field-expert - SKILL.md Agent Skill

name: field-expert description: 布迪厄场域理论专家分析技能，整合场域边界识别、资本分析、习性分析和场域动力学分析功能，基于渐进式信息披露原则支持宿主agent动态加载提示词模板。 version: 2.0.0 author: socienceAI.com license: MIT tags: [field-analysis, bourdieu, social-structure, cultural-capital, power-relations, boundary-identification, capital-analysis, habitus-analysis] compatibility: Claude 3.5 Sonnet and above, iFlow CLI metadata: domain: sociology methodology: field-theory complexity: advanced last_updated: "2026-01-06" allowed-tools: [python, bash, read_file, write_file, glob] workflow: type: sequential steps: 6 prompt_templates: directory: prompts/ templates: - boundary_analysis - capital_analysis - habitus_analysis - dynamics_analysis agent_integration: agent: field-analysis-expert core_skills: - field-analysis - field-boundary-identification - field-capital-analysis - field-habitus-analysis

布迪厄场域理论专家分析技能 (Field Expert Analysis)

概述

布迪厄场域理论专家分析技能整合了场域边界识别、资本分析、习性分析和场域动力学分析功能。该技能遵循渐进式信息披露原则，定义标准化的分析流程，支持宿主agent动态加载提示词模板。

使用时机

当用户请求以下分析时使用此技能：

分析社会场域或领域（教育、政治、文化等）
识别场域边界和游戏规则
分析资本分布和权力关系
理解习性及其与场域结构的关系
调查场域内的斗争和权力动态
分析场域的历史演变与发展趋势

输入规范

用户输入格式

用户应提供分析文本的路径：

{
  "input_path": "文本目录路径",
  "field_type": "场域类型（可选，如educational, cultural, political）"
}

预期输入文件

技能自动扫描输入目录中的以下文件类型：

扎根理论数据: *开放编码*, *选择性编码*, *饱和度检验*
社会网络数据: *社会网络*, *network*
理论框架: *ESOC*, *理论框架*

工作流程（6步骤）

步骤1: 数据准备

操作类型: 执行脚本（定量处理） 脚本路径: scripts/prepare_data.py 输入: 自动扫描输入目录中的文本文件输出: input/processed/combined_input.json

执行命令:

python scripts/prepare_data.py --input <用户输入路径> --output input/processed/combined_input.json

输出格式:

{
  "metadata": {
    "input_path": "原始数据路径",
    "prepared_at": "时间戳",
    "sources": ["grounded_theory", "social_network", "esoc_framework"]
  },
  "grounded_theory": {...},
  "social_network": {...},
  "esoc_framework": {...}
}

步骤2: 边界分析

操作类型: 动态加载提示词 → 宿主LLM分析 提示词模板: prompts/boundary_analysis.txt 输入: input/processed/combined_input.json 输出: intermediate/01_boundary/boundary_results.json

[PROMPT:boundary_analysis] 你是布迪厄场域理论专家。请基于以下扎根理论分析数据，识别和界定分析文本中的场域边界。

输入数据

{context:input/processed/combined_input.json}

分析任务

请从以下四个维度进行场域边界分析：

1. 场域识别

识别文本中描述的各个社会场域，包括场域名称、核心行动者、边界标识和场域间的区分原则。

2. 边界确定

分析每个场域的边界特征：进入场域的条件、场域内部的排斥机制、场域边界的标识物。

3. 守门人识别

识别场域边界的守门人角色：谁控制场域入口、谁维护场域规则、谁有权决定场域内外。

4. 边界动态

分析场域边界的动态变化：边界的稳定性、边界渗透性、边界变迁的触发因素。

输出格式

请以JSON格式输出分析结果：

{
  "fields": [
    {
      "name": "场域名称",
      "core_actors": ["行动者1", "行动者2"],
      "boundary_markers": ["标识1", "标识2"],
      "entry_conditions": ["条件1", "条件2"],
      "exclusion_mechanisms": ["机制1", "机制2"]
    }
  ],
  "gatekeepers": [
    {
      "actor": "守门人名称",
      "fields": ["场域1", "场域2"],
      "role": "守门角色描述"
    }
  ],
  "boundary_dynamics": {
    "stability": "稳定/变化中",
    "permeability": "高/中/低",
    "change_triggers": ["触发因素1", "触发因素2"]
  }
}

[/PROMPT]

步骤3: 资本分析

操作类型: 动态加载提示词 → 宿主LLM分析 提示词模板: prompts/capital_analysis.txt 输入: input/processed/combined_input.json 输出: intermediate/02_capital/capital_results.json

[PROMPT:capital_analysis] 你是布迪厄场域理论专家。请基于以下扎根理论分析数据，分析各场域中的资本类型与分布。

输入数据

{context:input/processed/combined_input.json}

分析任务

请从以下四个维度进行资本分布分析：

1. 资本类型识别

识别分析文本中出现的各类资本：经济资本、社会资本、文化资本、符号资本。

2. 资本分布分析

分析各类资本在不同行动者/场域间的分布：资本持有量排名、分布的不平等程度、资本占有的合法性来源。

3. 资本转换路径

分析资本之间的转换关系：经济→社会、社会→文化、文化→符号，转换的条件和代价。

4. 资本与位置关系

分析资本占有与场域位置的关系：资本多寡如何决定场域位置、位置如何影响资本获取。

输出格式

请以JSON格式输出分析结果：

{
  "capital_types": {
    "economic": {"description": "...", "manifestations": [...]},
    "social": {"description": "...", "manifestations": [...]},
    "cultural": {"description": "...", "manifestations": [...]},
    "symbolic": {"description": "...", "manifestations": [...]}
  },
  "capital_distribution": {
    "ranking": [...],
    "inequality_level": "高/中/低"
  },
  "conversion_paths": [...]
}

[/PROMPT]

步骤4: 习性分析

操作类型: 动态加载提示词 → 宿主LLM分析 提示词模板: prompts/habitus_analysis.txt 输入: input/processed/combined_input.json 输出: intermediate/03_habitus/habitus_results.json

[PROMPT:habitus_analysis] 你是布迪厄场域理论专家。请基于以下扎根理论分析数据，分析各场域行动者的习性模式。

输入数据

{context:input/processed/combined_input.json}

分析任务

请从以下四个维度进行习性模式分析：

1. 行动者习性识别

识别各主要行动者的习性特征：行为模式、认知结构、实践倾向。

2. 习性与场域关系

分析习性如何与场域结构相互作用：场域如何塑造习性、习性如何影响场域实践。

3. 符号暴力机制

分析场域中的符号暴力：支配者实施的符号暴力形式、被支配者的接受与内化。

4. 跨场域分析

分析习性的跨场域作用：场域转换时的习性调适、跨场域策略。

输出格式

请以JSON格式输出分析结果：

{
  "actors_habitus": [
    {
      "actor": "行动者名称",
      "behavior_patterns": {...},
      "cognitive_structure": {...},
      "practical_dispositions": {...}
    }
  ],
  "habitus_field_relationship": {...},
  "symbolic_violence": {...},
  "cross_field_analysis": {...}
}

[/PROMPT]

步骤5: 动力学分析

操作类型: 动态加载提示词 → 宿主LLM分析 提示词模板: prompts/dynamics_analysis.txt 输入: combined_input.json + boundary_results.json + capital_results.json + habitus_results.json 输出: intermediate/04_dynamics/dynamics_results.json

[PROMPT:dynamics_analysis] 你是布迪厄场域理论专家。请基于以下前期分析结果，进行场域动力学分析。

输入数据

{context:intermediate_results}

其中 intermediate_results 包含：

边界分析结果: intermediate/01_boundary/boundary_results.json
资本分析结果: intermediate/02_capital/capital_results.json
习性分析结果: intermediate/03_habitus/habitus_results.json

分析任务

请从以下四个维度进行场域动力学分析：

1. 场域竞争分析

分析场域内的竞争格局：竞争主体、竞争资源、竞争策略、竞争结果。

2. 权力关系分析

分析场域内的权力结构与运作：权力来源、权力结构、权力运作、权力抵抗。

3. 场域演变趋势

分析场域的历史演变与未来趋势：发展阶段、演变动力、演变阻力、未来趋势。

4. 综合理论建构

基于以上分析，提炼理论命题。

输出格式

请以JSON格式输出分析结果：

{
  "competition_analysis": {...},
  "power_relations": {...},
  "field_evolution": {...},
  "theory_construction": {
    "core_findings": [...],
    "theoretical_propositions": [...]
  }
}

[/PROMPT]

步骤6: 报告生成

操作类型: 执行脚本（定量处理） 脚本路径: scripts/generate_report.py 输入: 所有中间结果文件输出:

output/reports/field_analysis_report.html
output/json/comprehensive_analysis.json
output/executive_summary.txt

执行命令:

python scripts/generate_report.py \
  --input input/processed/combined_input.json \
  --boundary intermediate/01_boundary/boundary_results.json \
  --capital intermediate/02_capital/capital_results.json \
  --habitus intermediate/03_habitus/habitus_results.json \
  --dynamics intermediate/04_dynamics/dynamics_results.json \
  --output output/

目录结构

field-expert/
├── SKILL.md                    # 技能定义 + 工作流程
├── prompts/                    # 提示词模板目录
│   ├── boundary_analysis.txt   # 边界分析提示词
│   ├── capital_analysis.txt    # 资本分析提示词
│   ├── habitus_analysis.txt    # 习性分析提示词
│   └── dynamics_analysis.txt   # 动力学分析提示词
├── scripts/                    # 脚本目录（定量处理）
│   ├── prepare_data.py         # 数据准备脚本
│   └── generate_report.py      # 报告生成脚本
├── modules/                    # 分析模块
└── tests/                      # 测试文件

数据流规范

步骤	操作	输入	输出
1	脚本	源文件	`input/processed/combined_input.json`
2	LLM	combined_input	`intermediate/01_boundary/boundary_results.json`
3	LLM	combined_input	`intermediate/02_capital/capital_results.json`
4	LLM	combined_input	`intermediate/03_habitus/habitus_results.json`
5	LLM	步骤2-4结果	`intermediate/04_dynamics/dynamics_results.json`
6	脚本	所有结果	`output/reports/.html`, `output/json/.json`

宿主Agent集成指南

宿主agent调用此技能时应：

解析SKILL.md - 读取工作流程定义
按步骤执行 - 按顺序执行6个步骤
动态加载提示词 - 识别 [PROMPT:name] 标记，加载对应模板
注入上下文 - 替换 {context:filepath} 为实际文件内容
发送LLM - 将提示词发送给宿主LLM执行
写入结果 - 将LLM输出写入指定的JSON文件

伪代码示例

def run_field_analysis_skill(input_path):
    # 步骤1: 数据准备
    run_script("scripts/prepare_data.py", f"--input {input_path}")
    
    # 步骤2: 边界分析
    prompt = load_prompt("prompts/boundary_analysis.txt")
    context = read_file("input/processed/combined_input.json")
    result = llm_analyze(prompt.replace("{context}", context))
    write_file("intermediate/01_boundary/boundary_results.json", result)
    
    # 步骤3: 资本分析
    prompt = load_prompt("prompts/capital_analysis.txt")
    result = llm_analyze(prompt.replace("{context}", context))
    write_file("intermediate/02_capital/capital_results.json", result)
    
    # ... 步骤4-6
    
    return {"report": "output/reports/field_analysis_report.html"}

输出格式标准

所有LLM分析步骤必须输出JSON格式，确保：

键使用小写字母+下划线
值类型一致
包含timestamp元数据
数组元素类型一致

质量标准

严格应用布迪厄理论框架
保持关系分析的核心关注点
考虑历史和文化背景
平衡结构和能动性视角
提供基于证据的解释

此技能遵循agentskills.io标准，支持渐进式信息披露和动态提示词加载。