这个 Skill 能做什么，适合哪些场景？
Alpha Insights 是一个面向 Claude Code 与 Codex Desktop 的商业研究技能，覆盖行业研究、竞争分析、商业模式拆解、市场进入、投资决策、尽调等十类场景。它不是一个提示词合集：V4 版本引入"Harness 工程"，用状态机、阶段门校验器和钩子脚本强制执行七阶段工作流，防止 AI 在长对话中跳步。研究过程遵循 MECE、假设驱动、三角验证等方法论，所有结论都标注来源与 A/B/C/D 置信度，最终产出结构化 HTML 报告。作者 Eric Young，MIT 许可证开源，还包含一个原创的 3A-8 步战略框架。
- 技能加载时先运行 resume_check.py 检测未完成的研究项目，若有则优先询问是否继续
- 按七阶段推进：简报（确认报告层级）→ 框架化（MECE 分解 + 框架匹配）→ 计划（假设生成 + 数据源规划，可选访谈准备）→ 研究执行（A-G 多轨道并行检索、三角验证、证据台账）→ 洞察（红蓝队对抗审查、反模式自查）→ 报告（report_helper.py 生成 HTML，内嵌 ECharts 图表）→ 迭代
- 每次 Write 操作由钩子自动运行 stage_gate_hook.py 做阶段门校验，html_write_guard.py 阻止在必备工件就绪前提前写报告
- 交付物链（research_definition → research_plan → evidence_base → insights → report.html）支持级联更新，修改上游结论会强制增量同步下游文件
- 所有产出写入用户工作目录的 workspace/{project_slug}/
- 投资/咨询从业者需要在做决策前快速产出带证据分级和来源标注的行业或竞品研究报告
- 创始人考虑进入新市场，需要从模糊想法出发，通过多轮提问明确研究框架、假设和验证路径
- 尽调团队核查目标公司，需要一手来源路径规划（工商登记、监管备案）和数字完整性台账
- 战略规划负责人需要年度/三年规划支撑，希望用五力、PESTEL、BMC 等框架做结构化拆解
- 需要访谈补充公开数据盲点的研究者，可利用可选的 Stage 3.5 生成访谈提纲并回填证据库
- 没有 Python 3、搜索/抓取工具和网络访问的环境——Track A 失败会阻塞整个研究流程
- 不支持 ${CLAUDE_PLUGIN_ROOT} 钩子动态执行且未适配的运行时（除非使用官方 Codex 封装）
- 不依赖源数据链、只需一次性轻量问答的用户——七阶段流程与钩子校验是为长周期决策级研究设计的
如何安装这个 Skill？
- 安装后 Hooks 将自动执行仓库内 Python 脚本，使用前建议自行审阅 scripts/harness/hooks/ 下脚本内容。
- 报告数据依赖外部网络搜索，生成结果中的数字与结论必须人工核验，不可直接用于投资或尽调决策。
- 发布者身份未经注册表验证；'节省 60% 时间'等收益声明缺乏独立证据。
- 在中国大陆网络环境下，部分外部数据源可达性未声明，核心研究轨道可能受网络限制影响。
- 公开包已移除小红书等私有适配器，相关 Track E 功能在公开版本中降级为公开搜索回退。
- Shell / 命令行
- 网络访问
- 本地文件系统
Python 3
推荐方式：让 AI 编码代理安装——输入"Install Alpha Insights from this repository. Follow INSTALL_FOR_AGENTS.md exactly."。Codex Desktop 直接安装：git clone https://github.com/Ericyoung-183/alpha-insights.git && cd alpha-insights && python3 scripts/install_codex.py --verify。Claude Code 兼容环境：克隆仓库后将包目录复制到 ~/.claude/skills/alpha-insights，然后运行 python3 ~/.claude/skills/alpha-insights/scripts/verify_cloudcode.py --skill-root ~/.claude/skills/alpha-insights。保持根 SKILL.md frontmatter 中的钩子配置不动。
git clone --depth 1 https://github.com/Ericyoung-183/alpha-insights.git ~/.claude/skills/alpha-insights根据源仓库地址和 Skill 路径自动生成，只复制这个 Skill 的文件夹。如果上文有作者提供的安装方式，请优先按作者说明操作；想只在当前项目中使用，把 ~/.claude/skills 换成项目里的 .claude/skills。
如何使用这个 Skill？
安装后，把下面任意一句发给 Agent 即可触发：
- /skill alpha-insights
- 分析新能源汽车行业的市场机会
- 帮我做一份竞品分析报告，对比 A 公司和 B 公司的商业模式
- 我打算进入东南亚电商市场，帮我评估这个方向的可行性
安装后直接提出商业分析问题即可自动触发，例如："分析中国电动汽车充电行业的竞争格局"。技能会自动识别场景（竞争分析）、匹配框架（五力 + 竞争定位）、执行多轨道检索并生成 HTML 报告。首次触发时它会确认报告层级（Tier 1 快扫 / Tier 2 专题简报 / Tier 3 深度报告）并追问 2-4 个澄清问题。也可用 /skill alpha-insights 显式启动。公开数据开箱即用；小红书、知识库、内部数据库为可选扩展，未配置时自动跳过。
这个 Skill 有哪些优点和局限？
- 用脚本校验器和钩子强制执行流程，而非仅靠提示词，长对话中不易跳步
- 证据链完整：结论附来源与 A/B/C/D 置信度，关键数字登记 Evidence Claim Ledger
- 19 个分析框架 + 9 种方法论，含原创 3A-8 步战略框架，框架调用对外透明展示
- 级联更新规则明确：修改上游结论会强制增量同步全部下游交付物
- 支持断点续研，长周期研究可审计、可恢复
- SKILL.md 前置钩子使用 ${CLAUDE_PLUGIN_ROOT} 与 !command 动态执行，其他平台需适配（官方已提供 Codex 包装器）
- 深度使用需要 Python 3、可用的搜索/抓取工具和网络访问；无搜索工具时 Track A 失败会阻塞研究
- 质量体系中的独立评审（IQR）依赖 Subagent 机制，在不同运行时的行为未必一致
- 仓库未提供自动化测试套件，报告质量高度依赖所配置的数据源
- 内部技能文件为中文，非中文用户依赖其语言规则保证输出语言正确
这个 Skill 与同类方案有什么区别？
与相关 Skills 并排比较；分数均按同一 FSRS 标准得出。
| Skill | FS 评分 | Star 数 | 最近更新 | License |
|---|---|---|---|---|
| Alpha Insights 商业洞察 本页 | 59 · 推荐 | ★ 68 | 3 个月前 | MIT |
| 竞争格局分析 ✓ Anthropic · 官方 | 51 · 谨慎使用 | ★ 40k | 1 个月前 | Apache-2.0 |
| Exa 深度研究编排器 | 57 · 谨慎使用 | ★ 5.1k | 18 天前 | MIT |
| Claude Persona：AI 人群面板与概念测试 | 57 · 谨慎使用 | ★ 57 | 3 个月前 | MIT |
| 横纵分析法（hv-analysis） | 46 · 谨慎使用 | ★ 21k | 24 天前 | MIT |
README 自身将 Alpha Insights 与"典型一次性 AI 分析"对比：后者输出泛化、无来源追溯、单数据源、静默跳步；Alpha Insights 则用框架驱动、证据分级、多轨道三角验证和脚本化门禁应对这些问题。它定位为替代高级商业分析师的案头研究工作流，而非又一套提示词包。
FollowSkills 如何评估这个 Skill？
正面：Hooks 仅匹配 Write 工具、写入限定在用户工作区、明确禁止写安装目录、html_write_guard 在 JSON 解析失败时透明告警而非静默放行、数据来源分级与溯源要求明确、MIT 许可与作者署名清晰。扣分：自动化 Hooks 在用户未逐项确认的情况下执行仓库内 Python 脚本，Data-flow 与脚本行为只能从文档推断而无法静态审计全部 hook 脚本内容；未验证发布者使归属链不完整。
正面：SKILL.md 内部状态机、门禁表、降级路径（Bash 不可用时的手动校验）自洽；仓库附带针对 stage3-6/7 校验器的单元测试，覆盖证据账本、级联时间戳、图表数值/单位/币种一致性等关键路径。扣分：静态审查无法执行测试，未见 CI 工作流证据证明测试在第三方环境通过；未展示 hook 脚本实现，失败反馈质量只能部分推断。
正面：触发条件、十类研究场景、Tier 分层、AskUserQuestion 确认点、语言跟随规则明确；内置 XHS 适配器已从公开包移除并给出公开搜索回退，核心功能声明不强依赖单一不可达服务。扣分：报告生成依赖外网搜索与 MCP 工具可用性，在中国大陆网络下的可达性未声明；对非 Claude Code/Codex 环境的边界说明有限。
正面：V4.1.4 版本号与详尽 CHANGELOG（含安全边界补丁、安装器修复）、INSTALL_FOR_AGENTS.md 安装契约、README 双平台安装说明、MIT 许可、目录结构清晰，分层渐进披露设计良好。扣分：发布者身份未经验证，维护责任与长期更新路径仅有作者个人承诺；部分内部机制（知识库、私有适配器）在公开包中留有残留引用。
正面：价值主张清晰（节省桌面研究时间、方法论驱动）、提供公开 demo 报告与七段式报告结构、证据分级输出格式可直接使用。扣分：静态审查无法验证 demo 报告是否真实由该技能端到端生成，60% 时间节省等量化收益无第三方证据，产出仍需人工审核数据正确性。
正面：附带针对校验器核心路径的单元测试代码、公开 demo 报告、逐版本 CHANGELOG 与事实修正记录，证据类型多样。扣分：静态上限为 5，未见 CI 运行记录或独立第三方复现，demo 报告与真实运行之间的事实/推断边界未完全分离。
点击维度查看打分理由
证据充分度：低 — 主要依赖静态检查、作者材料或有限演示；适合发现线索，不适合做高风险决策。
查看完整评分方法 →