Pm search

Preamble (run first)

bash "$(dirname "${BASH_SOURCE[0]}")"/check-update.sh 2>/dev/null || true
# 读取技能包版本号
SKILL_ROOT="$(cd "$(dirname "${BASH_SOURCE[0]}")" 2>/dev/null && pwd)" || true
if [ -f "$SKILL_ROOT/VERSION" ]; then echo "📦 super-pm $(cat "$SKILL_ROOT/VERSION")"; fi
# 创建需求调研目录
mkdir -p docs/01-需求调研

# 自动发现 AnySearch CLI 安装位置
# 支持 Claude Code / OpenCode / OpenClaw / Cursor / pip install / 手动克隆等多种安装方式
ANYSEARCH_CLI=""
for candidate in \
  "$HOME/.claude/skills/anysearch/scripts/anysearch_cli.py" \
  "$HOME/.opencode/skills/anysearch/scripts/anysearch_cli.py" \
  "$HOME/.openclaw/skills/anysearch/scripts/anysearch_cli.py" \
  "$HOME/.cursor/skills/anysearch/scripts/anysearch_cli.py" \
  "$HOME/skills/anysearch/scripts/anysearch_cli.py" \
  "$HOME/.anysearch/scripts/anysearch_cli.py" \
  "/usr/local/bin/anysearch_cli.py" \
  "$HOME/bin/anysearch_cli.py"; do
  if [ -f "$candidate" ]; then
    ANYSEARCH_CLI="$candidate"
    break
  fi
done

# pip install 方式
if [ -z "$ANYSEARCH_CLI" ]; then
  PIP_LOCATION=$(python3 -c "import importlib.util; spec=importlib.util.find_spec('anysearch'); print(spec.submodule_search_locations[0] if spec and spec.submodule_search_locations else '')" 2>/dev/null)
  if [ -n "$PIP_LOCATION" ] && [ -f "$PIP_LOCATION/scripts/anysearch_cli.py" ]; then
    ANYSEARCH_CLI="$PIP_LOCATION/scripts/anysearch_cli.py"
  fi
fi

# which 方式
if [ -z "$ANYSEARCH_CLI" ]; then
  WHICH_CLI=$(which anysearch_cli.py 2>/dev/null)
  if [ -n "$WHICH_CLI" ] && [ -f "$WHICH_CLI" ]; then
    ANYSEARCH_CLI="$WHICH_CLI"
  fi
fi

echo "🔍 PM-Search V2.1 - 联网搜索整合工具"
echo "搜索优先级：AnySearch → Exa MCP → WebSearch"
echo "支持并发搜索：市场调研 | 竞品分析 | 行业数据 | 舆情监控 | 合规检查"

if [ -n "$ANYSEARCH_CLI" ]; then
  echo "✅ AnySearch: $ANYSEARCH_CLI"
else
  echo "⚠️  AnySearch 未安装，将自动降级到 Exa MCP / WebSearch"
  echo "   安装: git clone https://github.com/konglong87/anysearch.git ~/.claude/skills/anysearch"
fi
echo ""

---

搜索工具优先级（核心规则）

所有搜索必须按以下优先级选择工具，不得跳级：

优先级	工具	适用场景	调用方式
1（首选）	AnySearch	中文搜索、垂直领域、批量搜索、全文提取	Bash 调用 anysearch_cli.py（路径由 Preamble 自动发现，见上方输出）
2（备选）	Exa MCP	英文/代码/公司搜索、语义搜索	mcp__exa__web_search_exa 工具
3（降级）	WebSearch	仅当 AnySearch 和 Exa 都不可用时	WebSearch 工具

AnySearch 调用规范：

• 搜索：python3 <anysearch_cli路径> search "查询词" --max_results 5
• 垂直域搜索：python3 <anysearch_cli路径> search "查询词" --domain finance --sub_domain finance.cn_stock
• 全文提取：python3 <anysearch_cli路径> extract "URL"
• 批量搜索：python3 <anysearch_cli路径> batch_search --query "q1" --query "q2"
• 列出子域：python3 <anysearch_cli路径> list_domains --domain finance

AnySearch 垂直域配置

垂直域使用优先级：

1. 先查完整域映射 — Read skills/_shared/anysearch-pm-domains.md，按当前 PM 场景找推荐垂直域组合
2. 列出可用子域 — python3 <anysearch_cli路径> list_domains --domain {domain} 查看域的最新子域和参数 schema
3. 执行垂直搜索 — python3 <anysearch_cli路径> search "查询词" --max_results 5 --domain {domain} --sub_domain {sub_domain}

pm-search 五种搜索类型的默认垂直域：

搜索类型	推荐垂直域	子域	适用原因
市场调研	finance	finance.us_stock, finance.cn_stock, finance.news	上市对标公司数据、行业新闻
竞品分析	business + finance	business.company, finance.cn_stock	公司注册信息、财务数据
行业数据	finance	finance.news, finance.cn_stock	行业新闻、市场规模
舆情监控	通用搜索	无垂直域	社交媒体、用户评价覆盖广
合规检查	legal	legal.statute, legal.case	法律法规、司法案例

💡 完整 17 域 × 37 技能 × 11 行业 PM 场景的垂直域映射见 skills/_shared/anysearch-pm-domains.md。

降级判断规则

1. AnySearch 不可用：脚本未安装、API key 缺失、网络超时 → 降级到 Exa MCP
2. Exa MCP 不可用：工具调用返回错误 → 降级到 WebSearch
3. 使用 WebSearch 时：在报告中标注「⚠️ 数据来源：WebSearch（降级模式），建议配置 AnySearch 以提升中文搜索质量」

全文提取优先级

优先级	工具	调用方式
1	AnySearch extract	python3 <anysearch_cli路径> extract "URL"
2	Exa MCP fetch	mcp__exa__web_fetch_exa 工具
3	WebFetch	WebFetch 工具

---

跨 Agent 交互规则

当流程要求与用户交互时：

1. 如果当前环境支持 AskUserQuestion，使用 AskUserQuestion（最佳体验）。
2. 如果当前环境不支持 AskUserQuestion，必须用普通聊天消息提出同样问题。
3. 一次只问一个问题。
4. 提问后必须停止当前回合，等待用户回答（STOP and WAIT）。
5. 不得在用户回答前生成文档、写入 docs。
6. 已有 docs 文件不能替代本轮用户回答。

---

执行流程

步骤 1: 确定搜索类型（主 agent - 用户交互）

使用 AskUserQuestion 询问：

🔍 联网搜索整合工具 - 选择搜索类型

请选择您需要进行的研究类型（可多选）：

A) 市场调研 - 市场规模、趋势、用户画像 B) 竞品分析 - 竞品功能、定价、策略 C) 行业数据 - 行业报告、统计数据 D) 舆情监控 - 用户评价、媒体报道 E) 合规检查 - 政策法规、行业标准 F) 综合搜索 - 以上全部（并发执行） G) 其他（请手动输入）

用户选择后，根据选择执行不同流程。

---

Subagent 并发搜索架构

---

步骤 2A: 单一类型搜索（主 agent 直接执行）

如果用户选择单个搜索类型，直接执行：

⚠️ 所有搜索必须遵循「搜索工具优先级」规则，首选 AnySearch，降级到 Exa MCP，最后才用 WebSearch。

市场调研

按搜索优先级执行：

搜索关键词："{产品领域} 市场规模 2026"
搜索关键词："{产品领域} 市场趋势"
搜索关键词："{产品领域} 用户画像"

首选 AnySearch（带垂直域 --domain finance --sub_domain finance.cn_stock），
调用方式参考「搜索工具优先级」章节。失败则降级到 Exa MCP，最后才用 WebSearch。

数据源优先级：
1. 艾瑞咨询、易观分析、QuestMobile（权威报告）
2. 36氪、虎嗅（行业媒体）
3. 工信部、网信办（政策法规）

整合结果 → 生成：docs/01-需求调研/市场调研报告.md

竞品分析

按搜索优先级执行：

搜索关键词："{产品领域} 主要竞品"
搜索关键词："{竞品名称} 产品功能"
搜索关键词："{竞品名称} 定价策略"

首选 AnySearch（带垂直域 --domain finance --sub_domain finance.cn_stock），
失败则降级到 Exa MCP，最后才用 WebSearch。

数据源：
- 七麦数据、蝉妈妈（应用数据）
- 官网、App Store、产品评测

整合结果 → 生成：docs/01-需求调研/竞品分析报告.md

行业数据

按搜索优先级执行：

搜索关键词："{行业} 行业报告 2026"
搜索关键词："{行业} 统计数据"
搜索关键词："{行业} 发展趋势"

首选 AnySearch（带垂直域 --domain finance --sub_domain finance.cn_stock），
失败则降级到 Exa MCP，最后才用 WebSearch。

数据源：
- 国家统计局
- 行业协会官网
- 咨询公司报告

整合结果 → 生成：docs/01-需求调研/行业数据报告.md

舆情监控

按搜索优先级执行：

搜索关键词："{产品/品牌} 用户评价"
搜索关键词："{产品/品牌} 媒体报道"
搜索关键词："{产品/品牌} 微博热搜"

首选 AnySearch（通用搜索，无垂直域），
失败则降级到 Exa MCP，最后才用 WebSearch。

数据源：
- 微博、知乎、小红书（用户评价）
- 新闻媒体（报道）
- 黑猫投诉（投诉信息）

整合结果 → 生成：docs/01-需求调研/舆情监控报告.md

合规检查

按搜索优先级执行：

搜索关键词："{行业} 政策法规 2026"
搜索关键词："{行业} 监管要求"
搜索关键词："{行业} 合规标准"

首选 AnySearch（通用搜索，无垂直域），
失败则降级到 Exa MCP，最后才用 WebSearch。

数据源：
- 政府官网（工信部、网信办、市场监管总局）
- 法律法规数据库
- 行业协会合规指南

整合结果 → 生成：docs/01-需求调研/合规检查报告.md

---

步骤 2B: 综合并发搜索（Subagent 并行执行）

如果用户选择"综合搜索"或选择多个类型，使用 Agent tool 并发执行：

⚠️ 每个 subagent prompt 必须包含「搜索工具优先级」自发现指令（subagent 看不到主 agent 的 Preamble）。

搜索工具优先级块（嵌入每个 subagent prompt）

以下块必须原样嵌入每个 subagent 的 prompt 开头：

【搜索工具优先级 - 必须遵守】
1. 首选 AnySearch：先定位 anysearch_cli.py。
   常见安装路径（按顺序尝试）：
   ~/.claude/skills/anysearch/scripts/anysearch_cli.py
   ~/.opencode/skills/anysearch/scripts/anysearch_cli.py
   ~/.openclaw/skills/anysearch/scripts/anysearch_cli.py
   ~/.cursor/skills/anysearch/scripts/anysearch_cli.py
   ~/.anysearch/scripts/anysearch_cli.py
   $(which anysearch_cli.py 2>/dev/null)
   或 pip show anysearch 查找安装位置。
   找到后 Bash 调用 python3 <路径> search "查询词" --max_results 5。
   市场/竞品/行业类搜索加 --domain finance --sub_domain finance.cn_stock。
2. AnySearch 不可用（脚本不存在/API报错/超时）→ 降级到 mcp__exa__web_search_exa
3. Exa 不可用 → 降级到 WebSearch，并在输出中标注「⚠️ 降级模式」

执行命令

使用 Agent tool 并发派发 5 个 subagent：

**Subagent 1: Market Research**
- type: "general-purpose"
- prompt: "【搜索工具优先级块】+ 执行市场调研搜索，产品领域：{产品领域}，搜索市场规模/趋势/用户画像，输出到 docs/01-需求调研/market-research.md"

**Subagent 2: Competitor Analysis**
- type: "general-purpose"
- prompt: "【搜索工具优先级块】+ 执行竞品分析搜索，产品领域：{产品领域}，搜索主要竞品/功能/定价，输出到 docs/01-需求调研/competitor-analysis.md"

**Subagent 3: Industry Data**
- type: "general-purpose"
- prompt: "【搜索工具优先级块】+ 执行行业数据搜索，行业：{行业}，搜索行业报告/统计数据/趋势，输出到 docs/01-需求调研/industry-data.md"

**Subagent 4: Public Opinion**
- type: "general-purpose"
- prompt: "【搜索工具优先级块】+ 执行舆情监控搜索，关键词：{产品/品牌}，搜索用户评价/媒体报道/社交媒体，输出到 docs/01-需求调研/public-opinion.md"

**Subagent 5: Compliance Check**
- type: "general-purpose"
- prompt: "【搜索工具优先级块】+ 执行合规检查搜索，行业：{行业}，搜索政策法规/监管要求/合规标准，输出到 docs/01-需求调研/compliance-check.md"

**并发执行：在单个消息中调用 5 次 Agent tool**

Agent 调用示例

**在一条消息中并发调用：**

[Agent tool call 1 - Market Research]
[Agent tool call 2 - Competitor Analysis]
[Agent tool call 3 - Industry Data]
[Agent tool call 4 - Public Opinion]
[Agent tool call 5 - Compliance Check]

**等待所有 subagent 完成**

---

步骤 3: 主 Agent 整合结果

读取所有 subagent 生成的报告：

# 读取各个报告
read docs/01-需求调研/market-research.md
read docs/01-需求调研/competitor-analysis.md
read docs/01-需求调研/industry-data.md
read docs/01-需求调研/public-opinion.md
read docs/01-需求调研/compliance-check.md

整合成综合报告：

使用 Write 生成：docs/01-需求调研/市场调研报告.md

报告结构：

# 综合市场调研报告

## 一、市场规模与趋势
[来自 market-research.md]

## 二、竞品分析
[来自 competitor-analysis.md]

## 三、行业数据
[来自 industry-data.md]

## 四、舆情监控
[来自 public-opinion.md]

## 五、合规检查
[来自 compliance-check.md]

## 六、综合结论与建议

### 市场机会
- [综合分析]

### 风险提示
- [综合分析]

### 下一步建议
1. 执行 /pm-priority - 需求优先级排序
2. 执行 /pm-mvp - MVP 方案规划
3. 执行 /pm-docs - 文档生成

---

**生成时间**: 2026-XX-XX
**数据来源**: [标注实际使用的搜索工具：AnySearch / Exa MCP / WebSearch]

---

性能对比

V1 vs V2.1 性能

指标	V1（顺序执行）	V2.1（并发+优先级搜索）	提升
执行时间	~10 分钟	~2.5 分钟	4x
主 Agent 上下文	~50,000 tokens	~10,000 tokens	节省 80%
搜索类型	1-5 个顺序	5 个并发	-
中文搜索质量	WebSearch（差）	AnySearch（优）	✅
报告质量	单一视角	多维度整合	✅

---

使用示例

示例 1: 单一搜索

用户: 我需要了解生鲜电商的市场规模

AI: 🎯 执行市场调研搜索
    [AnySearch 搜索中... → 成功]
    ✅ 生成报告: docs/01-需求调研/市场调研报告.md

示例 2: AnySearch 降级场景

用户: 我需要了解生鲜电商的市场规模

AI: 🎯 执行市场调研搜索
    [AnySearch 搜索中... → 未安装，降级]
    [Exa MCP 搜索中... → 成功]
    ✅ 生成报告: docs/01-需求调研/市场调研报告.md
    ⚠️ 数据来源：Exa MCP（降级模式）

示例 3: 综合并发搜索

用户: 我想全面了解在线教育市场

AI: 🎯 执行综合并发搜索
    [并发派发 5 个 subagent...]
    ⏳ Subagent 1: Market Research - 完成 ✅
    ⏳ Subagent 2: Competitor Analysis - 完成 ✅
    ⏳ Subagent 3: Industry Data - 完成 ✅
    ⏳ Subagent 4: Public Opinion - 完成 ✅
    ⏳ Subagent 5: Compliance Check - 完成 ✅

    🔧 整合分析结果...
    ✅ 生成综合报告: docs/01-需求调研/市场调研报告.md

    💡 建议下一步：
    1. /pm-priority - 需求优先级排序
    2. /pm-mvp - MVP 方案规划

---

Subagent Prompt 模板

Market Research Subagent Prompt

你是市场调研专家。执行以下任务：

【搜索工具优先级 - 必须遵守】
1. 首选 AnySearch：先定位 anysearch_cli.py。
   常见安装路径（按顺序尝试）：
   ~/.claude/skills/anysearch/scripts/anysearch_cli.py
   ~/.opencode/skills/anysearch/scripts/anysearch_cli.py
   ~/.openclaw/skills/anysearch/scripts/anysearch_cli.py
   ~/.cursor/skills/anysearch/scripts/anysearch_cli.py
   ~/.anysearch/scripts/anysearch_cli.py
   $(which anysearch_cli.py 2>/dev/null)
   或 pip show anysearch 查找安装位置。
   找到后 Bash 调用 python3 <路径> search "查询词" --max_results 5。
   市场调研类搜索加 --domain finance --sub_domain finance.cn_stock。
2. AnySearch 不可用 → 降级到 mcp__exa__web_search_exa
3. Exa 不可用 → 降级到 WebSearch，并在输出中标注「⚠️ 降级模式」

**目标**: 调研 {产品领域} 的市场规模、趋势、用户画像

**搜索策略**:
1. 市场规模：搜索 "{产品领域} 市场规模 2026"
2. 市场趋势：搜索 "{产品领域} 市场趋势"
3. 用户画像：搜索 "{产品领域} 用户画像"

**数据源优先级**:
- 艾瑞咨询、易观分析、QuestMobile（权威报告）
- 36氪、虎嗅（行业媒体）
- 工信部、网信办（政策法规）

**输出要求**:
生成结构化报告到：docs/01-需求调研/market-research.md

包含章节：
1. 市场规模（总量、增长率）
2. 市场趋势（发展动向）
3. 用户画像（目标用户特征）
4. 市场机会点

完成后立即返回结果。

---

注意事项

数据源可信度评估

高可信度：

• 政府官方数据
• 权威咨询公司报告（艾瑞、易观、麦肯锡）
• 行业协会统计

中可信度：

• 科技媒体报道（36氪、虎嗅）
• 应用数据平台（七麦数据、蝉妈妈）

低可信度：

• 用户评论（需交叉验证）
• 社交媒体信息（需核实）

搜索结果整合原则

1. 交叉验证 - 同一数据点至少 2 个来源确认
2. 时效性 - 优先使用 2026 年数据
3. 权威性 - 政府数据 > 咨询公司 > 媒体报道
4. 完整性 - 多维度覆盖，避免单一视角

---

下一步建议

完成市场调研后，推荐执行：

1. /pm-priority - 需求优先级排序
2. /pm-mvp - MVP 方案规划
3. /pm-docs - 生成 PRD 文档

---

Super-PM - 让市场调研更高效、更全面 🔍

---

输出质量对比

✅ Good 示例：

- 有数据引用：「根据 Q4 数据，留存率从 35% 降至 28%」
- 有验证来源：「数据来源：Google Analytics, 2025-12-01」
- 有明确建议：「建议将新手引导步骤从 5 步减少至 3 步」

❌ Bad 示例：

- 模糊结论：「数据表明留存率有所下降」
- 无来源：「根据经验，这个功能很重要」
- 没有行动建议：「留存是个问题」

---

常见误区 / Red Flags — STOP

出现以下情况立即停止并回溯：

误区	正确做法
使用"应该"、"大概"、"看起来"做结论	必须基于实际数据和验证
未运行检查就声称已完成	先验证，再陈述
因时间紧迫跳过关键步骤	没有例外，时间紧更要严格
"这次应该没问题"的想法	每次都要重新验证
直接用 WebSearch 而不先尝试 AnySearch	必须按优先级降级，不得跳级
写死 anysearch_cli.py 的路径	Preamble 已自动发现；subagent 按常见路径列表自行定位

---

产出质量检查 / Verification Checklist

• 前置依赖已满足（输入文档/数据已收集）
• 核心步骤已全部执行
• 输出文档已生成到 docs/ 目录
• 每个判断都有数据/证据支撑
• 搜索工具按优先级使用（AnySearch → Exa MCP → WebSearch）
• 已推荐 2-3 个后续 skill

⚠️ 任何一项未通过 → 补全后再标记完成。