用途：针对某一目标垂直行业，用深度研究 API 调研其痛点，并把结果提炼成编号假设集。输出为纯行业教育内容，不生成邮件，也不做公司匹配。
主要能力：按假设驱动方式运行 3-4 条聚焦查询，每条针对同一问题的不同角度，要求返回具体数据点、数字、时间线、工具名称、工作流描述、失败模式与变通做法。标准三查询框架覆盖：工作流痛点、工具/数据库覆盖缺口、规模化问题；可选第四条查询行业意见领袖及其公开表态。随后提炼出互不重叠的痛点假设，每条要求具体、量化（含至少一个数据点）、可验证、非显而易见，目标每个垂直行业 5-7 条。
使用方式：Step 0 确认深度研究服务商并阅读其 API 文档，识别 chat/completions 或搜索端点、支持联网搜索与引用的模型、认证方式、速率限制，并确认凭据可用（不确定时 Perplexity 是常见选择）。Step 1 定义研究范围：读取公司上下文文件 claude-code-gtm/context/{company}_context.md（若存在），并向用户询问目标垂直行业、细分行业、所解决的问题、待检验的既有假设。Step 2 运行查询。Step 3 提炼假设集。Step 4（可选）整理行业意见领袖。Step 5 保存输出到 claude-code-gtm/context/{vertical-slug}/ 下的 sourcing_research.md、hypothesis_set.md、industry_leaders.md，目录不存在则创建。
适用场景：为后续 enrichment-design、list-segmentation、email-generation、email-response-simulation 提供研究基础；与 hypothesis-building 的关系是后者基于自有知识快速生成假设，本技能用外部研究验证并丰富这些假设，典型流程为先 hypothesis-building 再 market-research。
限制：若该垂直行业已有假设集，应更新而非重建；只需快速假设用 hypothesis-building；只想写邮件、找公司、丰富表格或做公司匹配，应改用对应技能。资料未提供具体服务商价格、模型清单与调用示例。