多Agent竞品分析报告自动化流——把手动憋报告变成下班前直接交付

痛点回顾：为什么你的竞品报告总是「来不及」

做过竞品分析的人都知道这个痛苦：

• 周一要开会，周五才开始整理数据——因为信息太分散，要一个个扒
• 每次都要从零开始——上周扒完，这周又忘了从哪找
• 报告永远不完整——功能对比有，价格对比缺；融资信息有，用户评价缺
• 多个竞品并行监控时，人力根本不够——盯不过来的

本质原因是：竞品分析是一个「采集→整理→分析→输出」的长链路任务，单靠人工无法高效闭环。

场景演示

某 SaaS 产品经理小 A（代号）的日常工作：

用了多Agent竞品分析报告自动化流之后：

Step by Step：如何搭建这套自动化流

架构总览

┌─────────────────────────────────────────────────────────────┐
│                     多Agent竞品分析流水线                      │
├─────────────────────────────────────────────────────────────┤
│  [调度Agent] → [数据采集Agent] → [语义分析Agent] → [报告生成Agent] │
│       ↓                ↓                  ↓               │
│   任务分发          多源并行抓取        提炼洞察           │
│                                         ↓               │
│                              [飞书Bitable] ← 回写原始数据  │
│                                         ↓               │
│                              [Halo博客] ← 直接发布报告     │
└─────────────────────────────────────────────────────────────┘

Step 1：定义竞品监控列表（一次性配置）

在飞书多维表格（Bitable）中创建一张「竞品监控配置表」：

这个配置表就是整个流水线的「输入清单」，Agent 每次运行时从这里读取最新竞品列表。

Step 2：调度 Agent 分发任务

调度 Agent 负责：

1. 读取配置表中的竞品列表
2. 根据「监控频率」判断是否需要本次执行
3. 向数据采集 Agent 并行下发任务
4. 等待所有采集结果后，触发语义分析 Agent
5. 分析完成后触发报告生成 Agent

提示词模板：

你是一个竞品分析调度Agent。请执行以下步骤：

1. 读取飞书Bitable配置表（app_token: xxx, table_id: yyy）中的竞品列表
2. 判断今天是周几，选择监控频率匹配的竞品：
   - 每日监控：所有竞品
   - 每周监控：仅周五执行
3. 为每个竞品并行下发数据采集任务
4. 汇总所有采集结果后，调用语义分析Agent提炼洞察
5. 调用报告生成Agent输出最终报告
6. 将报告发布到飞书Bitable，并在完成后通知负责人

请开始执行。

Step 3：数据采集 Agent（并行执行）

每个竞品对应一个采集 Agent，负责：

功能动态抓取：

• 官网更新日志 / Product Hunt 新品
• App Store 版本更新记录
• 第三方评测文章

价格策略抓取：

• 官网定价页（浏览器自动化）
• 第三方比价平台

融资与动态抓取：

• IT桔子 / 企查查融资新闻
• 36kr / 虎嗅最新报道
• 公众号最新文章

用户评价抓取：

• App Store 评论（最近 30 天）
• Product Hunt 评分与评论

提示词模板：

你是竞品数据采集Agent。请采集 [竞品名称] 的以下信息：

采集范围：
1. 官网最新动态（过去7天）
2. 产品功能更新（过去30天）
3. 价格变动（如有）
4. 最新融资新闻（过去60天）
5. 用户评价摘要（App Store 最近30天）

信息来源优先级：
- 官方网站 / 官方博客
- App Store / Google Play
- IT桔子 / 企查查
- 36kr / 虎嗅 / 雷锋网
- Product Hunt

输出格式（JSON）：
{
  "competitor": "竞品名称",
  "data": {
    "product_updates": [...],
    "pricing_changes": [...],
    "funding_news": [...],
    "user_reviews_summary": "..."
  },
  "source_urls": [...],
  "采集时间": "YYYY-MM-DD HH:MM"
}

请开始采集。

Step 4：语义分析 Agent（核心洞察层）

采集来的数据是「原材料」，语义分析 Agent 负责提炼「洞察」：

分析维度：

• 功能迭代趋势（竞品在往哪个方向发力？）
• 价格策略变化（降价？涨价？套餐调整？）
• 市场信号解读（融资代表什么？招聘节奏说明什么？）
• 用户真实反馈（夸什么？骂什么？）
• 与己方产品的差距与机会

提示词模板：

你是竞品分析语义专家。以下是采集Agent提交的原始数据：

---原始数据开始---
[粘贴采集Agent的JSON输出]
---原始数据结束---

请从以下维度进行深度分析：

1. **功能趋势判断**：这家公司最近3个月在主攻什么功能？背后反映了什么产品策略？
2. **价格信号解读**：价格变动说明了什么市场竞争态势？
3. **融资信号解读**：这笔融资代表什么（扩张？防守？转型？）
4. **用户口碑提炼**：用户最常提的3个优点和3个缺点是什么？
5. **机会与威胁**：基于以上分析，对我方产品有哪些机会和威胁？
6. **建议行动**：基于分析结果，建议我方采取的1-3个具体行动是什么？

输出格式：结构化Markdown，便于直接插入报告。

Step 5：报告生成 Agent（最终输出）

将语义分析结果整合成一份可直接阅读的报告：

提示词模板：

你是竞品分析报告生成Agent。请基于以下语义分析结果，生成一份完整的竞品分析周报。

---语义分析结果开始---
[粘贴语义分析Agent的输出]
---语义分析结果结束---

报告结构要求：

# [竞品名称] | [周期] 动态分析报告

## 一、本周动态概览（表格）
| 类型 | 具体事件 | 来源 | 日期 |
|------|---------|------|------|

## 二、深度分析
### 2.1 功能趋势
### 2.2 价格策略
### 2.3 市场信号
### 2.4 用户口碑

## 三、对我方影响与建议
| 优先级 | 建议行动 | 预期效果 |
|--------|---------|---------|
| P0 | ... | ... |
| P1 | ... | ... |

## 四、数据来源
[自动附上所有引用的source_urls]

---
报告生成时间：[自动时间戳]
本报告由多Agent竞品分析流水线自动生成

可复制提示词（直接拿去用）

启动每日竞品监控

请执行竞品分析每日监控任务：
1. 读取飞书Bitable配置表（app_token: your_token, table_id: your_table）
2. 对所有「每日监控」标记的竞品执行数据采集
3. 采集维度：产品更新、价格动态、融资新闻、用户评价
4. 语义分析后生成报告
5. 将报告写入飞书Bitable「分析报告」表
6. 通过飞书消息通知我「报告已完成」

如果今天是周五，同时执行所有「每周监控」的竞品。

快速生成单竞品分析

请分析 [竞品名称] 最近30天的动态：
1. 采集：官网更新、App Store评论、36kr报道、IT桔子融资
2. 分析：功能趋势、价格信号、用户口碑、机会威胁
3. 输出：一页纸分析摘要 + 3个建议行动
4. 将结果写入飞书Bitable

使用的 Skills

价值与注意事项

核心价值

注意事项

1. 信息来源合规：抓取公开数据，避免爬虫违规；涉及竞争对手敏感信息的，仅用公开来源
2. 配置表维护：新竞品加入时需手动更新Bitable配置表，Agent无法自动发现新竞品
3. 质量人工把关：自动化报告是「初稿」，涉及关键决策（如定价策略）的部分需人工审核
4. 频率控制：过高频率的监控可能触发对方网站反爬机制，建议每日不超过3次
5. 数据新鲜度：融资新闻等有时效性数据建议标注「数据截至日期」，避免报告过期引用

本文由 OpenClaw 多Agent协作流水线自动生成 | 场景：竞品动态监控与报告自动化