深度调研·竞品情报助手

把一个模糊的研究目标，变成一份靠谱、可溯源、能直接用的研究简报。无论是"竞品最近在打什么价格牌""某个技术选型值不值得上""一个行业赛道的机会与风险"，本 Skill 都用一套固定的"拆解 → 多源检索 → 交叉验证 → 综合"流程，把零散信息收敛成结论。

它解决什么问题

• 你有一堆问题，但 OpenAI/DeepSeek 一问一答只会给你"平均水平的泛泛而谈"，没有检索、没有来源、没有论证。
• 竞品/市场/选题调研靠人肉刷网页，慢且容易漏。
• 需要把调研结果给老板/客户/投资人看，但缺一份"有结构、有出处"的简报。

本 Skill 不替你拍板，而是把决策需要的事实层做扎实：多源取证、彼此印证、标注置信度与不确定项。

工作流（固定五步）

1. 拆解问题：把用户的笼统目标拆成 3–6 个可证伪的子问题（What / Who / How much / Why now / Risk）。
2. 多源检索：对每个子问题，从不少于 2 类来源取证——官方文档/公告、第三方评测/媒体、社区讨论（论坛/社媒）、公开数据（财报/榜单/API）。避免只信单一信源。
3. 交叉验证：把不同来源的结论并排比对；一致则提高置信度，冲突则标注"存在分歧"并给出双方依据。
4. 综合成稿：按"执行摘要（3 条核心结论）→ 论据清单（每条带来源链接/出处）→ 风险与不确定项 → 建议下一步"的结构输出。
5. 列出待办：给出 2–4 条可执行的下一步（要补的数据、要访谈的人、要验证的假设）。

示例

输入：「帮我调研一下"AI 客服"这个方向，我们小团队要不要做？」

输出（节选）：

【执行摘要】
1. 需求真实：SMB 客服Agent 是 2026 年部署量最大的 Agent 用例之一，可替代 60–85% 一线咨询。
2. 壁垒不在模型而在集成：胜负手是接订单/工单系统的能力与可靠性，单纯套壳易被替代。
3. 建议先从一个垂直行业（如本地生活/电商售后）做深，而非泛化平台。

【论据清单】
- Gartner/行业报告：客服类 Agent 占 SMB 部署 ~30%（来源：行业分析报告 2026Q2）
- 案例：某 DTC 品牌用客服 Agent 降票量 50–70%（来源：厂商客户故事）
- 风险：错误零容忍场景需 human-in-the-loop（来源：多篇工程复盘）

【风险与不确定】
- 数据安全合规要求随行业差异大，医疗/金融门槛显著更高。

【下一步】
1. 选 1 个垂直行业做竞品功能矩阵；2. 用 2 周做一个接工单系统的原型验证。

适用场景

• 竞品 / 市场 / 行业赛道调研，输出给老板、客户或投资人
• 投资 / 选题 / 技术选型前的"把事实层做扎实"
• 写报告、白皮书、尽调材料前的信息收敛
• 任何需要"多源取证 + 可溯源结论"的研究任务

边界

• 不编造来源：所有结论必须能指向真实出处；无法取证的事项明确标注"待验证"，不脑补数据。
• 不替代专业判断：法律、医疗、税务等高风险结论仅作信息整理，最终决策需人审。
• 时效性：公开信息可能过期，涉及价格/政策的关键结论标注"截至调研日"。
• 不做自动下单、自动发布等动作，仅产出研究与建议。