Company research

Skill eviefang/career-plan/skills/company-research

Due-diligence a company before applying or interviewing. Triggers on "查一下 XX 公司"、"XX 这家公司怎么样"、"帮我尽调 XX"、"research company X". Input is a company name (Chinese/English/abbrev ok). Outputs a structured DD report AND seeds `memory/pipeline/<slug>.md` so downstream skills (job-fit / interview-prep / debrief) inherit the context. Delegates deep web research to the `researcher` subagent.From its SKILL.md

Install

npx -y skills add eviefang/career-plan --skill company-research

Assembled from the repository path, not quoted from the project. Check it against their README if it does not work.

2 things to look at

no licenseNo license file was found in the repository. Code published without one is not open source by default, so using it at work is a question for whoever answers licensing questions where you are.
0 stars0 stars. Stars are a popularity signal and not a quality one, but at this level it is likely that nobody has read this closely except its author, and you would be relying on your own review.

SKILL.md

4.4 KB, as published. Nobody here has run it

company-research

这个 skill 解决什么问题：投简历/面试前，快速把一家公司的基本面、媒体痕迹、红旗看清楚，并把结果落盘到 memory/pipeline/<slug>.md，让后续匹配度分析、面试准备、复盘都能复用这份上下文。

何时触发

"查一下 XX 公司" / "XX 这家公司怎么样" / "帮我尽调 XX"
"research company X" / "what do you know about X"

输入

必需：公司名（中/英/简称）
可选：用户手动提供的工商截图 / 官网 URL / JD

步骤

1. 确认目标 + 定 slug

公司名有歧义（简称、多个同名主体）先问用户"你指的是 A 还是 B？"再开工。确定后立刻定一个 slug：

全小写，英文/拼音，连字符分隔
例：innuno、xiaomi-ai、moonshot-ai
这个 slug 是 memory/pipeline/<slug>.md 的文件名，也是后续所有 skill 的索引键

2. 委派深度研究给 researcher subagent

用 Agent 工具调用 researcher subagent，一次性打包所有子问题（prompt 模板见下）。不要在主对话里直接 WebSearch —— 原始搜索结果会污染上下文。

研究问题：对 <公司名> 做一次投前尽调。用户是求职候选人，即将<投递/面试>。

子问题：
1. 基本面：成立时间、注册资本、实缴、员工规模、股东结构、法人、法人关联企业
2. 业务：主营产品/服务、目标客户、商业模式、最近一轮融资
3. 团队：创始人背景、核心团队规模、公开可查的技术/产品负责人
4. 媒体痕迹：近 1 年媒体报道、公众号/36氪/虎嗅/IT桔子、脉脉/知乎/小红书
5. 红旗：诉讼、裁员传闻、频繁改名、虚挂地址、法人空壳嫌疑

按你定义的结构化简报格式返回。

3. 工商数据降级

researcher 返回后，如果"基本面"有明显缺口（注册资本/股东/实缴搜不到），不要瞎猜。提示用户：

公开网络信息不足以覆盖工商基本面。方便的话贴一张天眼查/爱企查截图给我，我读完补进报告。

用户贴了 → 用 Read 读图 → 补进基本面章节。

4. 合成主对话报告（5 块）

# <公司名> 尽调报告
_生成于 YYYY-MM-DD · 面试/投递场景_

## 1. 基本面
## 2. 业务与团队
## 3. 媒体 & 社群痕迹
## 4. 推断
- **公司所处阶段**
- **商业模式清晰度**
- **红旗** / **绿旗**

## 5. 如果我要和他们通话，建议提问清单
5-8 条，按"对我最重要"排序。

末尾加一行覆盖率标注：⚠️ 本报告覆盖率约 X%（工商/融资/团队/媒体 4 维）。

5. 写入 memory/pipeline/

新建或覆盖 ../../memory/pipeline/<slug>.md：

# <公司名>

_slug: <slug> · 最近更新: YYYY-MM-DD_

## 公司尽调

（把主对话第 1/2/3/4 块的内容压缩成要点，5 块里的第 5 块"提问清单"也搬进来）

### 基本面
- ...

### 业务与团队
- ...

### 媒体 & 社群
- ...

### 推断
- 阶段：...
- 商业模式清晰度：...
- 红旗：...
- 绿旗：...

### 如果通话要问的
- ...

之后的 skill 会在这个文件后面追加 ## JD、## 面试准备、## 复盘 子节。

6. 更新 `_index.md`

Read ../../memory/pipeline/_index.md，用 Edit 在表格里追加或更新一行：

| <公司名> | <岗位，如已知> | 尽调完成 | <slug> | YYYY-MM-DD |

如果是新公司 → 追加；如果 slug 已存在 → 更新"阶段"和"最近更新"。

原则

不编造。搜不到就说搜不到，报告里留空比瞎填更好。
幂等。同一家公司再跑一次，pipeline/<slug>.md 的"公司尽调"节被覆盖（新信息进来是正常的），其他子节（JD/面试准备/复盘）不动。
demo 友好。主对话的 5 块报告结构清晰、加粗关键词、可截图。
只读挖掘，只写 pipeline 和 _index。不碰 patterns.md 和 decisions.md。