Pm Market

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

# 检查是否有需求调研报告
if [ ! -f "docs/01-需求调研/需求调研报告.md" ]; then
  echo "⚠️  未找到需求调研报告"
  echo ""
  echo "建议先执行 /pm-demand 完成需求调研"
fi

---

执行流程

步骤 1: 读取前置数据（主 agent）

如果有需求调研报告：

使用 Read 工具读取 docs/01-需求调研/需求调研报告.md

提取：

• 产品名称
• 行业赛道
• 目标用户
• 核心痛点

如果没有需求调研报告：

进入快速模式，使用 AskUserQuestion 收集基础信息。

---

步骤 2: 确定搜索方向（主 agent - 用户交互）

使用 AskUserQuestion 询问：

> 🎯 我要重点分析哪些方面？ > > A) 市场规模与增长趋势 > B) 竞品分析 > C) 用户需求与行为 > D) 行业政策与风险 > E) 全部分析（推荐但耗时较长）

用户选择后，记录到变量 MARKET_FOCUS

---

步骤 3: 派发 subagent 执行市场调研（核心优化）

优化说明：

• 主 agent 只负责派发任务和接收结果
• Subagent 执行所有搜索和分析工作
• 搜索细节不占用主 agent 上下文

---

3.1 构建搜索任务清单

根据用户选择，构建任务清单：

如果选择"市场规模"：

[
  {
    "task_id": "market_size",
    "keywords": ["{行业赛道} 市场规模 2025", "{行业赛道} 增长趋势"],
    "domains": ["iresearch.cn", "analysys.cn", "iimedia.cn"]
  }
]

如果选择"竞品分析"：

[
  {
    "task_id": "competitor_analysis",
    "keywords": ["{行业赛道} 竞品分析", "{行业赛道} 主要玩家"],
    "domains": ["36kr.com", "huxiu.com", "qimai.cn"]
  }
]

如果选择"全部"：

[
  {
    "task_id": "market_size",
    "keywords": ["{行业赛道} 市场规模"],
    "domains": ["iresearch.cn", "analysys.cn"]
  },
  {
    "task_id": "competitor_analysis",
    "keywords": ["{行业赛道} 竞品"],
    "domains": ["36kr.com", "huxiu.com"]
  },
  {
    "task_id": "user_behavior",
    "keywords": ["{目标用户} 消费行为"],
    "domains": ["questmobile.com.cn"]
  }
]

---

3.2 使用 Agent 工具派发 subagent

单个任务：

使用 Agent 工具：

Tool: Agent
Parameters:
  subagent_type: "general-purpose"
  description: "市场调研-{task_id}"
  prompt: |
    你是一个市场调研专家。请执行以下任务：

    **任务 ID**: {task_id}
    **产品名称**: {产品名称}
    **行业赛道**: {行业赛道}
    **搜索关键词**: {keywords}
    **目标数据源**: {domains}

    **要求**：
    1. 搜索工具优先级：首选 AnySearch（Bash 调用 `anysearch_cli.py（先定位：检查 ~/.claude/skills/anysearch/scripts/ ~/.opencode/skills/anysearch/scripts/ ~/.openclaw/skills/anysearch/scripts/ ~/.cursor/skills/anysearch/scripts/ ~/.anysearch/scripts/ 或 which anysearch_cli.py，找到后 python3 ）`search "查询词" --max_results 5 --domain finance --sub_domain finance.cn_stock），失败降级到 Exa MCP（mcp__exa__web_search_exa），最后才用 WebSearch。使用 WebSearch 时标注「⚠️ 降级模式」
    2. 搜索每个关键词
    3. 优先搜索目标数据源
    4. 提取关键数据（市场规模、增长率、主要玩家等）
    5. 返回结构化的 JSON 结果

    **输出格式**：
    ```json
    {
      "task_id": "{task_id}",
      "findings": [
        {
          "title": "数据标题",
          "source": "数据来源",
          "value": "数据值",
          "date": "数据日期"
        }
      ],
      "summary": "关键发现总结"
    }
    ```

多个任务（并行优化）：

同时派发多个 subagent：

# 并行派发 3 个 subagent
Agent 1: 市场规模调研
Agent 2: 竞品分析
Agent 3: 用户行为分析

主 agent 等待所有 subagent 完成，然后收集结果。

---

步骤 4: 整合结果并生成报告（主 agent）

主 agent 接收所有 subagent 的返回结果：

1. 读取 subagent 返回的 JSON 数据
2. 整合所有发现
3. 生成结构化的市场调研报告

使用 Write 工具生成报告：

# 市场调研报告

## 一、市场规模与增长趋势

（从 subagent 结果中提取）

## 二、竞品分析

（从 subagent 结果中提取）

## 三、用户需求与行为

（从 subagent 结果中提取）

## 四、关键发现与建议

（主 agent 综合分析）

---

**生成时间**: {时间}
**调研范围**: {MARKET_FOCUS}

---

步骤 5: 推荐下一步（主 agent）

> ✅ 市场调研报告已生成：docs/01-需求调研/市场调研报告.md > > 建议执行： > 1. /pm-priority - 基于市场调研确定优先级 > 2. /pm-position - 基于竞品分析确定产品定位 > 3. /pm-mvp - 规划 MVP 方案

---

对比：优化前 vs 优化后

优化前（pm-market v1）

主 agent 执行流程：
1. 询问用户（10 tokens）
2. 执行搜索1（500 tokens 结果）
3. 执行搜索2（500 tokens 结果）
4. 执行搜索3（500 tokens 结果）
5. 整理结果（200 tokens）
6. 生成报告（100 tokens）

总计：1810 tokens
耗时：串行执行，约 3-5 分钟

优化后（pm-market-v2）

主 agent 执行流程：
1. 询问用户（10 tokens）
2. 派发 subagent（20 tokens）
   └─ Subagent 执行搜索（不占用主 agent 上下文）
3. 接收结果（100 tokens 结构化数据）
4. 整合报告（100 tokens）

总计：230 tokens
耗时：并行执行，约 1-2 分钟
效率提升：87% token 节省，2.5x 速度提升

---

关键优化点

1. 上下文节省

• ✅ 搜索结果不占用主 agent 上下文
• ✅ 主 agent 只处理结构化结果
• ✅ Token 使用减少 70-90%

2. 执行效率

• ✅ 多个搜索任务并行执行
• ✅ 总耗时减少 50-70%
• ✅ 用户体验显著提升

3. 可维护性

• ✅ 主 agent 逻辑清晰，聚焦决策
• ✅ Subagent 职责单一，易于测试
• ✅ 代码结构更清晰

---

注意事项

何时使用 subagent

✅ 适合：

• 联网搜索（结果占用大量 token）
• 文档生成（可并行）
• 数据分析（计算密集）
• 竞品分析（多次搜索）

❌ 不适合：

• 用户交互（AskUserQuestion）
• 简单决策（if-else 判断）
• 快速任务（ ⚠️ 任何一项未通过 → 补全后再标记完成。

---

• 串行执行搜索

Source & license

This open-source skill is cataloged on AgentStack and links to its original source — we do not rehost the code.

• Author: konglong87
• Source: konglong87/superPM
• License: MIT
• Homepage: https://konglong87.github.io/anything-ai/

Install and usage instructions live in the source repository linked above.