Competitor Analysis

Competitor Analysis【免费下载链接】deepagentsThe batteries-included agent harness.项目地址: https://gitcode.com/GitHub_Trending/de/deepagentsWhen asked to analyze competitors:Identify the top 3-5 competitors in the target segmentFor each competitor, assess:Product positioning and key differentiatorsPricing model and tiersTarget audience and market share estimatesStrengths and weaknessesCreate a comparison matrixIdentify gaps and opportunities for differentiation两个字段都有明确的工程含义 - **name**技能唯一标识这里为 competitor-analysis与技能目录名保持一致目录见 [skills/competitor-analysis/](https://link.gitcode.com/i/5d04d05e43911b332bc6d97508d199c1)。 - **description**技能的“广告位”。它既说明技能做什么Analyze competitors in a given market segment又显式列出了**触发短语**Trigger on: competitive landscape, competitor analysis, market comparison, competitive positioning。模型正是靠这段描述判断“当前用户请求该不该调用此技能”。 ### 源码印证frontmatter 是如何被解析的 技能的解析逻辑在 [skills 中间件](https://link.gitcode.com/i/d99115ee0a6e9bbf41b6f33145226067) 中。从源码结构看关键行为有四点都与上面这份文件严格对应 1. **frontmatter 缺失或非法会直接跳过**。解析函数用正则匹配 --- 之间的 YAML 块若找不到合法 frontmatter只记录 warning 并跳过该技能文件[skills.py#L397-L401](https://link.gitcode.com/i/d99115ee0a6e9bbf41b6f33145226067#L397-L401)。 2. **name 和 description 是必填项**。解析时两者都取 str(...).strip()任一为空即跳过该技能并告警 “missing required name or description”[skills.py#L417-L420](https://link.gitcode.com/i/d99115ee0a6e9bbf41b6f33145226067#L417-L420)。这解释了为什么示例文件的 frontmatter 恰好只有这两个字段——它们是最小合法集。 3. **可选字段还有 allowed-tools、compatibility、metadata、license**[skills.py#L448-L469](https://link.gitcode.com/i/d99115ee0a6e9bbf41b6f33145226067#L448-L469)。competitor-analysis 未声明 allowed-tools即表示不额外限制工具与它“纯推理 生成报告”的技能定位相符。 4. **渐进式披露progressive disclosure**。中间件注入系统提示时明确写着*“you see their name and description above, but only read full instructions when needed”*[skills.py#L737](https://link.gitcode.com/i/d99115ee0a6e9bbf41b6f33145226067#L737)。也就是说Agent 平时只看到 name: competitor-analysis 及其 description只有请求命中触发条件时才会读取完整正文并按四步流程执行。这正是把“触发词”写进 description 的原因——它承担了一级路由的职责。 ## 正文设计四步竞品分析工作流 技能正文是一份编号明确的执行清单四步环环相扣 | 步骤 | 动作 | 产出 | |------|------|------| | 1 | 在目标细分市场中识别 3–5 家头部竞争对手 | 竞品短名单 | | 2 | 对每家竞品逐一评估产品定位与关键差异化点、定价模型与档位、目标客群与市场份额估计、优势与劣势 | 单竞品画像 | | 3 | 构建对比矩阵comparison matrix | 横向可比的表格化结论 | | 4 | 识别差异化缺口与机会点gaps and opportunities | 可直接输入 GTM 策略的可执行洞察 | 这个写法有两条值得借鉴的模式 - **“When asked to …”的条件式开头**。正文不是一段泛泛的角色扮演而是绑定触发场景的行为规范与 frontmatter 的 Trigger 短语互相呼应。 - **子项粒度可控**。第 2 步把“评估”拆成定位、定价、客群份额、优劣势四个固定维度保证不同运行之间的输出结构一致便于第 3 步的矩阵化汇总——对下游如 GTM 策略章节而言是可预期的结构化输入。 ## 技能如何被用到deploy-gtm-agent 的完整链路 competitor-analysis 不是一个孤立技能而是 [deploy-gtm-agent 示例](https://link.gitcode.com/i/ada1a1f86b72d7267425819a8c8fc39a) 中 supervisor 级技能。该示例是一个用 deepagents deploy 部署的 GTMgo-to-market策略 Agent协调一个**同步**的 market-researcher 子 Agent 和一个**异步**的 content-writer 子 Agent市场研究阻塞等待结果后再写策略内容创作在后台运行、就绪后并入最终方案。 ### 1. 目录结构与配置 示例的实际目录为examples/deploy-gtm-agent/ ├── AGENTS.md # Supervisor Agent 指令 ├── agent.json # 部署配置模型 ├── README.md ├── skills/ │ └── competitor-analysis/ │ └── SKILL.md # 本文档主角竞品分析技能 └── subagents/ └── market-researcher/ ├── AGENTS.md ├── agent.json └── skills/ └── analyze-market/ └── SKILL.md- **Supervisor 模型配置**[agent.json](https://link.gitcode.com/i/aa76a70aeae84f31ed03e6919ae8dbc2) 声明 name: deepagents-deploy-gtm-agent运行时模型为 openai:gpt-5.4-nano。 - **子 Agent 配置**[subagents/market-researcher/agent.json](https://link.gitcode.com/i/8b976cca67faff978d9c92da3267121d) 使用 openai:gpt-5.4-mini描述为“Researches market trends, competitors, and target audiences to inform GTM strategy”。 ### 2. Supervisor 如何委派竞品分析 [顶层 AGENTS.md](https://link.gitcode.com/i/f529a7d0126a83adb87c94a4b94e4a0c) 定义了工作流 1. 收到要发布的产品/功能后先把市场研究委派给 market-researcher 子 Agent——明确列举的任务包括 **competitor analysis**、TAM/SAM/SOM 估算、受众分群 2. 用研究结果制定覆盖定位、定价、渠道选择的 GTM 策略 3. 通过 content-writer 异步子 Agent 发起所需的营销物料创作 4. 监控异步任务并把交付物整合进最终 GTM 计划。 同时给出三条约束所有建议必须基于 market-researcher 的研究数据策略要附清晰理由与证据给 content-writer 的内容简报必须包含目标受众、关键信息与语气指引。也就是说competitor-analysis 产出的对比矩阵与机会点会作为“研究数据”直接进入策略制定环节。 ### 3. 子 Agent 侧的呼应技能 market-researcher 自带一个姊妹技能 [analyze-market/SKILL.md](https://link.gitcode.com/i/e54d0f2033c484db88081166a3a12c09)frontmatter 同样是 name 带 Trigger 短语的 descriptionTrigger on: market analysis, market size, TAM SAM SOM, market opportunity, industry analysis正文六步界定市场边界 → 估算 TAM/SAM/SOM含方法论→ 关键趋势与增长驱动 → 绘制竞争格局 → 进入壁垒评估 → 给出机会总结与明确建议。 对比两个技能可以看到清晰的分工**analyze-market 管“市场有多大、趋势是什么”competitor-analysis 管“对手是谁、差距在哪”**。子 Agent 的 [AGENTS.md](https://link.gitcode.com/i/dc99a50730e583c8cf73c7c2ff0f5214) 还规定了交付规范把完整 Markdown 报告写入 /memories/subagents/market-researcher/market-research-report.md其余结构化字段仅作摘录并在返回中给出 full_report_path——这让长报告与短摘要分离避免污染上下文是部署型 Agent 中处理长输出的实用做法。 ## 部署与调用 按 [README](https://link.gitcode.com/i/ada1a1f86b72d7267425819a8c8fc39a) 的操作步骤 1. **准备密钥**OPENAI_API_KEY模型访问与 LANGSMITH_API_KEYdeploy 必需。README 建议复制 .env 并填入密钥。 2. **一键部署** bash deepagents deployREADME 说明subagents/下定义的子 Agent 会在部署时被发现并自动接线同理skills/下的技能即 competitor-analysis随 Agent 一并部署。 3.在 LangSmith 中验证部署后打开 AgentREADME 给出的测试提示词恰好覆盖技能触发场景例如“Help us position our vector database product against Pinecone and Weaviate”——这类“对标某几家竞品”的请求会命中 competitor-analysis 的触发词。 4.通过 SDK 查询from langgraph_sdk import get_client client get_client(urlhttps://your-deployment-url) thread await client.threads.create() async for chunk in client.runs.stream( thread[thread_id], agent, input{messages: [{role: user, content: Build a GTM plan for our new Python SDK for AI agents}]}, stream_modemessages, ): print(chunk.data, end, flushTrue)部署 URL 在 LangSmith 的Deployments页面查看。适用前提该示例依赖 LangSmith 部署能力与 OpenAI 模型端点openai:gpt-5.4-nano/openai:gpt-5.4-mini更换模型需修改各自的agent.json。复刻一份同类技能可复用模板结合上面源码级的解析约束编写一个新技能的最小模板如下--- name: my-skill-name description: - One line stating what the skill does. Trigger on: phrase one, phrase two, phrase three. --- # My Skill Title When asked to …: 1. Step with an explicit, checkable output 2. Step with fixed evaluation dimensions 3. Step producing a comparison/structured artifact 4. Step ending in actionable recommendations【免费下载链接】deepagentsThe batteries-included agent harness.项目地址: https://gitcode.com/GitHub_Trending/de/deepagents创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考