docs: 添加执行方式和环境变量配置说明

skills/kb-deep-analyzer/SKILL.md

@@ -13,8 +13,9 @@
 ## Commands
 
 ```bash
-# 分析内容
-python deep_analyzer.py --metadata meta.json --content content.json --output analysis.md
+# 分析内容（推荐：使用 -u 参数强制无缓冲输出）
+AI_API_KEY="your-api-key" AI_PROVIDER="zhipu" AI_MODEL="glm-4.7" \
+  python3 -u deep_analyzer.py --metadata meta.json --content content.json --output analysis.md
 
 # 指定类型
 python deep_analyzer.py --metadata meta.json --content content.json --type tutorial --output tutorial.md
@@ -23,6 +24,48 @@ python deep_analyzer.py --metadata meta.json --content content.json --type tutor
 python deep_analyzer.py -m meta.json -c content.json -o out.md --provider zhipu --model glm-4
 ```
 
+## 环境变量配置
+
+**必须设置以下环境变量**：
+
+```bash
+export AI_API_KEY="your-api-key"
+export AI_PROVIDER="zhipu"           # 或 openai, minimax
+export AI_MODEL="glm-4.7"           # 模型名称
+export AI_BASE_URL="https://..."    # 可选，自定义 API 地址
+```
+
+### 重要提示
+
+**必须使用 `-u` 参数运行 Python**，确保输出实时显示在终端：
+
+```bash
+python3 -u deep_analyzer.py ...
+```
+
+如果不使用 `-u` 参数，Python 的 stdout 缓冲会导致输出延迟或看不到进度。
+
+## 执行方式选择
+
+### 方式1: 并发执行（推荐，默认）
+- 使用 `batch_size=3`（默认）
+- 6个分片约 100 秒完成
+- 适合快速分析
+
+```bash
+python3 -u deep_analyzer.py --metadata meta.json --content content.json -o out.md
+```
+
+### 方式2: 顺序执行
+- 使用 `batch_size=1`
+- 6个分片约 735 秒完成
+- 适合调试和问题排查
+
+```bash
+# 在代码中设置 batch_size=1
+# analyzer.analyze(metadata, content, "video", batch_size=1)
+```
+
 ## Metadata Format
 
 支持两种元数据格式：