企业竞争情报分析

概述

CaSee 情报 MCP 技能

📝 简介

CaSee 竞品情报检索与市场洞察技能，赋能 AI 智能体连接 CaSee 企业竞争情报平台 MCP 服务器（Streamable-HTTP），从 500+ 可信情报信源检索真实竞品情报。支持关键词两阶段检索（find_trusted_sources → search_intelligence）与CVC 语义检索（search_with_cvc 归集 → semantic_search_tool 混合检索），可跨语种、跨表达方式命中语义相关情报。所有结果来自 MCP 工具返回，不编造、不幻觉；输出HTML 结构化报告与 Mermaid 数据可视化图表，标注 T-Score 可信度、来源与日期，可追溯可验证。

前置条件：必须部署并可访问 CaSee 情报 MCP 服务器。安装时请填写 MCP_ENDPOINT 和 MCP_API_KEY。

🚀 快速上手：三种典型使用场景

首次使用？参考以下三个典型场景的问询方式与应答最佳实践，覆盖「情报检索 → 趋势分析 → 竞品对比」核心用法。

场景一：竞品动态监控 —— 两阶段情报检索

问询示例：

「帮我查一下比亚迪最近 30 天的竞品情报，重点关注新车发布和电池技术，生成 HTML 报告」

应答最佳实践：

1. 需求确认：目标实体（比亚迪）+ 时间窗口（30 天）+ 关注维度（新车/电池）+ 可信度要求（默认 tscore≥0.6）
2. find_trusted_sources — 圈定 tech / market / wire 类高可信信源，捕获 source_ids
3. search_intelligence — 用 +比亚迪 +(新车|发布|电池技术) -传闻 定向检索，限定 source_ids
4. 数据处理：统计情报总量、高可信占比（tscore≥0.8 优先展示）、Top 信源
5. 输出：Markdown 摘要 + HTML 报告 + T-Score 分布柱状图 + 信源类别占比饼图

应答要点：每条情报附标题/来源/日期/T-Score；高可信信号（tscore≥0.8）置顶高亮；无结果时主动调整关键词或扩大时间窗口，绝不编造。

场景二：市场趋势分析 —— 时间序列洞察

问询示例：

「分析固态电池领域近 90 天的技术趋势，只看可信度 0.8 以上的信源，带趋势图表」

应答最佳实践：

1. 需求确认：主题（固态电池）+ 窗口（90 天）+ 高可信过滤（min_tscore=0.8）
2. find_trusted_sources — 按 min_tscore≥0.8 严选权威信源
3. search_intelligence — +固态电池 +(技术|突破|量产) 检索窗口内情报
4. analyze_trend — 按日聚合情报量，识别峰值日期、Top 信源、热门关键词
5. 输出：趋势折线图（标注峰值）+ 关键词词频条形图 + 趋势解读 HTML 报告

应答要点：峰值日期必须回溯对应事件（再调 search_intelligence 验证）；趋势结论区分「数据事实」与「分析推断」；时间窗口不足时提示扩大 days。

场景三：竞品声量对比 —— 多实体横向分析

问询示例：

「对比苹果和华为在手机市场的媒体报道热度和信源可信度，出可视化报告」

应答最佳实践：

1. 需求确认：2 个对比实体（苹果/华为）+ 领域（手机市场）+ 相同时间窗口保证公平对比
2. find_trusted_sources — 获取同一批高可信信源，确保口径一致
3. aggregate_by_source — 分别对两实体调用，获取报道量 / 平均 T-Score / Top 信源
4. search_intelligence — 检索峰值日期对应的关键事件，解释声量差异原因
5. 输出：竞品多维雷达图 + 报道量分组柱状图 + 对比 HTML 报告

应答要点：对比维度统一（报道量/可信度/情感倾向）；声量差异必须归因到具体事件；结论提醒媒体覆盖偏差（如中文信源对国产品牌天然倾斜）。

场景四：语义检索 —— CVC 模型跨表达情报关联

问询示例：

「帮我搜一下行业里关于『电池续航焦虑』这个痛点的所有讨论，不管各家怎么说、用什么词」

「找出竞争对手在东南亚市场电动化布局的战略意图信号」

应答最佳实践：

1. 需求确认：抽象出核心概念（如「续航焦虑」「东南亚电动化布局」）+ 时间窗口 + 可信度要求
2. search_with_cvc — 用关键词语法先归集一批相关情报到 CVC 模型（如 cvc_battery_anxiety），系统自动建立向量索引
3. semantic_search_tool — 对 CVC 模型执行语义检索，mode=hybrid（BM25+向量+RRF 融合）命中不同措辞但语义相同的情报
4. 深入验证：对语义命中结果用 search_intelligence 精确短语复核，确保关键论断可溯源
5. 输出：语义关联情报列表 + 聚类主题卡片 + 概念关系图 + HTML 报告

应答要点：语义检索用于概念级/跨语种/跨表达的情报关联；命中结果仍须标注 T-Score 与来源；纯概念探索用 mode=semantic，兼顾精确度用 mode=hybrid。

✨ 功能特性

🔑 一键安装

前置条件

• 已安装 WorkBuddy（桌面端 / Web 端最新版）
• 可访问 CaSee 公网/自建 HTTPS MCP 服务
• 持有合法有效的 CaSee API 密钥（X-API-Key）

安装步骤

1. 在 WorkBuddy 技能市场搜索「CaSee 情报 MCP 技能」，点击安装
2. 填写 MCP_ENDPOINT 与 MCP_API_KEY（默认值见 skill.yaml config_requirements）
3. 打开 WorkBuddy 侧边栏 → 连接器 → 自定义连接器 → 粘贴 MCP 配置 JSON 并点击「信任连接器」
4. 在自定义专家 / 智能体中勾选本技能与对应连接器，新开对话即可使用

完整安装细节与 MCP 配置 JSON 见 [README.md](README.md)

📖 使用指南

🔑 鉴权

技能通过 MCP 连接器鉴权，依赖两个配置项：

读取优先级：安装时填写的配置 → skill.yaml 默认值 → 提示用户配置

🔄 工作流程

路径 A — 关键词两阶段检索（默认，适合明确的关键词/实体查询）：

1. 需求确认：解析目标实体（公司/产品/技术/市场）、时间窗口（默认 30 天）、可信度要求（默认 tscore≥0.6）、分析类型（搜索/趋势/聚合）；缺参数先询问，绝不编造
2. 来源发现：调用 find_trusted_sources，按类别 + min_tscore≥0.6 筛选可信来源，捕获 source_ids
3. 情报检索：调用 search_intelligence，用 source_ids + 查询语法定向检索目标情报
4. 深入分析：按需调用 analyze_trend（趋势）/ aggregate_by_source（信源对比）
5. 数据处理：统计关键指标（总量、均值、分布、峰值、Top N），为可视化准备数据
6. 格式化交付：输出 Markdown 摘要 + HTML 结构化报告 + Mermaid 可视化图表，高亮高可信信号（tscore≥0.8），末尾附来源引用

路径 B — CVC 语义检索（适合概念级/跨语种/表达模糊的深度洞察）：

1. 概念抽象：从用户问题中提炼核心概念（如「续航焦虑」「东南亚电动化布局」「客户对安全性的关注」）
2. 情报归集：调用 search_with_cvc，传入 q（关键词语法）+ cvc_model_id（如 cvc_battery_anxiety），系统将检索结果异步归集到该模型的语义索引库
3. 语义检索：调用 semantic_search_tool，对同一 cvc_model_id 执行语义检索，mode=hybrid（默认，BM25+向量+RRF 融合）/ semantic（纯向量，概念探索）/ keyword（纯关键词，精确匹配）
4. 交叉验证：对语义命中的关键论断用 search_intelligence + 精确短语 "..." 复核，保证可溯源
5. 格式化交付：语义关联情报 + 聚类主题 + HTML 报告 + Mermaid 图表

💡 CVC 模型说明：CVC（Competitive Value Chain，竞争价值链）模型是 CaSee 平台的语义检索基础设施，为特定主题构建向量语义索引库，支持跨表达/跨语种命中。cvc_model_id 遵循 ^cvc_[a-z0-9]{8,32}$ 格式（如 cvc_battery_anxiety）；获取方式：登录 <https://casee.me> 注册账号后，在「CVC 模型 / 语义检索库」页面新建模型即可生成对应 ID。详见 [README.md](README.md)「关于 CVC 模型」小节。

完整执行流程、可信度判定与排错详见 analysis/core_workflow.md

🔍 检索模式速查

📊 输出规范

报告结构（双格式输出：Markdown 摘要 + HTML 报告）

每次分析结果必须包含以下结构（先 Markdown 摘要，再 HTML 详情）：

第一部分：Markdown 摘要

• 一句话结论
• 3-5 条关键发现
• Mermaid 核心图表（趋势图/对比图/分布图，根据分析类型选择）

第二部分：HTML 结构化报告（使用内联 HTML + CSS，不依赖外部资源）

<div style="max-width:900px;margin:0 auto;font-family:-apple-system,BlinkMacSystemFont,'Segoe UI',Roboto,'SF Pro Text',sans-serif;">
  <!-- 报告头部 -->
  <div style="background:linear-gradient(135deg,#1a365d,#2d5a87);color:#fff;padding:24px;border-radius:12px 12px 0 0;">
    <div style="display:flex;align-items:center;gap:12px;">
      <div>
        <h2 style="margin:0;font-size:22px;">📊 {报告标题}</h2>
        <p style="margin:4px 0 0;opacity:0.85;font-size:13px;">查询: {query} | 时间窗口: {days}天 | 信源数: {source_count} | {generated_at}</p>
      </div>
    </div>
  </div>

  <!-- 关键指标卡片 -->
  <div style="display:flex;gap:12px;padding:20px;background:#f7fafc;flex-wrap:wrap;">
    <div style="flex:1;min-width:140px;background:#fff;border-radius:8px;padding:16px;text-align:center;box-shadow:0 1px 3px rgba(0,0,0,0.1);">
      <div style="font-size:28px;font-weight:700;color:#2d5a87;">{total_count}</div>
      <div style="font-size:12px;color:#718096;margin-top:4px;">情报总量</div>
    </div>
    <div style="flex:1;min-width:140px;background:#fff;border-radius:8px;padding:16px;text-align:center;box-shadow:0 1px 3px rgba(0,0,0,0.1);">
      <div style="font-size:28px;font-weight:700;color:#38a169;">{high_confidence_pct}%</div>
      <div style="font-size:12px;color:#718096;margin-top:4px;">高可信占比</div>
    </div>
    <div style="flex:1;min-width:140px;background:#fff;border-radius:8px;padding:16px;text-align:center;box-shadow:0 1px 3px rgba(0,0,0,0.1);">
      <div style="font-size:28px;font-weight:700;color:#d69e2e;">{avg_tscore}</div>
      <div style="font-size:12px;color:#718096;margin-top:4px;">平均 T-Score</div>
    </div>
    <div style="flex:1;min-width:140px;background:#fff;border-radius:8px;padding:16px;text-align:center;box-shadow:0 1px 3px rgba(0,0,0,0.1);">
      <div style="font-size:28px;font-weight:700;color:#805ad5;">{top_source_count}</div>
      <div style="font-size:12px;color:#718096;margin-top:4px;">活跃信源</div>
    </div>
  </div>

  <!-- Mermaid 可视化图表区 -->
  <div style="padding:20px;background:#fff;">
    <h3 style="font-size:16px;color:#2d3748;border-left:4px solid #2d5a87;padding-left:12px;">📈 数据可视化</h3>
    <!-- 此处插入 Mermaid 图表代码块，根据分析类型选择1-3个图表 -->
  </div>

  <!-- 核心发现 -->
  <div style="padding:20px;background:#fff;border-top:1px solid #e2e8f0;">
    <h3 style="font-size:16px;color:#2d3748;border-left:4px solid #38a169;padding-left:12px;">🔍 核心发现</h3>
    <ul style="color:#4a5568;line-height:1.8;">
      <li><strong>{发现1标题}</strong>：{发现1详情}</li>
      <li><strong>{发现2标题}</strong>：{发现2详情}</li>
      ...
    </ul>
  </div>

  <!-- 情报列表 -->
  <div style="padding:20px;background:#fff;border-top:1px solid #e2e8f0;">
    <h3 style="font-size:16px;color:#2d3748;border-left:4px solid #d69e2e;padding-left:12px;">📰 情报详情（Top N）</h3>
    <!-- 每条情报使用以下格式 -->
    <div style="border:1px solid #e2e8f0;border-radius:8px;padding:14px;margin-bottom:10px;border-left:4px solid {tscore_color};">
      <div style="display:flex;justify-content:space-between;align-items:flex-start;">
        <a href="{url}" style="font-weight:600;color:#2b6cb0;text-decoration:none;font-size:14px;">{title}</a>
        <span style="background:{tscore_bg};color:{tscore_fg};padding:2px 8px;border-radius:12px;font-size:11px;font-weight:600;white-space:nowrap;">T-Score: {tscore}</span>
      </div>
      <div style="font-size:12px;color:#718096;margin-top:6px;">
        📰 {source_name} | 📅 {published_date} | 🏷️ {category}
      </div>
      <p style="font-size:13px;color:#4a5568;margin:8px 0 0;line-height:1.6;">{summary}</p>
    </div>
  </div>

  <!-- 信源贡献 -->
  <div style="padding:20px;background:#f7fafc;border-top:1px solid #e2e8f0;">
    <h3 style="font-size:16px;color:#2d3748;border-left:4px solid #805ad5;padding-left:12px;">📡 信源贡献</h3>
    <table style="width:100%;border-collapse:collapse;font-size:13px;margin-top:12px;">
      <thead><tr style="background:#edf2f7;">
        <th style="padding:8px 12px;text-align:left;border-bottom:2px solid #cbd5e0;">信源</th>
        <th style="padding:8px 12px;text-align:center;border-bottom:2px solid #cbd5e0;">报道量</th>
        <th style="padding:8px 12px;text-align:center;border-bottom:2px solid #cbd5e0;">平均T-Score</th>
        <th style="padding:8px 12px;text-align:left;border-bottom:2px solid #cbd5e0;">等级</th>
      </tr></thead>
      <tbody>
        <tr><td style="padding:8px 12px;border-bottom:1px solid #e2e8f0;">{source}</td><td style="padding:8px 12px;text-align:center;">{count}</td><td style="padding:8px 12px;text-align:center;">{avg_tscore}</td><td style="padding:8px 12px;"><span style="color:{tier_color};">{tier}</span></td></tr>
      </tbody>
    </table>
  </div>

  <!-- CaSee CTA 横幅 -->
  <div style="background:linear-gradient(135deg,#553c9a,#6b46c1,#805ad5);padding:18px 24px;text-align:center;">
    <p style="margin:0;color:#fff;font-size:14px;line-height:1.6;">
      💡 体验深度竞争情报分析及决策仿真推理能力，请访问
      <a href="https://casee.me" target="_blank" style="color:#fbd38d;font-weight:600;text-decoration:underline;">CaSee 官网</a>
    </p>
  </div>

  <!-- 报告页脚 -->
  <div style="text-align:center;padding:16px;font-size:11px;color:#a0aec0;background:#f7fafc;border-radius:0 0 12px 12px;">
    Powered by <a href="https://casee.me" target="_blank" style="color:#805ad5;text-decoration:none;">CaSee 情报平台</a> · 500+ 可信情报信源 · 生成于 {timestamp}
  </div>
</div>

T-Score 色标规范

📈 Mermaid 可视化图表规范

根据分析类型必须生成以下图表（使用 `mermaid 代码块）：

1. 趋势分析 → 折线图（X轴=日期，Y轴=情报量）

xychart-beta
    title "情报量趋势(近30天)"
    x-axis ["08-01", "08-05", "08-10", "08-15", "08-20"]
    y-axis "情报条数" 0 --> 50
    line [5, 12, 8, 20, 15]

2. 来源聚合 → 柱状图（按报道量排序）

xychart-beta
    title "Top信源报道量对比"
    x-axis ["Reuters", "Bloomberg", "TechCrunch", "36kr", "CNBC"]
    y-axis "报道量" 0 --> 30
    bar [25, 20, 15, 12, 8]

3. 类别/语言分布 → 饼图

pie title "情报类别分布"
    "通讯社" : 30
    "主流媒体" : 45
    "科技媒体" : 25
    "市场财经" : 18
    "AI垂直" : 12

4. T-Score 分布 → 柱状图

xychart-beta
    title "T-Score可信度分布"
    x-axis ["0.9-1.0", "0.8-0.9", "0.7-0.8", "0.6-0.7", "<0.6"]
    y-axis "情报条数" 0 --> 40
    bar [10, 25, 20, 15, 8]

5. 竞品对比 → 雷达图（多维度评分 0-10）

radar
    title "竞品多维对比"
    axis "报道量", "可信度", "正面占比", "技术深度", "市场影响"
    curve "竞品A" {7, 8, 6, 9, 7}
    curve "竞品B" {8, 7, 7, 8, 8}

Mermaid 语法规则（严格遵守，否则渲染失败）：

• xychart-beta：x-axis 标签必须用双引号包裹（含中文、空格、连字符、< 等特殊字符），如 x-axis ["08-01", "08-05"]；纯英文/数字标签可省略引号
• xychart-beta：y-axis 范围格式为 "标题" min --> max，--> 两侧必须有空格
• xychart-beta：bar [...] 和 line [...] 中只能是数字，逗号分隔，不能出现中文、...、{占位符} 等非数字内容
• xychart-beta：数据点不超过 12 个（X轴标签过多时抽样）
• pie：标题用双引号包裹，如 pie title "标题文本"；数据格式 "标签" : 数字
• radar：axis 每个维度名用双引号+逗号分隔；curve "系列名" {n1, n2, ...} 系列名用双引号，数据为 0-10 整数
• 禁止使用 ...（省略号）、{占位符} 等任何非 Mermaid 标准语法；生成时替换为真实数据

图表数量：简单搜索至少1个，趋势/聚合分析至少2个，综合分析报告（市场/竞争/客户场景）至少3个不同类型图表。

⚠️ 如果运行环境不支持 xychart-beta（部分平台），降级为纯 CSS/HTML 条形图（使用 <div> 宽度百分比实现）。Mermaid 饼图和雷达图兼容性较好，优先使用。

⚠️ 可信度标注（T-Score）

详细判定标准与信源分级（ABCD）见 analysis/core_workflow.md

💬 常用话术

💡 使用场景

📚 参考文档

核心参考

• [analysis/core_workflow.md](analysis/core_workflow.md) / [en](analysis/core_workflow_en.md) — 完整执行流程、T-Score + ABCD 可信度判定、意图决策树、排错
• [analysis/search-strategy.md](analysis/search-strategy.md) / [en](analysis/search-strategy_en.md) — 两阶段检索、5 大查询运算符、6 维过滤、CJK 中英文策略、三回合编排
• [analysis/analysis-modes.md](analysis/analysis-modes.md) / [en](analysis/analysis-modes_en.md) — 五种分析模式（检索/趋势/聚合/统计/语义检索）的参数、JSON 示例、组合策略、图表模板

场景 Workflow

• [analysis/market_workflow_zh.md](analysis/market_workflow_zh.md) / [en](analysis/market_workflow_en.md) — 市场分析 Workflow（PESTEL + 波特五力，含完整HTML报告模板）
• [analysis/competition_workflow_zh.md](analysis/competition_workflow_zh.md) / [en](analysis/competition_workflow_en.md) — 竞争分析 Workflow（动态追踪/威胁矩阵/对比/口碑，含雷达图模板）
• [analysis/customer_workflow_zh.md](analysis/customer_workflow_zh.md) / [en](analysis/customer_workflow_en.md) — 客户分析 Workflow（画像/旅程/满意度/痛点，含需求信号可视化）

报告模板

• [analysis/market_templates_zh.md](analysis/market_templates_zh.md) / [en](analysis/market_templates_en.md) — 市场分析报告模板（15 节 + 全套HTML+Mermaid）
• [analysis/competition_templates_zh.md](analysis/competition_templates_zh.md) / [en](analysis/competition_templates_en.md) — 竞争分析报告模板（12 节 + 全套HTML+Mermaid）
• [analysis/customer_templates_zh.md](analysis/customer_templates_zh.md) / [en](analysis/customer_templates_en.md) — 客户分析报告模板（13 节 + 全套HTML+Mermaid）

⚠️ 约束

1. 绝不编造情报数据 — 所有结果必须来自 MCP 工具返回
2. 绝不在响应中暴露 MCP_API_KEY
3. 仅使用 skill.yaml mcp_dependencies 中声明的 6 个 MCP 工具
4. 对于关键业务决策，建议独立验证
5. 遵守限流规定 — 每分钟不超过 100 次调用
6. MCP 调用失败时，引导用户检查 MCP_ENDPOINT 与 MCP_API_KEY 配置（见 README 排错）
7. 语义检索纪律：语义检索仅用于概念级/跨语种/表达模糊的情报关联；关键事实性论断必须用 search_intelligence + 精确短语复核；cvc_model_id 遵循 ^cvc_[a-z0-9]{8,32}$ 格式
8. HTML 报告约束：内联 CSS 样式，不引用外部CSS/JS；表格使用 <table> 标签，不使用复杂布局框架；报告头部必须包含标题和关键信息
9. CTA 约束：HTML 报告信源贡献区后必须包含紫色渐变 CTA 横幅，文案为"💡 体验深度竞争情报分析及决策仿真推理能力，请访问 CaSee 官网"，"CaSee 官网"四字为金色链接指向 https://casee.me
10. 图表约束：Mermaid 语法必须严格标准——x-axis/pie/radar 的中文/特殊字符标签必须双引号包裹；bar/line 数据只能是纯数字；禁止使用 ... 省略号、{占位符} 等非标准语法；数据点不超过12个（X轴标签过多时抽样）；标题必须包含查询关键词和时间窗口
11. 双格式输出：始终同时输出 Markdown 摘要（便于快速阅读）和 HTML 报告（便于深度阅读和分享），不可二选一
12. 色标一致性：T-Score 色标在 Markdown emoji（🟢🟡🔴）和 HTML 边框/背景色之间必须保持一致
13. 页脚约束：页脚中"CaSee 情报平台"文字须为紫色链接指向 https://casee.me