用途：该技能用于创建有研究数据支撑的客户画像，并结合市场调研与头像生成，帮助团队理解目标用户。资料称其覆盖人口统计、心理特征、待办任务（JTBD）、旅程映射等。
主要能力：可通过搜索类应用调研目标市场，例如执行 belt app run tavily/search-assistant --input '{"query": "..."}'、belt app run exa/search 或 belt app run exa/answer 获取人口统计、痛点、工具使用与内容消费习惯等信息；再通过 belt app run falai/flux-dev-lora --input '{...}' 生成画像头像。提供画像模板，包含人口统计、心理特征、目标、痛点、渠道、购买触发等板块，并覆盖功能、情感、社交三类待办任务，以及认知、考虑、决策的购买流程和影响因素、异议、触发事件。资料还给出反画像（anti-persona）概念、主次画像优先级，以及访谈、工单分析、分析数据、问卷、销售录音等验证方法和常见错误。
使用方式：需先安装 inference.sh CLI（belt），执行 npx skills add belt-sh/cli，随后 belt login。构建画像按步骤进行：研究、人口统计（用范围而非精确值）、心理特征、目标、量化痛点、JTBD、购买流程、生成头像、定义反画像、确定多个画像、验证。生成头像时提示词应匹配年龄、族裔与职业背景，使用“professional headshot photograph”等描述，尺寸示例为 1024x1024。
适用场景：产品与市场研究、用户分群、定位与优先级判断、购买决策影响分析与画像可视化。
限制：资料未说明具体价格、用量限制、数据准确性保障或平台覆盖范围。画像应以真实数据验证，避免仅凭假设；建议画像数量为2至4个，最多3至4个；需定期（如每季度）更新。最终调研结果与头像质量取决于所用搜索应用和图像模型的实际输出，相关细节暂未提供。