pm-market

Preamble (run first)

bash "$(dirname "${BASH_SOURCE[0]}")"/check-update.sh 2>/dev/null || true
# 创建需求调研目录
mkdir -p docs/01-需求调研

# 检查是否有需求调研报告
if [ ! -f "docs/01-需求调研/需求调研报告.md" ]; then
  echo "⚠️  未找到需求调研报告"
  echo ""
  echo "建议先执行 /pm-demand 完成需求调研"
fi

执行流程

digraph pm_market {
    rankdir=TB;
    node [shape=box, style=filled, fillcolor="#e3f2fd"];

    subgraph cluster_input {
        label="前置数据读取（主 Agent）";
        style=filled;
        fillcolor="#f5f5f5";
        "读取需求调研报告" [shape=box];
        "快速模式输入" [shape=box];
    }

    subgraph cluster_direction {
        label="搜索方向选择（主 Agent）";
        style=filled;
        fillcolor="#fff3e0";
        "确定搜索方向" [shape=diamond];
    }

    subgraph cluster_subagent {
        label="Subagent 并行搜索";
        style=filled;
        fillcolor="#e8f5e9";
        "市场规模调研 Subagent" [shape=box, fillcolor="#a5d6a7"];
        "竞品分析 Subagent" [shape=box, fillcolor="#a5d6a7"];
        "用户行为 Subagent" [shape=box, fillcolor="#a5d6a7"];
    }

    subgraph cluster_merge {
        label="结果整合";
        style=filled;
        fillcolor="#fce4ec";
        "主 Agent 整合结果" [shape=box, fillcolor="#ffccbc"];
        "生成市场调研报告" [shape=box];
    }

    "读取需求调研报告" -> "确定搜索方向";
    "快速模式输入" -> "确定搜索方向";
    "确定搜索方向" -> "市场规模调研 Subagent" [label="派发任务"];
    "确定搜索方向" -> "竞品分析 Subagent" [label="派发任务"];
    "确定搜索方向" -> "用户行为 Subagent" [label="派发任务"];
    "市场规模调研 Subagent" -> "主 Agent 整合结果" [label="并行返回"];
    "竞品分析 Subagent" -> "主 Agent 整合结果" [label="并行返回"];
    "用户行为 Subagent" -> "主 Agent 整合结果" [label="并行返回"];
    "主 Agent 整合结果" -> "生成市场调研报告";
}

步骤 1: 读取前置数据（主 agent）

如果有需求调研报告：

使用 Read 工具读取 docs/01-需求调研/需求调研报告.md

提取：

• 产品名称
• 行业赛道
• 目标用户
• 核心痛点

如果没有需求调研报告：

进入快速模式，使用 AskUserQuestion 收集基础信息。

步骤 2: 确定搜索方向（主 agent - 用户交互）

使用 AskUserQuestion 询问：

🎯 我要重点分析哪些方面？

A) 市场规模与增长趋势 B) 竞品分析 C) 用户需求与行为 D) 行业政策与风险 E) 全部分析（推荐但耗时较长）

用户选择后，记录到变量 MARKET_FOCUS

步骤 3: 派发 subagent 执行市场调研（核心优化）

优化说明：

• 主 agent 只负责派发任务和接收结果
• Subagent 执行所有搜索和分析工作
• 搜索细节不占用主 agent 上下文

3.1 构建搜索任务清单

根据用户选择，构建任务清单：

如果选择"市场规模"：

[
  {
    "task_id": "market_size",
    "keywords": ["{行业赛道} 市场规模 2025", "{行业赛道} 增长趋势"],
    "domains": ["iresearch.cn", "analysys.cn", "iimedia.cn"]
  }
]

如果选择"竞品分析"：

[
  {
    "task_id": "competitor_analysis",
    "keywords": ["{行业赛道} 竞品分析", "{行业赛道} 主要玩家"],
    "domains": ["36kr.com", "huxiu.com", "qimai.cn"]
  }
]

如果选择"全部"：

[
  {
    "task_id": "market_size",
    "keywords": ["{行业赛道} 市场规模"],
    "domains": ["iresearch.cn", "analysys.cn"]
  },
  {
    "task_id": "competitor_analysis",
    "keywords": ["{行业赛道} 竞品"],
    "domains": ["36kr.com", "huxiu.com"]
  },
  {
    "task_id": "user_behavior",
    "keywords": ["{目标用户} 消费行为"],
    "domains": ["questmobile.com.cn"]
  }
]

3.2 使用 Agent 工具派发 subagent

单个任务：

使用 Agent 工具：

Tool: Agent
Parameters:
  subagent_type: "general-purpose"
  description: "市场调研-{task_id}"
  prompt: |
    你是一个市场调研专家。请执行以下任务：

    **任务 ID**: {task_id}
    **产品名称**: {产品名称}
    **行业赛道**: {行业赛道}
    **搜索关键词**: {keywords}
    **目标数据源**: {domains}

    **要求**：
    1. 使用 WebSearch 搜索每个关键词
    2. 优先搜索目标数据源
    3. 提取关键数据（市场规模、增长率、主要玩家等）
    4. 返回结构化的 JSON 结果

    **输出格式**：
    ```json
    {
      "task_id": "{task_id}",
      "findings": [
        {
          "title": "数据标题",
          "source": "数据来源",
          "value": "数据值",
          "date": "数据日期"
        }
      ],
      "summary": "关键发现总结"
    }
    ```

多个任务（并行优化）：

同时派发多个 subagent：

# 并行派发 3 个 subagent
Agent 1: 市场规模调研
Agent 2: 竞品分析
Agent 3: 用户行为分析

主 agent 等待所有 subagent 完成，然后收集结果。

步骤 4: 整合结果并生成报告（主 agent）

主 agent 接收所有 subagent 的返回结果：

1. 读取 subagent 返回的 JSON 数据
2. 整合所有发现
3. 生成结构化的市场调研报告

使用 Write 工具生成报告：

# 市场调研报告

## 一、市场规模与增长趋势

（从 subagent 结果中提取）

## 二、竞品分析

（从 subagent 结果中提取）

## 三、用户需求与行为

（从 subagent 结果中提取）

## 四、关键发现与建议

（主 agent 综合分析）

---

**生成时间**: {时间}
**调研范围**: {MARKET_FOCUS}

步骤 5: 推荐下一步（主 agent）

✅ 市场调研报告已生成：docs/01-需求调研/市场调研报告.md

建议执行：

1. /pm-priority - 基于市场调研确定优先级
2. /pm-position - 基于竞品分析确定产品定位
3. /pm-mvp - 规划 MVP 方案

对比：优化前 vs 优化后

优化前（pm-market v1）

主 agent 执行流程：
1. 询问用户（10 tokens）
2. 执行搜索1（500 tokens 结果）
3. 执行搜索2（500 tokens 结果）
4. 执行搜索3（500 tokens 结果）
5. 整理结果（200 tokens）
6. 生成报告（100 tokens）

总计：1810 tokens
耗时：串行执行，约 3-5 分钟

优化后（pm-market-v2）

主 agent 执行流程：
1. 询问用户（10 tokens）
2. 派发 subagent（20 tokens）
   └─ Subagent 执行搜索（不占用主 agent 上下文）
3. 接收结果（100 tokens 结构化数据）
4. 整合报告（100 tokens）

总计：230 tokens
耗时：并行执行，约 1-2 分钟
效率提升：87% token 节省，2.5x 速度提升

关键优化点

1. 上下文节省

• ✅ 搜索结果不占用主 agent 上下文
• ✅ 主 agent 只处理结构化结果
• ✅ Token 使用减少 70-90%

2. 执行效率

• ✅ 多个搜索任务并行执行
• ✅ 总耗时减少 50-70%
• ✅ 用户体验显著提升

3. 可维护性

• ✅ 主 agent 逻辑清晰，聚焦决策
• ✅ Subagent 职责单一，易于测试
• ✅ 代码结构更清晰

注意事项

何时使用 subagent

✅ 适合：

• 联网搜索（结果占用大量 token）
• 文档生成（可并行）
• 数据分析（计算密集）
• 竞品分析（多次搜索）

❌ 不适合：

• 用户交互（AskUserQuestion）
• 简单决策（if-else 判断）
• 快速任务（< 10 秒）

异常处理

如果 subagent 执行失败：

1. 主 agent 检测到错误
2. 提供降级方案（手动输入或简化搜索）
3. 记录错误信息供用户排查

版本说明

v2.0.0 - Subagent 架构重构

• 新增 Agent 工具支持
• 搜索任务并行化
• 主 agent 上下文优化
• 效率提升 2.5x

v1.0.0 - 初始版本

• 基础市场调研功能

输出质量对比

✅ Good 示例：

- 有数据引用：「根据 Q4 数据，留存率从 35% 降至 28%」
- 有验证来源：「数据来源：Google Analytics, 2025-12-01」
- 有明确建议：「建议将新手引导步骤从 5 步减少至 3 步」

❌ Bad 示例：

- 模糊结论：「数据表明留存率有所下降」
- 无来源：「根据经验，这个功能很重要」
- 没有行动建议：「留存是个问题」

常见误区 / Red Flags — STOP

出现以下情况立即停止并回溯：

产出质量检查 / Verification Checklist

• 前置依赖已满足（输入文档/数据已收集）
• 核心步骤已全部执行
• 输出文档已生成到 docs/ 目录
• 每个判断都有数据/证据支撑
• 已推荐 2-3 个后续 skill

⚠️ 任何一项未通过 → 补全后再标记完成。

• 串行执行搜索