القائمة
Think 阶段的深度调研引擎。系统性地分析 GitHub 同领域高星项目的 能力分布、技术栈、产品护城河，输出结构化竞品分析报告，为差异化创新提供情报支持。 使用场景：用户启动新项目前的竞品调研、需要了解同类项目技术选型、 寻找差异化机会点、识别竞品护城河。
التثبيت باستخدام Codex أو Claude انسخ هذا Prompt والصقه في Codex أو Claude أو مساعد آخر ليراجع صفحة Skill ويثبّتها لك.
استنادا إلى تصنيف SOC المهني
启动 VibeFlow 本地看板，实时查看阶段、功能、产物和最近事件。
查看 VibeFlow 项目当前状态（阶段、进度、待处理项）。
VibeFlow框架入口。运行 /vibeflow 开始新项目或继续现有工作流。
测试阶段的真实浏览器验证底座。用于页面交互、表单、路由、前端 API、视觉状态和运行时问题验证。优先使用 Playwright MCP 做真实交互验证，使用 Chrome DevTools MCP 做运行时诊断；MCP 不可用时回退到本地 Playwright CLI 脚本。
在此仓库中用于在会话开始时路由整个VibeFlow生命周期的工作。
系统测试通过后且工作流要求 UI QA 时使用 — 运行浏览器导向的 QA 验证并生成报告
| name | vibeflow-deepresearch |
| description | Think 阶段的深度调研引擎。系统性地分析 GitHub 同领域高星项目的 能力分布、技术栈、产品护城河，输出结构化竞品分析报告，为差异化创新提供情报支持。 使用场景：用户启动新项目前的竞品调研、需要了解同类项目技术选型、 寻找差异化机会点、识别竞品护城河。 |
启动宣告： "正在使用 vibeflow-deepresearch — 深度调研引擎启动。"
在用户启动新项目前，系统性地分析同领域高星项目的：
核心价值： "了解已有方案"是创新的前提，不是负担。站在巨人肩膀上找差异化。
brief.md（已有项目背景）用户输入领域关键词
│
├──▶ Agent 1: 竞品发现（先行）
│ → 输出: Top 5-10 竞品列表
│
└──▶ 3 Agent 并行（基于竞品列表）
├── Agent 2: 技术栈分析
├── Agent 3: 能力矩阵
└── Agent 4: 护城河调研
│
↓
聚合输出
├── 竞品分析报告（Markdown）
├── 护城河矩阵
├── 差异化机会矩阵
└── 技术选型建议
注意：Agent 2/3/4 依赖 Agent 1 的输出（竞品列表），必须串行执行。
使用 GitHub Search API 搜索同领域高星项目：
# 搜索策略
gh search repos "<领域> framework" --sort stars --limit 20
gh search repos "topic:<领域>" --sort stars --limit 20
筛选条件：
输出： Top 5-10 竞品列表（项目名、Stars、最新更新、简介、技术栈）
基于 Agent 1 的竞品列表，3 个 Agent 并行执行：
对竞品列表中的项目，读取其依赖文件：
# 对每个竞品项目
gh repo view <owner>/<repo> --json name,primaryLanguage
# 读取依赖文件（使用 GitHub API）
gh api repos/<owner>/<repo>/contents/package.json
gh api repos/<owner>/<repo>/contents/Cargo.toml
gh api repos/<owner>/<repo>/contents/requirements.txt
gh api repos/<owner>/<repo>/contents/go.mod
分析内容：
输出： 技术栈分布统计表
对竞品列表中的项目，读取 README.md 提取功能列表：
gh api repos/<owner>/<repo>/contents/README.md
分析内容：
输出： 功能对比矩阵表
分析竞品的核心壁垒和护城河：
# 获取 Stars 增长趋势
gh api repos/<owner>/<repo> --jq '{stars: .stargazers_count, forks: .forks_count, pushed: .pushed_at}'
# 获取贡献者数量
gh api repos/<owner>/<repo>/contributors?per_page=1 --jq '.length'
# 获取开源协议
gh repo view <owner>/<repo> --json license
# 获取 README 中的亮点描述
gh api repos/<owner>/<repo>/contents/README.md
分析维度：
输出： 护城河分析矩阵（每个竞品的核心壁垒）
将 4 个 Agent 的结果聚合为结构化报告：
输出路径： docs/deepresearch/<timestamp>-<领域>.md
报告结构：
# DeepResearch Report: <领域>
**生成时间**: YYYY-MM-DD HH:mm
**调研深度**: <N> 个竞品
## 1. 竞品发现
[表格：项目名、Stars、最新更新、简介]
## 2. 能力矩阵
[功能对比矩阵表]
## 3. 技术栈分布
[语言占比、框架模式、热门依赖]
## 4. 产品护城河
[每个竞品的核心壁垒分析]
## 5. 差异化机会
[Gap 矩阵：机会 vs 竞品覆盖度]
## 6. 技术选型建议
[基于分析的建议]
---
*由 vibeflow-deepresearch 生成*
4 个 Agent 使用 Agent 工具并行启动，每个 Agent：
Agent 提示词模板 详见 references/analysis-prompts.md
DeepResearch 是独立工具，不是 Think 阶段的嵌入步骤。
docs/deepresearch/<领域>-<timestamp>.md用户：我要做一个 AI Agent 框架，先调研一下竞品
│
├──▶ 调用 vibeflow-deepresearch
├──▶ 4 个 Agent 并行调研
├──▶ 报告归档到 docs/deepresearch/ai-agent-framework-2026-03-29.md
│
└── 用户决定实现某个具体功能时（如"支持 Tool Calling"）
│
└──▶ 读取 docs/deepresearch/ai-agent-framework-2026-03-29.md
└──▶ 参考竞品能力矩阵和护城河分析
└──▶ 制定差异化实现方案
用户：/vibeflow-deepresearch
Assistant：
请提供您想调研的领域或关键词：
> AI Agent 框架
正在启动竞品发现 Agent...
[发现 8 个高星竞品]
正在启动 3 个并行分析 Agent...
[调研完成]
报告已保存至 docs/deepresearch/ai-agent-framework-2026-03-29.md
---
用户：我要实现 Tool Calling 功能，先看看竞品怎么做的
Assistant：
正在读取调研报告 docs/deepresearch/ai-agent-framework-2026-03-29.md...
竞品分析：
- LangChain: 原生支持，生态丰富
- AutoGPT: 基础支持，文档完善
- 差异化机会：...
调用方式： 用户主动调用 /vibeflow-deepresearch
产出归档： docs/deepresearch/<领域>-<timestamp>.md
按需读取： 在 Plan/Design 阶段实现具体功能时，读取相关调研报告
与 Think 的关系： 独立工具，不嵌入 Think 流程，但可作为 Think 的前置输入
references/search-strategies.mdreferences/analysis-prompts.mdreferences/output-template.md