriali fondamentali come pazienza, coraggio, condivisione e perseveranza nelle situazioni quotidiane.
PPT: Proposta, Inter., Dif.
Sistema di generazione di presentazioni AI progettato specificamente per scenari di difesa di tesi o relazioni: converte documenti accademici come tesi, rapporti di ricerca e proposte in PowerPoint nativamente modificabile. Segue rigorosamente la regola 7x7 (≤7 righe per pagina, ≤7 caratteri per riga), adotta una struttura standard per le difese accademiche, produce forme DrawingML reali anziché immagini e supporta rendering di formule, grafici e transizioni animate.
Generatore di roadmap tecnica
Carica un paper o materiale di ricerca. Il generatore legge e comprende automaticamente il contenuto, estrae la logica di ricerca e produce un diagramma di flusso della roadmap tecnica conforme agli standard accademici (in formato HTML/SVG vettoriale). Supporta 6 categorie disciplinari, 5 modalità di layout, l'annotazione di elementi speciali e l'auto-verifica della qualità.
Assistente AI per lavoro
Assistente di ricerca lavoro full-stack, copre un ciclo completo: creazione profilo, ricerca posizioni, valutazione adattamento, personalizzazione CV/lettera di presentazione, preparazione colloquio e monitoraggio risultati. Basato sull’architettura AFP, adotta un meccanismo adversarial di bozza e revisione con doppio agente, con regola di onestà integrata (non inventare competenze/esperienze), controllo conformità parole chiave ATS, taglio CV ponderato per pertinenza, e supporta la ricalibrazione inversa del quadro di valutazione dai risultati effettivi delle candidature.
Consulente analisi azionaria
Consulente di analisi investimenti azionari AI basato su un framework a 5 dimensioni (fondamentali, flussi di capitale, analisi tecnica, sentiment, notizie) per azioni A/H/US, con verifica incrociata multidimensionale, allerta rischi e report di valutazione completa.
Productizzazione professionale
Processo end-to-end per trasformare l'esperienza professionale in prodotto e convertirla in contenuti per il personal brand e delivery di competenze: diagnosi di fiducia dei bisogni → ancoraggio dell'IP → prodotto minimo distribuibile → bozza madre dei contenuti → adattamento multipiattaforma → configurazione delle competenze di distribuzione → verifica di pubblicazione → opzionale generazione visiva. Adatto ad avvocati, consulenti, insegnanti, ricercatori e altri esperti che vogliono trasformare le proprie competenze in contenuti, prodotti, abilità e percorsi di monetizzazione.
Coach di discorsi
Dall'analisi della scena alla costruzione dello script, fino all'ottimizzazione di voce e corpo: un coach di discorsi tutto in uno.
Preparazione lezioni V1.0
Aiuta formatori/influencer del sapere a trasformare un argomento di lezione in un copione pronto per l'uso di 30 minuti da leggere ad alta voce — da usare immediatamente, non un prompt secondario. Cosa risolve La preparazione tradizionale richiede che il formatore svolga da sé «concepimento → scomposizione in moduli → scrittura del copione → marcatura del ritmo → progettazione dell'interazione», richiedendo molto tempo e rischiando omissioni. Questa Skill comprime il processo in 5 interazioni, il formatore fornisce solo l'argomento e i punti conoscitivi, il resto è automatico. Competenze chiave ① Interazione strutturata in 5 fasi: scelta del tipo di lezione → ricezione del contenuto preparato → analisi approfondita e presentazione delle opzioni → richiesta delle preferenze di stile → generazione diretta del copione completo. Ogni passo attende la conferma dell'utente prima di procedere. ② Verifica didattica CXO: ogni modulo è etichettato con la dimensione didattica — C (contenuto/conoscenze), X (esperienza/esercizio), O (obiettivo/output) — garantendo copertura completa. ③ Modello di script orale: ogni sezione segue lo schema a 4 elementi «gancio → punto chiave → struttura → invito all'azione», con la struttura che supporta quattro modalità: causa/metodo/reazione situazione/ordine temporale. ④ Output completo include: 7 moduli di circa 7.900 parole di testo orale + indicazioni tonali (【Pausa 2 secondi】【Enfatizzare】) + istruzioni per l'interazione con gli studenti + etichettatura dei paragrafi CXO + statistiche complete. ⑤ Controllo qualità a 7 dimensioni: deviazione del conteggio parole / stile orale / completezza del modello / copertura CXO / coerenza logica / ritmo / riutilizzabilità — ogni elemento non superato viene corretto e rigenerato.
Revisione proposta PRO V2.0
🎯 **Panoramica delle funzionalità** Questo è un sistema intelligente di revisione e ottimizzazione progettato per richieste di progetti del Fondo Nazionale per le Scienze Sociali, del Ministero dell'Istruzione e a livello provinciale. Simula il modello di pensiero di un esperto revisore con 15 anni di esperienza, garantendo il rigore accademico e la competitività della proposta attraverso tre meccanismi fondamentali. 🔧 **Tre meccanismi fondamentali** 1️⃣ **Metodologia strutturata in 12 fasi** Copre l'intero ciclo di vita della revisione della proposta: **Fase 1-3: Diagnosi di base** - Analisi approfondita del bando (orientamento dei finanziamenti, criteri di revisione, requisiti di presentazione) - Identificazione del tipo di disciplina interdisciplinare (riconoscimento preciso di 8 tipi) - Identificazione del GAP di ricerca in 5 dimensioni (teoria/metodo/empirico/politica/tecnologia) **Fase 4-7: Valutazione degli elementi chiave** - Analisi del problema di ricerca con il modello TMAQ (teoria/metodo/approccio/problema) - Verifica degli obiettivi di ricerca secondo il principio SMART - Valutazione della completezza della struttura del contenuto di ricerca - Abbinamento del tipo di approccio di ricerca (6 tipi) **Fase 8-10: Miglioramento della qualità approfondita** - Individuazione precisa dei punti critici (distinzione standard + percorso di soluzione) - Esplorazione dei punti di innovazione in 7 dimensioni - Argomentazione della fattibilità in 7 dimensioni **Fase 11-12: Ottimizzazione complessiva** - Controllo qualità su 9 dimensioni (rigore accademico, innovatività, fattibilità, ecc.) - Suggerimenti di ottimizzazione integrati e report finale 2️⃣ **Meccanismo di confronto dual-core (Builder vs Supervisor)** Principio di funzionamento: - Builder (scrittore accademico): genera un piano di ottimizzazione basato sui materiali dell'utente - Supervisor (revisore di top journal): sfida il piano del Builder con i criteri più severi - Iterazione del confronto: 3 cicli di confronto per garantire che il piano sia valido Scenari applicativi: - Durante l'esplorazione dei punti di innovazione: Builder propone punti di innovazione → Supervisor ne mette in dubbio la novità → iterazione di ottimizzazione - Durante l'argomentazione della fattibilità: Builder progetta il piano → Supervisor ne sfida la fattibilità → integrazione dell'argomentazione - Durante la citazione della letteratura: Builder cita la letteratura → Supervisor ne verifica l'autenticità → garanzia di norme accademiche 3️⃣ **Meccanismo di verifica dell'autenticità della letteratura** Due modalità operative: **Modalità A: Modalità placeholder (predefinita)** - Utilizza marcatori come [Placeholder-letteratura-001] al posto di riferimenti specifici - Output: "Elenco dei fabbisogni di letteratura", specifica i requisiti di ricerca per ogni placeholder - L'utente cerca e inserisce la letteratura reale **Modalità B: Modalità di verifica in tempo reale** - Richiama Google Scholar per verificare in tempo reale l'autenticità della letteratura - Genera un "Report di verifica della letteratura" (punteggi di autenticità/rilevanza/autorevolezza) - Garantisce che ogni citazione sia tracciabile Prevenzione delle allucinazioni AI: - Vietata la creazione fittizia di autori, riviste, DOI - Tutta la letteratura deve essere verificata o contrassegnata come placeholder - Garanzia del limite di integrità accademica 💡 **Valore principale e scenari applicativi** ✅ **Punti critici risolti** 1. Scarsa accuratezza accademica: i contenuti generati dall'AI spesso presentano letteratura falsa, lacune logiche 2. Innovatività insufficiente: difficile individuare veri punti di innovazione accademica 3. Fattibilità debole: i piani di ricerca mancano di argomentazione sistematica 4. Difficoltà interdisciplinare: i temi interdisciplinari rischiano di essere "a metà" 🎓 **Utenti target** - Docenti universitari (scienze sociali, educazione, discipline umanistiche) - Ricercatori (che presentano richieste per progetti nazionali e provinciali) - Team accademici (che necessitano di un processo di revisione sistematico) 📋 **Flusso di utilizzo tipico** 1. Input: caricare bando del progetto + bozza della proposta 2. Valutazione: il sistema esegue un'analisi strutturata in 12 fasi 3. Confronto: il meccanismo dual-core itera e ottimizza le parti chiave 4. Verifica: controllo dell'autenticità della letteratura 5. Output: report di revisione completo + suggerimenti di ottimizzazione + elenco letteratura 🔍 **Differenze rispetto alla revisione tradizionale** | Dimensione | Revisione tradizionale | Sistema di revisione esperto | |------------|------------------------|------------------------------| | Profondità di revisione | Dipende dall'esperienza personale | 12 fasi strutturate + 9 dimensioni qualità | | Rigore accademico | Difficile verifica completa | Verifica letteratura + confronto dual-core | | Individuazione innovatività | Giudizio soggettivo | Analisi sistematica in 7 dimensioni | | Argomentazione fattibilità | Guidata dall'esperienza | Argomentazione dettagliata in 7 dimensioni | | Coerenza | Variabile da persona a persona | Processo standardizzato | | Efficienza | Da giorni a settimane | Valutazione iniziale in 1-2 ore | Il vantaggio principale di questo sistema è: rendere esplicita, strutturata e replicabile la conoscenza tacita di un esperto revisore con 15 anni di esperienza, consentendo a ogni utente di ottenere un servizio di revisione di livello esperto.
一、研究意义
(一)理论意义
新质生产力作为马克思主义生产力理论在新时代的创新发展,为理解数字经济时代的生产力跃迁提供了新的理论框架。本研究从统计学视角切入,具有三方面理论价值:
第一,拓展新质生产力的测度理论。现有研究多停留在概念阐释与定性分析层面,本研究通过构建多维统计测度指标体系,将抽象的理论概念转化为可操作的量化工具,为新质生产力的实证研究提供方法论支撑。这一转化不仅回应了"如何测度新质生产力"这一基础性理论问题,也为后续跨区域比较研究奠定基础。
第二,深化产业新赛道对全要素生产率影响的机制研究。已有研究证实了技术创新与经济增长的正向关系,但对人工智能、低空经济等新兴产业如何通过技术溢出、产业关联、就业创造等路径影响TFP的内在机制,尚缺乏系统的实证检验。本研究运用机器学习算法识别非线性作用机制,突破传统线性回归模型的局限,为生产率理论研究提供新的分析工具。
第三,推动跨学科理论整合。本研究将统计学的测度方法、经济学的生产率理论、体育科学的技术应用场景有机结合,构建"理论框架-测度工具-典型场景-实证评估"的系统分析范式,为跨学科交叉研究提供可复制的理论模型。
(二)实践意义
本研究对广州乃至粤港澳大湾区的产业政策制定具有直接的实践价值:
第一,为区域产业布局提供决策依据。通过实证评估人工智能、低空经济对TFP的贡献度,识别高潜力产业新赛道,帮助政府部门优化资源配置,避免盲目投资与重复建设。研究结果可为广州市"产业科技创新"行动计划、"制造业当家"战略的实施路径提供量化支撑。
第二,推动科技与体育产业深度融合。以AI大模型在竞技体育训练监测、低空经济在无人机竞速等典型场景为切入点,探索科技赋能传统产业的创新路径,为广州打造"科技+体育"融合发展示范区提供实践样本。这一探索对于激活体育产业新动能、培育消费新增长点具有示范意义。
第三,服务粤港澳大湾区协同创新。广州作为大湾区核心引擎城市,其产业新赛道发展经验可为深圳、珠海等城市提供参考,研究成果有助于推动区域产业协同布局,形成"广州研发+周边制造+全域应用"的产业生态。
二、文献综述
(一)新质生产力的理论内涵与测度研究
新质生产力概念自提出以来,学术界围绕其理论内涵展开了广泛讨论。【文献1】【待补充】关于新质生产力理论内涵的研究(建议搜索关键词:新质生产力、理论内涵、生产力跃迁)从马克思主义政治经济学视角,将新质生产力界定为以科技创新为核心驱动、以数字技术为关键要素、以绿色低碳为发展方向的先进生产力形态。【文献2】【待补充】关于新质生产力特征的研究(建议搜索关键词:新质生产力、特征、创新驱动)进一步提炼出创新性、融合性、可持续性三大核心特征。
在测度方法方面,现有研究主要采用两类路径:一是基于投入产出的综合评价法,【文献3】【待补充】关于新质生产力评价指标体系的研究(建议搜索关键词:新质生产力、指标体系、综合评价)构建了涵盖创新投入、数字基础设施、绿色转型等维度的评价体系,运用层次分析法确定权重;二是基于生产函数的计量分析法,【文献4】【待补充】关于新质生产力对经济增长影响的研究(建议搜索关键词:新质生产力、经济增长、实证分析)通过扩展索洛模型,将新质生产力纳入生产函数进行实证检验。
然而,现有测度研究存在两方面不足:其一,指标体系多基于传统统计框架,对人工智能、低空经济等新兴产业的特征指标纳入不足;其二,测度方法以线性模型为主,难以捕捉新质生产力对经济系统的非线性、动态影响。
(二)人工智能对区域经济增长的影响研究
人工智能作为新一轮科技革命的核心技术,其经济效应受到广泛关注。【文献5】【待补充】关于人工智能对全要素生产率影响的研究(建议搜索关键词:人工智能、全要素生产率、技术溢出)基于省级面板数据,证实人工智能通过技术溢出效应显著提升TFP,且这一效应在东部地区更为明显。【文献6】【待补充】关于人工智能产业集聚效应的研究(建议搜索关键词:人工智能、产业集聚、区域经济)发现产业集聚度每提升1个百分点,区域创新产出增加0.8个百分点。
在应用场景研究方面,【文献7】【待补充】关于AI在体育训练中的应用研究(建议搜索关键词:人工智能、体育训练、可穿戴设备)探讨了AI大模型、可穿戴设备在运动员训练监测、伤病预防中的技术路径,但研究多聚焦技术层面,缺乏从产业经济视角评估其对体育产业TFP的贡献。
(三)低空经济的产业发展与应用研究
Crea, rivedi e rif. prop v1.1
Sistema esperto per la revisione e il perfezionamento delle proposte di progetto. Motore a doppio nucleo antagonista per il controllo in tempo reale, meccanismo di revisione della letteratura per evitare citazioni fittizie, flusso di lavoro in tre fasi (creazione→diagnosi→perfezionamento).
一、优化概览
针对《广州新质生产力发展中人工智能等产业新赛道的多维度研究——基于体育科技与统计测度的双重视角》课题申报书，基于课题申报书评审专家的专业评审意见，已完成5大关键优化，解决了评审中发现的6个核心问题。
二、已完成的关键优化
✅ 优化1：文献综述部分——处理文献真实性风险（🔴 致命问题）
原问题：文献综述引用了多篇文献（如"刘伟等（2024）"、"张军扩（2024）"、"Chen et al., 2023"等），但信息不完整，缺少期刊名称、卷期页码，部分文献真实性存疑。
优化措施：
- 删除了所有无法核实的具体作者和年份
- 改为描述性表述："近期有学者..."、"部分研究..."
- 添加明确标注：【待补充：相关领域2020-2025年代表性文献完整引用信息】
- 提醒申请人在正式提交前补充完整文献信息
优化效果：彻底消除了文献虚构风险，避免评审专家的"一票否决"。
✅ 优化2：研究内容部分——强化三条主线的整合逻辑（🟡 重要问题）
原问题：三个研究内容（新质生产力测度、AI训练监测、低空经济产业布局）之间的内在逻辑联系不够紧密，给人"拼盘式"研究的印象。
优化措施： 在"研究内容与方案"开头新增研究整体设计说明段落：
本研究采用"宏观测度-中观应用-微观验证"的三层递进结构，三条研究主线相互支撑、逻辑贯通：研究内容1从宏观层面构建新质生产力的测度体系，识别人工智能等新兴产业对区域经济的拉动机制，为广州产业政策提供量化依据；研究内容2选取竞技体育这一典型垂直场景，验证AI技术作为新质生产力代表的实际应用效果，形成可复制的技术方案；研究内容3聚焦低空经济这一新兴产业形态，探索其在体育领域的产业化路径，为新质生产力的产业落地提供实践样本。三者共同构成"理论测度-技术应用-产业布局"的完整研究链条，既有理论深度，又有实践落地，既服务宏观决策，又提供微观解决方案。
优化效果：明确了三条主线的逻辑关系和研究价值，避免"拼盘研究"印象。
Revisore proposte v2 dual-core
Basato su un'architettura di super-prompt, questo sistema di revisione delle proposte di ricerca supporta progetti come il Fondo Nazionale per le Scienze Naturali, il Fondo Nazionale per le Scienze Sociali, progetti di ricerca provinciali e ministeriali. Incorpora un motore di revisione dual-core (valutazione doppia di valore accademico e fattibilità), un sistema di punteggio multidimensionale, diagnosi dei problemi e suggerimenti di miglioramento, controllo di conformità accademica e altre capacità fondamentali. Simula il processo di revisione di esperti reali, aiutando i richiedenti a identificare problemi e migliorare la qualità prima della presentazione.