行业研究引擎

把行业、赛道和公司问题变成可复核研究报告

这是什么

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。

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。

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。

项目摘要

问题	回答
这是什么	面向 Agent 的行业研究技能和 Go 研究引擎
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
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
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
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

输入：瑞幸咖啡 2026 年门店数目标是否可信？
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

核心特性

能力	说明
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
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
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
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
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
报告校验	检查章节、引用、置信度、工作区产物和证据边界

工作流程

输入行业、赛道、公司或商业机会问题。
把问题拆成可验证命题，并规划现实世界应留下的痕迹。
收集网页、公告、招聘、地图、经营系统和模型联网回答等线索。
用证据台账、反证记录和多角色审查降低误判。
输出带置信度边界的研究报告。

适合场景

场景	示例
行业研究	某赛道是否值得进入，市场增长是否真实
投资研究	某公司增长目标是否可信，估值假设是否站得住
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
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
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

安装

推荐用 skills 直接安装智能体技能：

npx skills add geekjourneyx/industry-research

仓库地址：geekjourneyx/industry-research

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：

git clone [email protected]:geekjourneyx/industry-research.git
cd industry-research/researcher
make build

检查可执行文件：

./researcher version
./researcher capabilities --json

更多命令、配置和检索服务说明见 researcher 使用说明。

可选的检索服务密钥：

export BOCHA_API_KEY="..."
export ARK_API_KEY="..."

配置读取顺序如下：

--config <path>
RESEARCHER_CONFIG
~/.config/researcher/config.yaml

快速上手

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。如果只想使用底层研究引擎，可以直接阅读 researcher 使用说明。

生成一份连锁品牌研究工作区：

cd researcher

./researcher run "瑞幸咖啡 2026 年门店数目标是否可信？" \
  --domain chain-brand \
  --depth standard \
  --workspace-root ../industry-research-workspace \
  --json

校验生成的工作区：

./researcher validate ../industry-research-workspace/<workspace>

python3 ../scripts/validate_report.py \
  --researcher-workspace ../industry-research-workspace/<workspace>

运行本地检查：

make fmt
make vet
make test
make build

产物结构

每次执行 researcher run 都会生成以下工作区文件：

文件	作用
`question.json`	原始问题、研究领域、报告深度和创建时间
`research_plan.json`	研究计划和执行范围
`claim_graph.json`	需要验证或反证的核心命题
`trace_plan.json`	每个命题应当留下的现实世界痕迹
`retrieval_log.json`	检索调用、参数、重试和来源使用情况
`evidence_ledger.json`	证据记录和支撑状态
`disconfirmation_log.json`	反证尝试和削弱结论的记录
`confidence_report.json`	置信度评级和理由
`final_report.md`	面向用户的最终研究报告
`report_metadata.json`	执行模式、降级标签和报告元数据

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。

证据原则

系统会把弱研究报告里经常混在一起的四层内容拆开：

层级	使用方式
搜索结果	只能作为后续核验线索，不能直接当成证据
来源材料	可访问的文件、网页、公告、帖子或经营痕迹
推理结果	基于事实和约束得出的估算，必须明确标注
最终结论	结论置信度必须和证据质量匹配

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。

项目地图

路径	作用
`SKILL.md`	智能体技能编排契约
`researcher/`	用于生成工作区、检索、规划和校验的研究引擎
`agents/`	经理、蓝队、红队和仲裁者等评审角色
`references/`	证据规则、报告模板、痕迹推理和分析框架
`scripts/validate_report.py`	报告和工作区校验脚本
`evals/`	评测问题和预期产物
`CHANGELOG.md`	版本发布记录
`.github/workflows/release-researcher.yml`	`researcher` 二进制发布流程

发布 researcher

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。

发布步骤：

cd researcher
make fmt
make vet
make test
make build

cd ..
RELEASE_TAG=v$(tr -d '[:space:]' < researcher/VERSION) researcher/scripts/check-release.sh
git tag v$(tr -d '[:space:]' < researcher/VERSION)
git push origin v$(tr -d '[:space:]' < researcher/VERSION)

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。

搜索与引用信息

一句话描述：

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。

GitHub Description 建议：

Go CLI + Agent Skill for evidence-based industry research, evidence ledgers, confidence reports, and agent research workflows

Topics 建议：

agent-skill  industry-research  market-research  go  cli
evidence-ledger  research-automation  competitive-intelligence
chain-brand  supply-chain

许可证

MIT — 自由使用、修改、分发。

作者


个人主页	jieni.ai
GitHub	geekjourneyx
Twitter	@seekjourney
公众号	微信搜「极客杰尼」

Industry Research

At a glance

README