Menu
对一个明确命名的产品或产品集做深度产品调研（网站、App、SaaS、AI 工具、开源项目或创业公司），仅当用户用任意语言明确要求「调研 / 分析某个具名产品」时使用。
Instalar com Codex ou Claude Copie este prompt, cole no Codex, Claude ou outro assistente e deixe que ele revise a página da skill e instale para você.
Baseado na classificação ocupacional SOC
| name | product-swipefile |
| description | 对一个明确命名的产品或产品集做深度产品调研（网站、App、SaaS、AI 工具、开源项目或创业公司），仅当用户用任意语言明确要求「调研 / 分析某个具名产品」时使用。 |
本文件是唯一入口。先读本文件，再按阶段读取 references/ 下对应的补充文件。
目标模型：本 skill 为 Claude 模型设计。可由任何能运行 Claude 的宿主使用——Claude Code 自带 skills、终端直接 claude -p、OpenCode 等通过 Anthropic API 接 Claude 的 CLI——只要后端是 Claude 模型即可。换用其他模型可能因纪律遵循度、上下文窗口或工具支持差异而无法稳定产出 skill 承诺的质量级报告。
质量级执行：若当前环境能运行本地脚本，完整深度调研默认走仓库根 run.py。它把采集和写作拆成两个 headless 进程，中间强制验证与 checkpoint，以分阶段证据驱动方式产出“先证据、后写作”的质量级报告。交互式执行只作为 fallback：可以手动完成同样阶段、同样产物、同样验证，但不得把未完成卡点的交互式草稿当作质量级报告。
产品调研只允许读取：
SKILL.mdreferences/inventory.mdreferences/writing.mdreferences/delivery.mdinventory.md 与 inventory.md 明确引用的 raw/ 文件不得读取与本任务无关的其他模板或文件。references/ 与 scripts/ 相对本 skill 目录解析。
已有持久设置就跳过这一节，直接进 Phase 0。 没有持久设置的用户第一次触发时，按下面顺序问完再开跑。问答全部在调研开始前完成；问完用户选"记住"，下次就不再问。
开跑前先跑 python3 scripts/research_helper.py opencli-check。如果 available: false，给用户这段告知（不阻塞，用户可以选择装或跳过）：
检测到没装 opencli。
调研仍然能做，我会用网页搜索兜底。但装上 opencli 信息会全面很多——很多平台的「站内真实数据」只有 opencli 能抓到，网页搜索只能看到摘要。
涉及 opencli 的信息举例：
• X / Twitter：官方账号粉丝数、发帖、互动量
• YouTube / TikTok / Bilibili：创作者视频、播放、评论
• 小红书 / 微博 / 抖音：中文平台的种草内容和热度
• Reddit / Hacker News / Product Hunt：社区讨论、真实用户声音
没有它，以上模块（创作者策略、用户声音、官方渠道、中国市场）会偏薄。
安装（约 1 分钟）：
npm i -g @jackwener/opencli
装好回来告诉我，或直接说"跳过"用网页搜索继续。
available: true 时这一步无感跳过，不提示。
检测到你用 <中文/英文> 输入，默认 <中文/英文>。要换吗？
• 中文（默认）
• 英文
存到哪？前三个阅读体验最好，可多选：
• Obsidian — 本地离线、Markdown 原生
• 飞书 / Lark — 团队协作场景
• Notion — 已有 Notion 工作流
都没装也可以选：
• 本地 Markdown 文件 — 最简单，但阅读体验不如上面三个
用户每选一个目标，按 3.4 走该目标的配置子流程。多目标分别问完所有配置后再进 Phase 0。
Obsidian — 必须问 vault 路径：
Obsidian vault 路径是？
（vault 通常在 Obsidian 应用 "Vault 设置 → Files & Links" 能看到，
或直接告诉我 vault 文件夹路径，例如 /Users/你/Documents/MyVault）
检查路径是否存在 + 可写。不存在直接报错让用户重输，不自动建目录、不列候选位置猜。vault 内不再问 folder 子目录——报告直接落在 vault 根目录，用户既然指定了这个 vault 就视为可写。
飞书 / Lark — 必须问 connector 是否配过：
飞书 Page Connector 配过吗？
• 配过
• 没配过
没配过时给三个选项：
(a) 现在给你配置指引（一段说明，按指引装好 connector 再回来）
(b) 本次先跳过飞书，导其他已选目标
(c) 不导飞书了
选 (a) 时给一段简短指引：飞书开放平台 → 建 app → 开启文档读写权限 → 拿 connector 配置 → 粘到 ~/.config/product-swipefile/settings.json 或对应 MCP 配置。完成后用户回来确认 connector_ready。
Notion — 必须问两样：
Notion 需要：
• NOTION_TOKEN 环境变量
• parent page 或 database 的 ID
缺哪个？要配置指引吗？
指引：Notion → Settings → Connections → Develop or manage integrations → 建 internal integration → 复制 token，把 token 设成环境变量（如 export NOTION_TOKEN=...，可写进 shell 配置）；settings.json 只存环境变量名（NOTION_TOKEN），绝不写 token 原文。再把目标 page 或 database 分享给 integration → 复制 page/database ID，把 parent type、parent id 写入 settings.json。
本地 Markdown — 必须问目录：
本地 Markdown 存到哪个目录？
• 默认 ~/Documents/ProductResearch
• 或告诉我别的路径
不存在则建一个。
所有配置完成后、调研开始前问一次：
要不要把这套配置（语言 + 已选目标 + 各目标路径与环境变量名，不含 token 原文）记成默认？
• 是 — 以后说"调研 X"直接跑，不再问
• 否 — 只这次用
选"是"写入 ~/.config/product-swipefile/settings.json。
已经记过默认的用户，第二次起一律不再问，触发即跑。
按下表执行，不跳阶段、不颠倒、不合并。一次深度调研是分阶段产物流水线，不是一次连续写作。
| 阶段 | 干什么 | 读哪个文件 | 落地产物 |
|---|---|---|---|
| Phase 0 | 建 run 目录 → 读 writing.md → 建章节渲染映射 | writing.md | run 目录 + 章节映射 |
| Phase 1 | 公开证据采集 → 写 inventory + raw | inventory.md | inventory.md + raw/ |
| Phase 1 卡点 | Gap Check + Inventory Readiness + validate-inventory → 冻结 inventory 或回采集 | inventory.md | 校验通过的 inventory + 卡点 |
| Phase 2 | 基于已冻结 inventory 写正文 | writing.md | report.md |
| Phase 3 | Evidence-Relative 完整性 + validate-report → 修正或回采集 | writing.md | 校验通过的 report.md |
| Phase 4 | 导出 / 同步 + 交接通知 | delivery.md | 各目标产物 + 交接通知 |
可用本机脚本时，优先用根目录 launcher 完整执行质量级调研：
./run.py "<产品名>" --language zh
run.py 启动一个 claude -p headless 子进程跑 Stage 1 采集，validate-inventory 通过后再启动全新的 headless 子进程跑 Stage 2 写作（工具白名单移除 WebSearch/WebFetch，并在 prompt 中禁止新增 inventory 之外的事实），最后 validate-report。整个流程外部 timeout 默认 90 分钟/阶段，关闭 auto-memory。
需要手动分阶段或恢复时，Phase 0 先建 run 目录，全程使用其返回路径：
python3 scripts/research_helper.py new-run --product "<产品名>"
不复用固定的产品级临时路径；陈旧产物会让新报告看起来「有来源」实则没有。恢复任务或进入下一阶段前，先运行 stage-status --run-dir <run_dir> 取机械化的下一步读数，不靠对上次对话的记忆。
可用本机脚本执行时，确定性操作走脚本，相对本 skill 目录解析。完整深度调研优先用根目录 run.py；以下命令用于恢复、诊断或手动分阶段：
python3 scripts/research_helper.py new-run --product "<产品名>"
python3 scripts/research_helper.py stage-status --run-dir <run_dir>
python3 scripts/research_helper.py validate-inventory --inventory <inventory.md>
python3 scripts/research_helper.py checkpoint --run-dir <run_dir> --stage stage1
python3 scripts/research_helper.py validate-report --report <report.md> --inventory <inventory.md>
python3 scripts/research_helper.py opencli-check
python3 scripts/research_helper.py opencli-run --platform youtube --query "<产品名>" --raw-dir <raw_dir>/opencli
python3 scripts/research_helper.py export --input <report.md> --title "<标题>" --target local_markdown
无本机脚本执行能力时，以下等价物全部强制、不可因无脚本而跳过：
new-run → 在运行时提供的唯一 per-run 目录手动建 inventory.md / report.md / meta.json / raw/，不复用固定产品级路径，并在 meta.json 记录「无脚本」限制。stage-status → 手动检查上述产物是否存在/非空，据此判定当前阶段，不靠对上次对话的记忆。validate-inventory / validate-report → 按 inventory.md 的缺口检查与一致性硬规则、writing.md 的最终检查清单逐条人工核对，记录结论。checkpoint → 在 run 目录手动写 checkpoint_stage1.md / checkpoint_stage2.md，含 run 目录、各产物路径、校验结论、剩余证据限制、下一阶段指令。opencli-run → 按 references/inventory.md 第 4.2 节手动执行 opencli 并把原始输出存入 raw/opencli，保留确切命令日志。Phase 1 卡点后必须先通过 validate-inventory，再创建卡点交接：
python3 scripts/research_helper.py validate-inventory --inventory <inventory.md>
python3 scripts/research_helper.py checkpoint --run-dir <run_dir> --stage stage1
证据丰富或采集量大的 run，卡点后停止，Phase 2 在全新上下文继续：只读已冻结的 inventory.md 与 references/writing.md，仅用定向片段打开 raw，不把采集上下文带进写作。不得以「上下文还安全」为由跳过这条隔离。根目录 run.py 已按此规则拆成 Stage 1 / Stage 2 两个 headless 进程。
交互式 fallback 也必须完成同等隔离：若不能创建 checkpoint、不能运行验证、不能保留 raw 证据，就停在当前阶段并交接缺口，不输出完整报告。不要用聊天里的“看起来差不多”替代验证文件。
正文是文档交付目标（local_markdown / obsidian / notion / feishu / lark）的唯一 canonical Markdown 源。聊天 / IM 只承载最终交接通知（在哪读报告、哪些导出成功或失败、影响判断的来源缺口、本地 canonical 路径），不作为报告导出目标。导出与同步细节读 references/delivery.md。
结束时给一段简洁交接：报告位置、用到的导出目标、本地 canonical 路径、导出失败（若有）、影响解读的来源/工具覆盖缺口。不进入交互模式。