用途：把含糊的业务或行业问题（如“用 AI 改善运营”）转化为可研究、可试点的研发问题，防止过早给出解决方案。适用于问题不清、利益相关者对问题理解不一致、需要头脑风暴但不想停留于浅层点子清单、下一步要文献检索或试点规划、需要撰写内部研发框定备忘录的场景。若问题已明确且需要基于论文的方法，应改用 publication-grounded-solution-design。
主要能力：按固定流程工作。先原样记录原始问题并抽取领域、业务单元、现工作流、用户与决策者、痛点、约束、已知数据源、拟议方案、紧迫性；再识别真正的决策或工作流（谁决策、用什么信息、行动是什么、错误代价、人在回路需求），并将问题归类为预测、排序、异常检测、分群、推荐、信息抽取、决策支持、流程挖掘、因果测量、预测、优化、知识管理或人效支持。随后绘制利益相关者及其痛点、期望、约束与潜在冲突；把痛点改写为可证伪假设，格式为“若采取某干预，则某指标在某人群/流程上因某机制改善，与某基线相比”；区分业务指标（如每案成本、解决时长、欺诈损失）与技术指标（如 precision@k、召回、校准、延迟、抽取 F1），并剔除不影响行动的指标；梳理数据与证据需求，包括可用表/文档/日志、标签或代理、观察窗口、泄漏风险、隐私合规、分析单元、覆盖范围、刷新频率、集成路径，并标注阻塞点（缺标签、真值弱、无行动日志、归属不清、成功不可测、合规限制、样本不足、行为非平稳）。最后产出领域词、方法词、基准词、相邻领域类比及负结果/局限查询等检索方向，便于交接给后续技能。
使用方式：按工作流逐步执行，输出含原始问题、澄清后问题陈述、利益相关者表、决策/工作流分析、候选假设、指标、数据可行性、检索方向与建议下一步的框定文档。
限制：该技能不直接给出解决方案或文献支撑的方法；不适用于问题已精确定义的情形。资料未提供具体工具依赖、运行环境或收费信息。