industry-deep-research

行业深度研究

接到行业研究任务时，先按本规程拆解问题，再检索和综合证据。研究目标是解释行业如何运作、正在发生什么变化、证据支持哪些判断，以及哪些问题仍不确定。

适用范围

• 行业全景、市场规模与增长驱动
• 产业链结构、关键环节、成本与价值分布
• 竞争格局、代表企业和商业模式
• 技术路线、产业化进展和采用障碍
• 政策法规、标准、贸易与供应链环境
• 中长期趋势、情景推演、机会和风险

简报、单条消息核实和单个竞品对比优先使用对应的专门技能；需要时可在深度研究中引用这些技能的分析方法。

研究步骤

1. 明确研究口径

记录或说明：

• 研究对象和行业边界
• 地理范围
• 时间范围和基准日期
• 用户希望支持的判断或决策
• 采用的假设、暂不覆盖的内容

用户没有指定时，围绕用户提到的行业开展研究；小察工作台首批持续观察主题为具身智能、AI 前沿观察和政策分析，也覆盖智能硬件及其上下游和关联行业。

2. 建立研究问题

根据任务选择相关问题，不必机械覆盖全部维度：

• 需求来自哪些客户、场景和预算？需求是否在增长？
• 市场规模数字采用什么定义、地区、年份和计量单位？
• 价值链有哪些环节，利润、议价权、进入壁垒和依赖关系如何分布？
• 主要参与者分别处于什么位置，竞争优势由什么形成？
• 哪些技术路线在成熟、验证或规模化阶段？成本和采用障碍是什么？
• 哪些政策、标准和供应链变化会影响行业，何时生效？
• 未来 1–3 年哪些变量最可能改变行业判断？如何观察？

3. 检索与记录证据

• 使用具体关键词，围绕不同研究问题分别检索。必要时按企业公告、行业数据、政策、技术和应用场景分组。
• 优先使用政府部门、监管机构、行业组织、公司公告/财报、标准文件和原始研究。媒体报道与二手研究用于补充和发现线索。
• 关键结论尽量由两个相互独立的来源支持。需要多轮采集时委派 intel-scouter，并要求其返回链接、发布日和原文要点。
• 每条证据记录来源名称、链接、发布日期、数据所描述的时期及其口径。
• 页面无法访问、搜索结果不含原文或来源之间互相矛盾时，明确记录限制，不推测缺失内容。

4. 核验与分析

• 将来源披露、第三方估算、分析判断和情景假设分开。
• 核对数字的地域、统计范围、计量单位、价格口径、样本和时间窗口。
• 比较冲突信息时，先检查定义和方法差异，再判断是否可以并列；无法对齐时不强行求平均。
• 解释证据之间的联系：需求如何传导到产业链，技术或政策如何改变成本、竞争位置和商业化节奏。
• 不把相关性写成因果，不从个别企业案例推断全行业普遍规律。
• 研究动态信息时写明检索截止日；较早的资料仍可用于结构性判断，但要标明资料时间。

5. 形成判断

明确回答用户的问题，并列出：

• 证据充分的核心发现
• 对目标企业、产品或决策的可能含义
• 关键不确定性和证据缺口
• 可继续跟踪的指标、事件或验证条件

若提供情景推演，写明驱动因素、假设和触发信号，不将情景当成预测事实。

默认交付结构

按任务裁剪，不为满足模板加入空泛章节：

1. 结论摘要：直接回答研究问题，列出最重要的发现。
2. 研究口径：对象、范围、时间、方法和资料截止日。
3. 行业结构：需求、产业链、竞争、技术和政策中与问题相关的内容。
4. 关键判断：说明证据如何支持判断，并标记事实、估算或推断。
5. 机会、风险与不确定性：说明影响路径和适用条件。
6. 观察清单：建议跟踪的指标、来源和触发信号。
7. 来源清单：标题、发布机构、发布日期和可访问链接。

质量检查

输出前检查：

• 是否覆盖了用户真正要判断的问题？
• 核心数字是否带口径、时间、单位和来源？
• 来源是否可访问，发布日期是否准确？
• 事实、估算、分析和建议是否清楚区分？
• 是否指出了来源冲突、资料缺口和结论限制？
• 建议是否能由前面的证据推出？

写入小察研究工作台

当研究结果适合成为某个主题的持续观察时，调用 save_market_observation 保存一条记录：

• topic_id 只能使用 embodied-intelligence、ai-frontier、policy-analysis。
• 每条资讯必须且只能选一个所属细分领域，写入对应的 category_id；不要多选，也不要只凭标题猜分类。分类按主要研究信号确定：
  • 具身智能：home-service-robots（家庭服务机器人）、industrial-robots（工业机器人）、commercial-service-robots（商业服务机器人）、robot-platforms（机器人本体与核心部件）、embodied-models（具身模型与训练）、robot-commercialization（量产与商业化）。
  • AI 前沿观察：foundation-models（基础模型）、multimodal-ai（多模态 AI）、ai-agents（智能体与工具链）、compute-infrastructure（算力与基础设施）、ai-applications（产品与行业应用）、ai-ecosystem（企业与开源生态）。
  • 政策分析：national-strategy（国家战略与规划）、industry-support（产业扶持政策）、regulation-compliance（监管与合规）、standards-certification（标准与认证）、local-pilots（地方试点与项目）、policy-impact（政策落地与产业影响）。 如果无法从来源确认主要归属，继续核对；仍无法判断时不要入库，并说明缺少的证据。
• 标题简明描述信号；摘要说明发生了什么及其关注价值；正文保留口径、证据、事实与判断、不确定性和后续观察项。
• sources_json 使用 JSON 列表，逐项提供标题、URL、发布日期和发布机构。不要把搜索摘要当作已核实的原文证据。
• 简单问答或一次性咨询不必保存。只有可复用、可追踪的行业信号才写入工作台。

如果没有足够可靠的信息支持结论，直接说明目前能确认什么、不能确认什么，以及最有价值的下一步检索方向。

持续研究数据飞轮

小察工作台按“主题 → 细分领域 → 研究观察 → 分类研判 → 主题综合研判”组织行业研究。观察记录是证据，不是最终交付；用户的核心浏览对象是可追溯、可持续更新的研判。

• 新进展先核实并写入唯一细分领域。定时任务或外部智能体应先调用 MCP get_ingestion_guidelines，按来源 ID/URL 幂等入库。
• 一轮采集结束后，针对本轮真正新增、且会改变趋势判断或跟踪指标的证据更新对应分类研判；用 get_judgement(topic_id, category_id) 检查当前版本和资料截止点，避免重复运行机械地生成版本。
• 分类研判必须引用实际观察记录 ID 和一手来源，写清数据口径、置信度、截止时间、不确定性及待跟踪信号。日常问答不自动改写研判；只有明确生成、更新研判的任务才调用 save_market_judgement。
• 主题综合研判只能基于已有的分类研判生成。分类版本变化后，主题总览应标为待更新；待当轮受影响的分类研判完成后再汇总，保留主题与分类版本的来源关联。
• 如果新增内容只重复已有事实、没有改变判断，不必为了“每日更新”而改写报告；工作台会显示尚未吸收的新增证据，交由后续有实质变化时一并处理。