shield_lock
金大哥
← 返回 Skill 列表
extension
分类: 数据与分析无需 API Key

workbuddy产品分析

调研任意 AI 产品（含 WorkBuddy、Cursor、Claude Code、GitHub Copilot、豆包 MarsCode、通义灵码、Trae 等）的产品信息，覆盖功能与体验、竞品对比、商业模式三个维度。采用「多层交叉验证法」整合官方一手信息与公开竞品分析，输出结构化 Markdown 竞品对标报告（含对比表格与每节可点击源链接），可直接用于产品经理的 leader 1:1 / 行业研究 / 竞品对标。当用户要求"调研/分析/研究某 AI 产品"、"AI 产品竞品对比"、"XX 和 YY 哪个好"、"XX 怎么收费 / 商业模式是什么"、或"帮我的 AI 产品做竞品对标"等任务时使用。

person作者: user_63124204hubcommunity
download下载资源包

AI 产品调研与竞品分析

Overview

为产品经理提供一个可复用的 AI 产品调研方法论：从「功能与体验、竞品对比、商业模式」三个维度系统收集信息，用多层交叉验证法校验一手与公开信息的一致性，最终产出结构化、可追溯的竞品对标报告。WorkBuddy 作为内置案例之一，但本 skill 适用于任意 AI 产品（编码助手、AI Agent 平台、AI 应用等）。

触发场景

以下类型请求应调用本 skill：

  • "调研一下 WorkBuddy / Cursor / Claude Code 产品" / "帮我分析某 AI 产品"
  • "WorkBuddy 和 Cursor / Copilot / 豆包 对比，哪个好"
  • "某 AI 产品有哪些核心功能？怎么收费？商业模式是什么？"
  • "帮我的 AI 产品做竞品对标，目标产品是 XXX"
  • 涉及 AI 产品的功能拆解、版本迭代、用户口碑、商业模式分析、行业机会点梳理

若用户调研的是非 AI 产品（如某只股票、某家传统企业业务），本 skill 不适用，应使用通用调研流程。

调研方法论：多层交叉验证

本 skill 的核心差异化能力是「多层交叉验证法」——不依赖单一信息源，而是把内部一手信息与公开竞品分析相互校验，交叉印证后落结论。完整流程见 references/methodology.md，要点如下：

  1. 一层（官方一手）：官网、官方文档、定价页、更新日志、官方公众号/社区——事实基准。
  2. 二层（公开二手）：测评文章、社区讨论、分析师报告、应用商店评论——补充与印证。
  3. 三层（交叉比对）：官方 vs 公开不一致时，以官方为准并显式标注；价格/版本等易变信息标注"截至日期"。
  4. 四层（竞品镜像）：把目标产品与竞品放在同一口径下对比，差异点即为机会点或风险点。
  5. 五层（内部校准）：若用户提供了内部一手信息（如自家产品数据、用户访谈），优先与公开信息交叉验证，避免"内部认知偏差"。

找不到可靠来源的结论不写入报告，或明确标注"待验证/未公开"。

调研工作流

按以下 5 步执行，不要跳步，除非用户明确指定范围。

Step 1：明确调研目标与口径（先规划，再执行）

开始前先拆解任务、规划框架，与用户对齐后再动手（符合"先规划、再迭代产出"的协作习惯）：

  1. 调研维度：功能体验 / 竞品对比 / 商业模式，默认三维度全做；范围可裁剪。
  2. 竞品清单：默认含 Cursor、GitHub Copilot、Claude Code、Windsurf、豆包 MarsCode、通义灵码、Trae 等主流 AI 编码/助手产品；若用户有指定名单则以用户为准。
  3. 目标产品：本例以 WorkBuddy 为案例，但可替换为任意目标产品。
  4. 报告用途：默认「竞品对标参考」；用途决定结论写法（对标导向 → 每个能力点都要回答"别人怎么做、我们怎么学"）。
  5. 输出格式：默认结构化 Markdown；若用户要求飞书/在线文档/HTML，在 Markdown 基础上转换。

对齐后，用 scripts/scaffold_report.py 生成带日期的报告骨架（见"输出形式"）。

Step 2：收集一手信息（官方优先）

按优先级收集目标产品的官方信息，每条关键事实记录来源 URL：

  1. 官网（产品定位、核心功能、版本）
  2. 官方文档（能力清单、工作模式、Skill / Connector / 自动化 / MCP 等机制）
  3. 定价页（免费/付费策略、套餐价格、企业版方案）
  4. 官方公众号 / 社区公告 / 更新日志（版本迭代节奏、近期发布）

信息源清单与检索关键词见 references/sources.md。

Step 3：收集竞品与公开信息

对每个竞品/公开来源，收集同等颗粒度的信息以保证可比性：

  • 产品形态（IDE 插件 / 独立应用 / CLI / 网页 / 云端 Agent）
  • 核心能力（对话编程、Agent 自主执行、多文件编辑、终端、浏览器操作、多模态生图/视频等）
  • 定价与免费额度
  • 与目标产品重叠 / 差异化的功能点

竞品清单及调研要点见 references/sources.md。

Step 4：多层交叉验证

按 references/methodology.md 执行五层校验：

  • 官方文档与官网不一致时，以官方文档为准并标注。
  • 价格、版本号等易变信息标注"信息截至 <日期>"。
  • 二手信息仅作补充，关键结论必须能追溯到一手来源或明确标注来源类型。
  • 内部一手信息（若有）与公开信息交叉比对，识别认知偏差。
  • 找不到可靠来源的结论不写入报告，或明确标注"待验证"。

Step 5：输出结构化报告

按 references/report_template.md 的模板输出 Markdown 报告，并遵循"报告质量要求"。报告结尾必须包含「机会点总结」表格（见下）。

报告质量要求（强制）

  1. 表格化对比：竞品对比必须用 Markdown 表格，行 = 能力/维度，列 = 产品。
  2. 可追溯：每个章节末尾附「参考来源」列表，用可点击链接 [标题](URL) 格式；正文关键论断处也内联链接。
  3. 口径一致：同一指标（如定价、免费额度、AUM、MAU）所有产品用同一口径描述，避免不可比。
  4. 时效标注：报告开头标注调研日期；价格/版本数据标注获取日期。
  5. 结论导向：每节末尾给"对标启示"——可借鉴点、差距点、机会点。
  6. 数据不足明示：查不到的数据写"未公开/未获取"，不编造。

对标启示输出（用于竞品对标参考）

报告结尾必须包含「机会点总结」，格式：

| 机会点 | 依据（目标产品/竞品 做了什么） | 对自家产品的启示 | 优先级 | |--------|-------------------------------|-----------------|--------| | … | … | … | 高/中/低 |

输出形式

  • 默认输出结构化 Markdown，保存到当前工作目录，文件名 ai-product-research-YYYY-MM-DD.md（用 date +%Y-%m-%d 获取当天日期）。
  • 生成骨架：python3 scripts/scaffold_report.py --product <产品名> [--output <路径>]，脚本会自动写入带日期的空白骨架，省去重复排版。
  • 报告写完后用 present_files 展示给用户。
  • 若用户要求飞书 / 在线文档 / HTML 等格式，在 Markdown 基础上转换，不丢失表格与链接。

Resources

  • references/methodology.md — 多层交叉验证法详解（五层校验流程与冲突处理）。
  • references/sources.md — 官方及竞品信息源清单、竞品调研要点、常用检索关键词（含 WorkBuddy 案例）。
  • references/report_template.md — 报告章节模板（含表格骨架与示例）。
  • scripts/scaffold_report.py — 生成带日期的 Markdown 报告骨架，减少重复排版。