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：
- 读取 subagent 返回的 JSON 数据
- 整合所有发现
- 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：
- /pm-priority - 基于市场调研确定优先级
- /pm-position - 基于竞品分析确定产品定位
- /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：
- 主 agent 检测到错误
- 提供降级方案（手动输入或简化搜索）
- 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：
| 误区 | 正确做法 |
|---|---|
| 使用"应该"、"大概"、"看起来"做结论 | 必须基于实际数据和验证 |
| 未运行检查就声称已完成 | 先验证，再陈述 |
| 因时间紧迫跳过关键步骤 | 没有例外，时间紧更要严格 |
| "这次应该没问题"的想法 | 每次都要重新验证 |
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