Skip to content
Conduit

skill

hehe-development-potential-assessment

盒盒行业与企业发展潜力评估skill:当你想快速了解一个行业、细分赛道或企业的发展现状,这个skill会构建一个可比较的维度与评分模型,把你的研究对象和理想构型(100分)、历史高峰(巅峰时代的可比对象)和现实锚点(当前可比对象)进行建模对比,快速判断其发展生态位、竞争力与投资吸引力。

Set up

Skills are installed by placing their folder where your agent loads skills.

The download comes from github.com/hexiaofeier/hehe-development-potential-assessment itself, not from our server, so what you get is exactly what its author published.

Install instructions come from the README

Skills do not use an MCP config. Follow the steps in the README below.

README

synced Oct 26, 2026

盒盒行业与企业发展潜力评估skill

当你想快速了解一个行业、细分赛道或企业的发展现状,这个skill会构建一个可比较的维度与评分模型,把你的研究对象和理想构型(100分)、历史高峰(巅峰时代的可比对象)和现实锚点(当前可比对象)进行建模对比,快速判断其发展生态位、竞争力与投资吸引力。

License: MIT Agent Skills Release Standalone

hehe-development-potential-assessment 是盒子原创的特殊能力独立行研 Skill。它不是通用打分表,而是一套“先研究、再建模、再比较”的发展潜力评估方法。

它会先搜索和研读目标对象、历史高峰与现实参照,提取真正影响发展的条件、限制、痛点和壁垒,再把这些内容加工成可以理解、可以比较、可以实际赋分的维度体系。最终交付完整分析报告、HTML 阅读版和可调 Excel 模型。

更新记录

2026-10-15 · v3.3:从“差多少分”走向“如何改善”

本轮完善从研究、比较到行动判断的衔接,保留多轮公开信息搜索、分层维度、百分制评分,以及 Markdown、HTML、可调 Excel 三类交付。

更新带来的变化
明确评价用途和期限区分当前实力与未来潜力,写清观察时点和判断期限;当前评分与改善情景分别呈现
比较历史参照候选按需求与采用过程、商业模式、资本和配套条件选择对象及时期,解释哪些经验可以迁移
校准定性评分写清相邻档位需要看到的事实,用目标与参照试评,争议评分通过区间与敏感性检验
解释分差贡献计算各指标对总分差距的贡献,结合可控性、投入、时间和前置条件确定改善优先级
给出改善情景展示“条件变化 → 指标变化 → 总分变化”,让模型回答哪些行动真正有用
修复组合加权调整子赛道权重后按合计归一化;支持说明市场规模、未来结构或资源配置等权重口径;缺失、负值和零合计有对应处理

本轮验证:

  • LibTV与Runway同题回归:七维十四指标、56组评分依据,验证分差贡献、改善路径及对手同步进步情景;14项原生 Excel 计算与调参检查通过。
  • AI工业预测性维护新赛道测试:重新搜索并研读材料,比较旋转设备、数控机床、工业机器人及历史/现实参照;七维十四指标、84组评分依据,23项原生 Excel 检查通过。
  • 两轮均交付完整 Markdown、同内容 HTML 和可调 Excel,并检查桌面、手机及打印版式。新赛道测试使用研究关注权重,尚未验证真实市场份额加权及独立评分者的一致性。

这些是具体课题的行为测试记录,不是所有行业的统一评分标准。真实项目材料与工作簿保留在研究项目中,不随安装包发布。

它解决什么问题

这套 Skill 适合回答:

  • 一个行业当前有没有足够的生命力、竞争力或投资吸引力?
  • 同一母赛道中的多个细分赛道,各自处于什么水平,应该优先关注谁?
  • 一家新企业与历史高峰企业、当前领先者和理想模型相比,主要差距在哪里?
  • 目标对象还缺哪些条件,哪些差距能够补齐,哪些会长期限制发展?
  • 权重、评分或关键假设变化时,综合位置和排序是否稳定?

它不从固定指标库里机械抽取十几个指标,也不先造一个 Excel 再找数据填空。模型必须从本题的决策用途、比较对象、发展机制和公开材料中长出来。

三种分析模式

1. 行业发展潜力

把目标行业与理想构型、历史高峰行业及当前现实参照放在同一套维度下比较,判断它现在处于哪个发展阶段,是否仍具备足够的需求、技术、商业化、竞争和经营条件。

例如:评估 AI 教育智能硬件能否形成类似早期智能手机的行业生命力。

2. 细分赛道比较

为同一母赛道中的多个子赛道建立共同维度、标尺和权重,比较各自的需求强度、产品价值、商业化质量、进入条件、资源要求和限制因素。需要时按明确的组合权重汇总母赛道结果。

例如:比较教育智能硬件中的学习机、词典笔、听力设备、儿童手表和校内硬件。

3. 企业发展潜力

比较目标企业、历史高峰企业、当前同类企业和理想企业构型,判断目标企业的客户验证、产品交付、技术壁垒、商业化质量、组织执行、资金资源和企业保障处于什么水平。

例如:比较一家新 AI 应用企业与 Adobe 历史阶段、Runway 等现实参照的差距。

核心方法

明确决策用途与比较层级
  → 搜索目标、历史与现实参照
  → 研读原文并解释发展机制
  → 提取候选维度与可观察指标
  → 试评并修订名称、标尺和权重
  → 用共同标准逐项评分
  → 比较分维度差距与成因
  → 检查权重、评分和关键假设的敏感性
  → 交付 Markdown、HTML 与可调 Excel

理想、历史、现实和目标四类对象

对象作用
理想构型定义各项关键条件同时成立时的理论标尺,并解释为什么这些条件构成理想状态
历史高峰提供跨时间参考,说明某类行业或企业在高峰阶段具备哪些条件、仍有哪些短板
现实参照提供当前可比对象,帮助判断目标在同一环境中的相对位置
目标对象本次需要评价的行业、子赛道或企业

四类对象使用同一维度、指标方向、权重和评分标准。历史对象不因为年代不同就自动得高分;理想构型也不是现实中必然存在的企业。

维度怎样形成

维度来自研究加工。候选因素通常包括:

  • 政策、监管和法律环境;
  • 经济条件、预算来源和支付能力;
  • 社会需求、使用习惯和任务价值;
  • 技术成熟度、成本、供应和替代关系;
  • 市场验证、客户结构与竞争强度;
  • 盈利、现金、资本占用和规模效率;
  • 组织、团队、渠道、交付和合作资源;
  • 阻碍行业或企业发展的痛点、壁垒和硬约束。

最终维度只保留与本题决策有关、对象之间可以共同评价、公开材料能够支持且不会重复计算的部分。名称优先使用读者能够直接理解的行业语言。

怎样评分

  • 指标分、维度分和综合分统一采用 0—100 分。
  • 权重和对象评分都可以在 Excel 中调整。
  • 定量指标说明原始值、方向、分档或换算公式。
  • 定性指标拆成可观察事实,并写清评分标准、事实依据和赋分理由。
  • 证据不足不会自动等于对象表现差;无法判断的项目保留空值和待补材料。
  • 硬约束、敏感性和排序翻转条件与综合分一起解释。

搜索与研究加工

模型质量首先取决于前端研究。Skill 会围绕目标、细分对象、历史参照和现实参照进行多轮搜索:

  1. 广搜全貌:建立行业、对象、事件、指标和材料类型地图。
  2. 深查机制:追到政策原文、企业披露、统计、论文、产品材料和可信研究,理解数据背后的机制。
  3. 补齐评分依据:针对维度、标尺、对象差距和争议评分定向补搜。

搜索、研读、评分和来源索引共用一份材料台账。实际对象的评分必须能回到材料;模型知识用于提出问题和加工事实,不能代替公开证据。

会交付什么

实际建模默认交付:

发展潜力评估项目/
├── 发展潜力评估报告.md
├── 发展潜力评估报告.html
└── 发展潜力评分模型.xlsx

Markdown 主报告

报告采用摘要优先结构:

  1. 核心摘要;
  2. 研究范围;
  3. 理想模型与参照选择;
  4. 评价维度、指标和权重;
  5. 分维度差距、成因与影响;
  6. 综合判断与机会;
  7. 参数变化与结论稳定性;
  8. 研究说明与附录。

正文主要解释目标和参照之间的核心差距、形成原因及其实际含义。逐项评分材料、详细分档和来源索引放在附录或 Excel,不用赋分过程淹没分析结果。

HTML 阅读版

HTML 与 Markdown 内容一致,使用固定离线模板:

  • 桌面端提供固定章节目录;
  • 手机端使用折叠目录和单列布局;
  • 宽表可以横向滚动;
  • CSS 和必要脚本内嵌,不依赖 CDN;
  • 支持浏览器打印和导出 PDF;
  • 保留 Excel 工作簿入口。

可调 Excel 模型

基本工作簿包括:

工作表用途
模型总览查看各维度权重、对象得分、综合位置和主要差距
锚点参照与赋分意义比较理想、历史、现实和目标对象,说明参照选择与分差
指标详表查看评分标准并调整权重和目标评分;参照评分在“锚点参照与赋分意义”调整
模型假设查看维度选择、权重、逐项事实和赋分理由
数据溯源回到原始材料、时间、对象和链接

复杂项目可以按需增加组合加权、计算审计和敏感性工作表。

安装

克隆仓库:

git clone https://github.com/hexiaofeier/hehe-development-potential-assessment.git
cd hehe-development-potential-assessment

将下面的文件夹复制到客户端的 Skills 目录:

skills/hehe-development-potential-assessment/

常见位置:

客户端用户级 Skill 目录显式调用示例
Claude Code~/.claude/skills//hehe-development-potential-assessment
Codex~/.codex/skills/ 或客户端配置目录$hehe-development-potential-assessment
其他 Agent由应用配置的 Skills 目录选择或点名该 Skill

安装 Python 依赖:

python -m pip install -r skills/hehe-development-potential-assessment/requirements.txt

复制后新开会话,让客户端重新发现 Skill。

快速开始

以下示例使用 Codex 的 $ 调用写法;在 Claude Code 中改用 /hehe-development-potential-assessment。

行业比较:

使用 $hehe-development-potential-assessment,
评估中国AI教育智能硬件当前的发展潜力。
建立理想构型,选择合适的历史高峰和现实参照,
研究并构建共同维度,交付Markdown、HTML和可调Excel。

细分赛道比较:

使用 $hehe-development-potential-assessment,
比较AI教育智能硬件各细分赛道的发展潜力和投资吸引力。
说明指标选择、权重、逐项评分依据及排序翻转条件。

企业比较:

使用 $hehe-development-potential-assessment,
比较目标AI应用企业与历史高峰企业、当前领先者和理想企业构型,
解释主要差距、追赶条件和对经营发展的含义。

随包工具

以下命令在克隆后的仓库根目录运行。先用随包教学示例验证生成与校验;实际研究时再换成根据材料填写的输入 JSON。

生成教学示例评分模型:

python skills/hehe-development-potential-assessment/scripts/build_scoring_workbook.py \
  --input skills/hehe-development-potential-assessment/examples/model-input.example.json \
  --output 教学示例评分模型.xlsx

校验教学示例评分模型:

python skills/hehe-development-potential-assessment/scripts/validate_scoring_workbook.py \
  --workbook 教学示例评分模型.xlsx \
  --contract skills/hehe-development-potential-assessment/examples/model-input.example.json

生成 HTML 阅读版:

python skills/hehe-development-potential-assessment/scripts/build-html-report.py \
  发展潜力评估报告.md \
  发展潜力评估报告.html \
  --report-type "行业与企业发展潜力评估报告" \
  --scope "目标与参照范围" \
  --data-cutoff "YYYY-MM-DD" \
  --version "V1.0"

生成器默认不覆盖已有 HTML,并检查一级标题、摘要顺序、正文一致性、目录锚点、内部链接和远程图片。

仓库结构

hehe-development-potential-assessment/
├── README.md
├── LICENSE
├── release-manifest.json
├── docs/images/
├── scripts/validate_release.py
└── skills/
    └── hehe-development-potential-assessment/
        ├── SKILL.md
        ├── agents/openai.yaml
        ├── references/
        ├── assets/
        ├── examples/
        ├── scripts/
        ├── requirements.txt
        └── package-manifest.json

与盒盒行业研究技能包的关系

本 Skill 不属于 hehe-industry-research-skill-pack,也不要求安装该技能包。

  • 行业研究技能包负责完整行业、企业及行业+企业研究,由总入口与13个专项组成。
  • 本仓库负责一种特殊的比较建模能力:研究发展条件、建立共同维度、赋分并解释发展位置。
  • 两者可以共享公开材料或互相把结果作为输入,但不存在固定调用关系。
  • 本仓库复用了已经验证的 HTML 视觉系统;模板复用不构成运行和发布依赖。

公开边界

  • 可以使用 Agent 当前拥有的网页搜索、浏览器、数据库、MCP/API 和文件解析能力,不绑定私有插件或付费工具。
  • 公开材料不足时保留空值、局部评价和待补任务,不用低分冒充资料缺口。
  • 综合分用于结构化比较,不替代估值、投资价格、法律意见或个性化证券建议。
  • 公开仓库不包含真实项目原始材料、生成工作簿、本地维护台账、历史备份、账号和凭据。

发布校验

python scripts/validate_release.py

校验器检查公开名称、独立安装合同、必需文件、包内链接、私有路径、历史目录和生成缓存。Skill 自带的工作簿合同测试可单独运行:

python skills/hehe-development-potential-assessment/scripts/test_workbook_contract.py

许可与反馈

本项目采用 MIT License。

如发现维度不可理解、评分依据不足、Excel无法联动、HTML内容缺失或包内链接失效,请在 GitHub Issues 提供研究对象、用途、比较集合和复现步骤。

↑↓ navigate openesc close