WorkBuddy AI 产品分析
将以下提示词粘贴到你的 AI 对话框中:
请参考 https://skillhub.cn/install/skillhub.md 的指引,将 @user_63124204/ai-product-research 安装到 AI 助手中。
技能介绍
做 AI 产品竞品分析时,最常见的翻车不是漏掉某个功能,而是拿官方 PR 稿当事实、把不同口径的价格表拼在一起对比、结论写很漂亮但没有一个来源能点开验证。这个技能的价值在于把调研流程产品化:它先定义口径再动手,用一个固定的五步工作流,让每一次 AI 竞品分析的输出都可以被追溯、被复用。
它解决什么问题
- 内部认知偏差:自己产品团队对竞品的印象往往来自记忆而非数据,调研结论容易偏向"我以为的世界"。
- 来源混杂:官网、知乎测评、社区吐槽混在一起,完全不清楚哪条结论来自一手信息、哪条来自二手转述。
- 口径不一致:各家定价页语义不同,免费额度的计算方式不同,直接做比较表等于在制造误导。
- 报告沉淀难:每次调研的产出格式各异,没法直接成为团队资产。
核心能力:多层交叉验证
这个技能的核心是一套多层交叉验证法,它不依赖单一信息源,而是把官方一手信息与公开二手信息相互校验:
- 一层(官方一手):官网、
官方文档、定价页、更新日志、官方社区——只作为事实基准。 - 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——只作为补充与印证。
- 三层(交叉比对):官方与公开不一致时以官方为准并显式标注;价格、版本等易变信息必须标注"截至日期"。
- 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。
- 五层(内部校准):若你有自家产品数据或用户访谈等内部信息,会与公开信息交叉比对。
调研工作流
技能按照五步流程执行,不跳步:
- 对齐目标与口径:拆解调研维度(功能体验 / 竞品对比 / 商业模式),确认竞品清单与目标产品,明确报告用途(默认为"竞品对标参考",这决定了每节结论的写法)。
- 收集一手信息:按官网 >
官方文档> 定价页 > 社区公告的优先级收集,每条关键事实记录来源 URL。 - 收集竞品信息:对每个竞品收集同等颗粒度的信息——产品形态(IDE 插件 / 独立应用 / CLI / 云端 Agent)、核心能力、定价与免费额度、重叠与差异化功能。
- 多层交叉验证:执行上述五层校验;找不到可靠来源的结论不写入报告,或者明确标注"待验证/未公开"。
- 输出结构化报告:默认输出
ai-product-research-YYYY-MM-DD.md到工作目录,可用scripts/scaffold_report.py生成带日期的报告骨架。
报告强制满足几条质量要求:竞品对比必须用 Markdown 表格(行 = 能力维度,列 = 产品);每章末尾附可点击的「参考来源」;同一指标所有产品用同一口径描述;报告开头标注调研日期;每节末尾给"对标启示";报告结尾必须包含一张「机会点总结」表格(机会点 / 依据 / 对自家产品的启示 / 优先级)。
适用边界与注意点
- 仅适用于 AI 产品:编码助手、AI Agent 平台、AI 应用等。调研传统企业业务或股票等非 AI 对象时,请直接用通用调研流程,不要用它。
- 方法论依赖执行纪律:交叉验证的质量取决于你是否按五步走完、是否逐条记录来源。跳过两层的"快速结论"是这套方法最容易失效的场景。
- 不负责深度功能实测:它做桌面调研(desk research),不做产品安装、压测或真实跑通评测。需要实测字段时,应配合单独的评测流程。
- 机会点是推断不是承诺:报告中的机会点基于公开信息的差异推断,不代表被验证的市场需求。
使用场景
- 接到调研 WorkBuddy 的任务,需按功能体验、竞品对比、商业模式三维度产出结构化报告
- 要与老板评审自家编码助手,需把 Cursor、Copilot、Claude Code 放在同一表格里横向对比
- 拿到内部访谈和运营数据后,需与公开测评交叉验证,识别自家产品的认知偏差
- 有限时销售演示,需快速拉一份目标产品与竞品的功能差异表,标注机会点
适合人员
- 产品经理:竞品功能迭代频繁,需要可追溯的对标报告而非零散截图
- 技术负责人:评估是否接入某 AI 编码工具前, want 功能与定价的横向对比
- AI 创业者:打磨自家产品定位时, need 从商业模式维度交叉验证公开信息
- 市场分析师:覆盖 AI Agent 赛道时, need 统一口径的竞品数据与来源链接