Skip to content
Conduit

skill

industry-research

研究行业结构、商业模式、产业链、竞争格局和近期变化的开源 Agent Skill，支持 Claude Code / Codex / OpenClaw / Hermes Agent

jiguang9/industry-researchcommunitylistedunreviewed
Use skill

Set up

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

Download ZIP from GitHub Open the repository

The download comes from github.com/jiguang9/industry-research 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 Nov 1, 2026

industry-research

一个 Agent Skill：帮助营销、咨询和业务从业者快速理解一个陌生行业，产出有证据支持的行业地图、商业模式解释和下一步研究建议。默认中文输出。

解决什么问题，适合谁

最常见的场景是接到一个陌生行业的客户、需要准备第一次沟通；也适用于单纯的行业入门学习，或围绕某个行业探索业务机会。

最小输入：只需要一个可识别的行业或细分领域，例如"帮我快速了解中国工业软件行业"。已有材料、地区、客户名称、时间范围都是可选的，缺失时按 SKILL.md 中的默认规则处理，不会用一堆问卷式问题挡住你。

不适合：只比较两三家具体公司谁更强（那是 competitor-analysis 的工作）、证券估值和买卖建议、纯学术文献综述。

一个真实案例

examples/public-industry-case/ 是一份用本 Skill 实际完成的公开研究（中国协作机器人行业，Quick 深度，2026-09-03），包含 report.md（前部含市场/产业链/商业模式/竞争格局/趋势与风险五维总览表）、evidence.json、validation.json（真实运行校验器的输出）和一次真实发生的纠错过程（把搜索引擎摘要中被错误转述的数字，通过读取原文更正）。

安装与调用

四个平台共用同一份 SKILL.md + references/ + assets/ + scripts/ payload。项目自带一个本地安装脚本（不是官方安装器，只是文件复制工具），也可以手动复制。

git clone https://github.com/jiguang9/industry-research.git
cd industry-research
python3 tools/install.py --platform claude    # 或 codex / openclaw / hermes
平台默认安装目录调用方式验证状态
Claude Code~/.claude/skills/industry-research/输入 /industry-research，或直接描述任务让 Claude 自动触发见 docs/platform-compatibility.md
Codex~/.agents/skills/industry-research/CLI/IDE 中输入 $industry-research；ChatGPT Work 中 @industry-research见 docs/platform-compatibility.md
OpenClaw~/.openclaw/skills/industry-research/openclaw skills list 确认发现后，/skill industry-research <任务>；也可 openclaw skills install git:jiguang9/industry-research@v0.1.11见 docs/platform-compatibility.md
Hermes Agent~/.hermes/skills/industry-research/让当前 Agent 列出/描述其技能确认发现后，/industry-research <任务>见 docs/platform-compatibility.md

自定义 profile、远程环境或项目级安装，用 --dest 指定确切目标目录：

python3 tools/install.py --platform codex --dest /absolute/path/to/industry-research

四个平台的验证程度不同——静态结构合规、宿主发现与加载、实际行为验证、联网验证是四个不同层次，不能互相替代。具体到每个平台在哪个层次通过了测试、哪些还未测试，见 docs/platform-compatibility.md，请以该文件为准，不要假设"能安装"就等于"实测可用"。

Quick 与 Deep

默认 Quick：建立正确的基础理解，通常 4—8 组搜索、6—10 个页面。用户说"深入""完整报告""正式研究"时切换到 Deep：支持一个明确业务问题，通常 8—16 组搜索、12—24 个页面。两档的真实性和证据要求完全相同，Deep 只是范围更大，不是"可以更随意"。详见 SKILL.md。

能力要求与降级行为

核心研究流程不强制要求 Python，但没有搜索/文件写入/命令执行能力时会明显降级：

缺少的能力实际行为
无法联网只依据用户提供的材料研究，明确覆盖边界
无 Python继续研究、人工核对口径，机器校验标注为未执行
无文件写入直接在对话中按报告结构输出，不虚构文件路径

完整降级行为表见 SKILL.md。

输出与校验器的实际边界

研究主线是"定义与边界 → 五维研究（市场、产业链、商业模式、竞争格局、趋势与风险）→ 关键关系解释 → 任务建议"，方法见 references/industry-framework.md。每次研究默认产出 report.md（前部含五维总览表）+ evidence.json（每条主张打 dimensions 标签，顶层 coverage 记录五维覆盖状态；结构定义见 references/evidence-schema.md），按需产出 client-brief.md / competitor-brief.md。有 Python 时可运行：

python3 scripts/validate_evidence.py path/to/evidence.json --report path/to/report.md --output validation.json

这个校验器只检查结构和内部一致性：ID 是否唯一、引用是否悬空、unknown 是否被误标为 supported、数字口径缺失是否如实声明、估算值是否公开了方法。它不能、也不试图证明来源内容真实、证明引用真的支持原句、穷尽正文所有数字，或证明行业结论正确——这些仍然需要人工判断。validation.json 的输出里会带这句免责声明，不要把"校验通过"读成"研究真实性通过"。

升级

cd industry-research && git pull
python3 tools/install.py --platform <platform> --replace   # 会保留旧版本备份

当前版本：见 VERSION。已知限制：见下方"已知限制"和 docs/platform-compatibility.md 中标注为 not_tested 的项目。

与 competitor-analysis 的分工

industry-research 负责行业范围、结构、商业模式和变化；具体公司之间的深入比较交给 competitor-analysis。本 Skill 结尾可产出 competitor-brief.md 作为交接文件，但不自动展开完整的多家公司竞品分析；缺少 competitor-analysis 不影响本 Skill 独立使用。

已知限制

  • 市场规模类数字依赖公开可检索资料，行业协会/付费数据库未接入。
  • 机器校验器只做结构检查，不做事实核查（见上文"输出与校验器的实际边界"）。
  • 四平台的实测覆盖程度不同，具体见 docs/platform-compatibility.md。
  • 不提供证券估值、买卖建议或收益承诺式判断。

License 与贡献

MIT License，见 LICENSE。欢迎通过 Issue/PR 提出问题或改进；改动涉及 references/、scripts/validate_evidence.py、tools/ 时请附带 python3 tools/check_skill.py 和 python3 -m unittest discover -s tests 的运行结果。

↑↓ navigate openesc close