{"id":51595219,"url":"https://github.com/geekjourneyx/industry-research","last_synced_at":"2026-07-11T18:01:47.688Z","repository":{"id":369414495,"uuid":"1241397530","full_name":"geekjourneyx/industry-research","owner":"geekjourneyx","description":"专业的行业调研Skill，用于把行业、赛道和公司问题转成可复核的研究工作区、证据台账、置信度报告和最终研究报告。","archived":false,"fork":false,"pushed_at":"2026-07-05T06:57:09.000Z","size":1795,"stargazers_count":12,"open_issues_count":0,"forks_count":0,"subscribers_count":0,"default_branch":"main","last_synced_at":"2026-07-05T08:14:18.084Z","etag":null,"topics":["agent-skills","claude-code","claude-skills","cli","codex","codex-skills","golang","industry-research","market-research","openclaw","research-automation"],"latest_commit_sha":null,"homepage":"","language":"Go","has_issues":true,"has_wiki":null,"has_pages":null,"mirror_url":null,"source_name":null,"license":"mit","status":null,"scm":"git","pull_requests_enabled":true,"icon_url":"https://github.com/geekjourneyx.png","metadata":{"files":{"readme":"README.md","changelog":"CHANGELOG.md","contributing":null,"funding":null,"license":"LICENSE","code_of_conduct":null,"threat_model":null,"audit":null,"citation":null,"codeowners":null,"security":null,"support":null,"governance":null,"roadmap":null,"authors":null,"dei":null,"publiccode":null,"codemeta":null,"zenodo":null,"notice":null,"maintainers":null,"copyright":null,"agents":"AGENTS.md","dco":null,"cla":null}},"created_at":"2026-05-17T10:40:49.000Z","updated_at":"2026-07-05T06:57:13.000Z","dependencies_parsed_at":null,"dependency_job_id":null,"html_url":"https://github.com/geekjourneyx/industry-research","commit_stats":null,"previous_names":["geekjourneyx/industry-research"],"tags_count":2,"template":false,"template_full_name":null,"purl":"pkg:github/geekjourneyx/industry-research","repository_url":"https://repos.ecosyste.ms/api/v1/hosts/GitHub/repositories/geekjourneyx%2Findustry-research","tags_url":"https://repos.ecosyste.ms/api/v1/hosts/GitHub/repositories/geekjourneyx%2Findustry-research/tags","releases_url":"https://repos.ecosyste.ms/api/v1/hosts/GitHub/repositories/geekjourneyx%2Findustry-research/releases","manifests_url":"https://repos.ecosyste.ms/api/v1/hosts/GitHub/repositories/geekjourneyx%2Findustry-research/manifests","owner_url":"https://repos.ecosyste.ms/api/v1/hosts/GitHub/owners/geekjourneyx","download_url":"https://codeload.github.com/geekjourneyx/industry-research/tar.gz/refs/heads/main","sbom_url":"https://repos.ecosyste.ms/api/v1/hosts/GitHub/repositories/geekjourneyx%2Findustry-research/sbom","scorecard":null,"host":{"name":"GitHub","url":"https://github.com","kind":"github","repositories_count":286080680,"owners_count":35370428,"icon_url":"https://github.com/github.png","version":null,"created_at":"2022-05-30T11:31:42.601Z","updated_at":"2026-05-26T15:22:16.424Z","status":"online","status_checked_at":"2026-07-11T02:00:05.354Z","response_time":104,"last_error":null,"robots_txt_status":"success","robots_txt_updated_at":"2025-07-24T06:49:26.215Z","robots_txt_url":"https://github.com/robots.txt","online":true,"can_crawl_api":true,"host_url":"https://repos.ecosyste.ms/api/v1/hosts/GitHub","repositories_url":"https://repos.ecosyste.ms/api/v1/hosts/GitHub/repositories","repository_names_url":"https://repos.ecosyste.ms/api/v1/hosts/GitHub/repository_names","owners_url":"https://repos.ecosyste.ms/api/v1/hosts/GitHub/owners"}},"keywords":["agent-skills","claude-code","claude-skills","cli","codex","codex-skills","golang","industry-research","market-research","openclaw","research-automation"],"created_at":"2026-07-11T18:01:46.925Z","updated_at":"2026-07-11T18:01:47.681Z","avatar_url":"https://github.com/geekjourneyx.png","language":"Go","funding_links":[],"categories":[],"sub_categories":[],"readme":"\u003cdiv align=\"center\"\u003e\n\n# 行业研究引擎\n\n**把行业、赛道和公司问题变成可复核研究报告**\n\n\u003cimg src=\"assets/agent-skill-banner.png\" alt=\"行业研究引擎：Go CLI + 智能体技能，把行业问题变成可复核研究报告\" width=\"100%\"\u003e\n\n[![许可证：MIT](https://img.shields.io/badge/%E8%AE%B8%E5%8F%AF%E8%AF%81-MIT-blue.svg)](./LICENSE)\n[![Go 1.22](https://img.shields.io/badge/Go-1.22-00ADD8.svg)](./researcher/go.mod)\n[![智能体技能](https://img.shields.io/badge/%E6%99%BA%E8%83%BD%E4%BD%93-%E6%8A%80%E8%83%BD-c96442.svg)](./SKILL.md)\n[![证据优先](https://img.shields.io/badge/%E8%AF%81%E6%8D%AE-%E4%BC%98%E5%85%88-2ea043.svg)](./references/evidence-ledger-schema.md)\n\n\u003c/div\u003e\n\n---\n\n## 这是什么\n\n行业研究引擎是一套 **Go CLI + 智能体技能**。它把模糊的行业研究、赛道分析、公司研究和商业机会判断，转成可复核的研究工作区和结构化报告。\n\n底层 `researcher` 是 Go 写的研究引擎，负责生成命题图、痕迹计划、证据台账、反证记录、置信度报告和最终报告。上层 `SKILL.md` 是智能体技能，负责把研究流程编排给 Claude Code、OpenClaw、hermes-agent 等支持技能式工作流的 Agent 框架。\n\n它的核心原则很简单：搜索结果只是线索，不是证据。高置信度结论必须经过来源核验、经营痕迹验证、交叉比对和反证尝试。\n\n## 项目摘要\n\n| 问题 | 回答 |\n|:---|:---|\n| 这是什么 | 面向 Agent 的行业研究技能和 Go 研究引擎 |\n| 解决什么问题 | 避免行业研究只复述搜索结果，生成可复核、有证据边界的研究报告 |\n| 适合谁 | 使用智能体做行业研究、投资研究、赛道分析、连锁品牌和供应链研究的人 |\n| 产出什么 | 研究工作区、命题图、证据台账、反证记录、置信度报告和最终报告 |\n| 为什么可信 | 每个关键结论都要求来源、经营痕迹、交叉验证和反证尝试 |\n\n```text\n输入：瑞幸咖啡 2026 年门店数目标是否可信？\n输出：可复核工作区、证据台账、反证记录、置信度报告和最终调研报告\n```\n\n---\n\n## 核心特性\n\n\u003cimg src=\"assets/agent-skill-features.png\" alt=\"行业研究引擎核心特性：框架无关、研究工作区、证据纪律、对抗式评审、经营痕迹、报告校验\" width=\"100%\"\u003e\n\n| 能力 | 说明 |\n|:---|:---|\n| Go 研究引擎 | 用 `researcher` 生成可复核工作区，而不是只产出一段不可追溯的文本 |\n| 智能体技能 | 用 `SKILL.md` 编排行业研究流程，可迁移到 Claude Code、OpenClaw、hermes-agent 等框架 |\n| 证据台账 | 把搜索线索、来源材料、推理结果和最终结论分层记录 |\n| 对抗式审查 | 通过经理、蓝队、红队和仲裁者角色挑战薄弱结论 |\n| 经营痕迹验证 | 对连锁品牌、餐饮、零售、供应链问题优先查门店、仓、招聘、POI、SKU 和履约痕迹 |\n| 报告校验 | 检查章节、引用、置信度、工作区产物和证据边界 |\n\n---\n\n## 工作流程\n\n\u003cimg src=\"assets/agent-skill-workflow.png\" alt=\"行业研究引擎工作流程：提问、规划、检索、审查、报告\" width=\"100%\"\u003e\n\n1. 输入行业、赛道、公司或商业机会问题。\n2. 把问题拆成可验证命题，并规划现实世界应留下的痕迹。\n3. 收集网页、公告、招聘、地图、经营系统和模型联网回答等线索。\n4. 用证据台账、反证记录和多角色审查降低误判。\n5. 输出带置信度边界的研究报告。\n\n---\n\n## 适合场景\n\n| 场景 | 示例 |\n|:---|:---|\n| 行业研究 | 某赛道是否值得进入，市场增长是否真实 |\n| 投资研究 | 某公司增长目标是否可信，估值假设是否站得住 |\n| 连锁品牌研究 | 门店扩张、加盟质量、区域履约和供应链能力是否真实 |\n| 餐饮零售供应链 | 单店模型、履约成本、SKU 动销、仓配能力和产能利用率 |\n| Agent 工作流 | 给智能体提供可复用的研究步骤、证据规则和交付标准 |\n\n---\n\n## 安装\n\n推荐用 `skills` 直接安装智能体技能：\n\n```bash\nnpx skills add geekjourneyx/industry-research\n```\n\n仓库地址：[geekjourneyx/industry-research](https://github.com/geekjourneyx/industry-research)\n\n如果你需要本地开发、调试或单独使用底层研究引擎，再克隆仓库并构建：\n\n```bash\ngit clone git@github.com:geekjourneyx/industry-research.git\ncd industry-research/researcher\nmake build\n```\n\n检查可执行文件：\n\n```bash\n./researcher version\n./researcher capabilities --json\n```\n\n更多命令、配置和检索服务说明见 [researcher 使用说明](./researcher/README.md)。\n\n可选的检索服务密钥：\n\n```bash\nexport BOCHA_API_KEY=\"...\"\nexport ARK_API_KEY=\"...\"\n```\n\n配置读取顺序如下：\n\n```text\n--config \u003cpath\u003e\nRESEARCHER_CONFIG\n~/.config/researcher/config.yaml\n```\n\n---\n\n## 快速上手\n\n安装 Skill 后，在支持技能式工作流的智能体框架里发起行业研究请求即可。\n如果只想使用底层研究引擎，可以直接阅读 [researcher 使用说明](./researcher/README.md)。\n\n生成一份连锁品牌研究工作区：\n\n```bash\ncd researcher\n\n./researcher run \"瑞幸咖啡 2026 年门店数目标是否可信？\" \\\n  --domain chain-brand \\\n  --depth standard \\\n  --workspace-root ../industry-research-workspace \\\n  --json\n```\n\n校验生成的工作区：\n\n```bash\n./researcher validate ../industry-research-workspace/\u003cworkspace\u003e\n\npython3 ../scripts/validate_report.py \\\n  --researcher-workspace ../industry-research-workspace/\u003cworkspace\u003e\n```\n\n运行本地检查：\n\n```bash\nmake fmt\nmake vet\nmake test\nmake build\n```\n\n---\n\n## 产物结构\n\n每次执行 `researcher run` 都会生成以下工作区文件：\n\n| 文件 | 作用 |\n|:---|:---|\n| `question.json` | 原始问题、研究领域、报告深度和创建时间 |\n| `research_plan.json` | 研究计划和执行范围 |\n| `claim_graph.json` | 需要验证或反证的核心命题 |\n| `trace_plan.json` | 每个命题应当留下的现实世界痕迹 |\n| `retrieval_log.json` | 检索调用、参数、重试和来源使用情况 |\n| `evidence_ledger.json` | 证据记录和支撑状态 |\n| `disconfirmation_log.json` | 反证尝试和削弱结论的记录 |\n| `confidence_report.json` | 置信度评级和理由 |\n| `final_report.md` | 面向用户的最终研究报告 |\n| `report_metadata.json` | 执行模式、降级标签和报告元数据 |\n\n餐饮、零售、供应链和连锁品牌研究中，最关键的质量文件是 `trace_plan.json`、`evidence_ledger.json`、`disconfirmation_log.json` 和 `confidence_report.json`。\n\n---\n\n## 证据原则\n\n系统会把弱研究报告里经常混在一起的四层内容拆开：\n\n| 层级 | 使用方式 |\n|:---|:---|\n| 搜索结果 | 只能作为后续核验线索，不能直接当成证据 |\n| 来源材料 | 可访问的文件、网页、公告、帖子或经营痕迹 |\n| 推理结果 | 基于事实和约束得出的估算，必须明确标注 |\n| 最终结论 | 结论置信度必须和证据质量匹配 |\n\n对于毛利、单店模型、产能利用率、SKU 动销、履约成本、留存率等隐藏经营变量，报告必须区分公开披露事实和推理区间，并写明还缺哪些一手数据。\n\n---\n\n## 项目地图\n\n| 路径 | 作用 |\n|:---|:---|\n| `SKILL.md` | 智能体技能编排契约 |\n| [`researcher/`](./researcher/README.md) | 用于生成工作区、检索、规划和校验的研究引擎 |\n| `agents/` | 经理、蓝队、红队和仲裁者等评审角色 |\n| `references/` | 证据规则、报告模板、痕迹推理和分析框架 |\n| `scripts/validate_report.py` | 报告和工作区校验脚本 |\n| `evals/` | 评测问题和预期产物 |\n| `CHANGELOG.md` | 版本发布记录 |\n| `.github/workflows/release-researcher.yml` | `researcher` 二进制发布流程 |\n\n---\n\n## 发布 researcher\n\n`researcher` 通过 GitHub Actions 从版本 tag 发布。每次发布前必须完成文档校准、`CHANGELOG.md` 更新、Go 检查、二进制编译和校验文件生成。\n\n发布步骤：\n\n```bash\ncd researcher\nmake fmt\nmake vet\nmake test\nmake build\n\ncd ..\nRELEASE_TAG=v$(tr -d '[:space:]' \u003c researcher/VERSION) researcher/scripts/check-release.sh\ngit tag v$(tr -d '[:space:]' \u003c researcher/VERSION)\ngit push origin v$(tr -d '[:space:]' \u003c researcher/VERSION)\n```\n\n推送 `v*.*.*` tag 后，GitHub Actions 会编译 macOS、Linux、Windows 的 amd64/arm64 版本，生成压缩包和 SHA256 校验文件，并创建 GitHub Release。\n\n---\n\n## 搜索与引用信息\n\n一句话描述：\n\n```text\n行业研究引擎是一个 Go CLI + 智能体技能，用于把行业、赛道和公司问题转成可复核的研究工作区、证据台账、置信度报告和最终研究报告。\n```\n\nGitHub Description 建议：\n\n```text\nGo CLI + Agent Skill for evidence-based industry research, evidence ledgers, confidence reports, and agent research workflows\n```\n\nTopics 建议：\n\n```text\nagent-skill  industry-research  market-research  go  cli\nevidence-ledger  research-automation  competitive-intelligence\nchain-brand  supply-chain\n```\n\n---\n\n## 许可证\n\n[MIT](./LICENSE) — 自由使用、修改、分发。\n\n---\n\n## 作者\n\n| | |\n|:---|:---|\n| 个人主页 | [jieni.ai](https://jieni.ai) |\n| GitHub | [geekjourneyx](https://github.com/geekjourneyx) |\n| Twitter | [@seekjourney](https://x.com/seekjourney) |\n| 公众号 | 微信搜「极客杰尼」 |\n","project_url":"https://awesome.ecosyste.ms/api/v1/projects/github.com%2Fgeekjourneyx%2Findustry-research","html_url":"https://awesome.ecosyste.ms/projects/github.com%2Fgeekjourneyx%2Findustry-research","lists_url":"https://awesome.ecosyste.ms/api/v1/projects/github.com%2Fgeekjourneyx%2Findustry-research/lists"}