Skill Industry Trend Research

行业/赛道趋势调研 (Industry Trend Research Pro)

垂直行业/赛道趋势调研 Skill，输出麦肯锡白皮书风格的五大板块决策级报告。本 Skill 专为高客单价付费场景设计，自动以执行时的当年作为时效基准（不依赖任何硬编码年份），要求每个数据点可溯源、每个判断有论据、每条建议可落地。

任务目标

• 本 Skill 用于：针对用户给出的行业/赛道（如"具身智能"、"减肥药 GLP-1"、"AI 编程助手"），交付可直接用于战略规划、投资决策、商业化落地的深度趋势报告。
• 能力包含：
  1. 行业定义与边界划定 + 当年大局观（TAM / CAGR）
  2. 产业链全景图谱 + 核心玩家利润格局
  3. 核心驱动力与卡脖子痛点的因果链分析
  4. 未来 1-2 年趋势预测与红利爆发点
  5. 商业化落地路径与避坑指南
• 触发条件（高召回口径，路由到此 Skill 后用此清单做最终自检）：
  • 中文触发词：行业研究 / 赛道分析 / 行业现状 / 行业趋势 / 市场规模 / 市场调研 / 市场份额 / 品牌份额 / 占有率 / 竞争格局 / 竞争态势 / 产业链研究 / 产业链分析 / 投资调研 / 投资机会 / 商业化落地 / 商业模式分析 / 入局分析 / 区域市场（如"东南亚某行业"、"中东某市场"、"美国某赛道"）/ 政策影响 / 红利赛道 / 风口分析。
  • English triggers: industry research, sector analysis, market analysis, market sizing, competitive landscape, market share, industry trends, regional market research, vertical deep dive, investment thesis, go-to-market analysis, value chain analysis, regulatory impact, growth opportunity scan.
  • 不适用于：单点事实查询（"X 公司 CEO 是谁"）、单家公司尽调（用 tianyancha-data 等专项 Skill）、单一财报解读、纯学术综述、非商业领域（如纯文化/艺术评论）。

前置准备

• 依赖说明：脚本依赖 httpx>=0.27（用于 URL 健康检查），可通过 pip install -r scripts/requirements.txt 安装。
• 路径约定：报告与素材产出在当前工作目录（./），不写入 Skill 内部目录。
• 输出文件命名：{topic} 为行业/赛道核心短语 + 基准年（如 具身智能赛道_{CURRENT_YEAR}、GLP1减肥药行业_{CURRENT_YEAR}），中文 query → 中文 topic，文件名空格用下划线，禁止 /\:*?"<>| 等特殊字符。{CURRENT_YEAR} 在阶段 0 解算后替换为实际年份。
  • 证据底稿：{topic}_evidence.md
  • 最终报告：{topic}_report.md
  • 图表目录：{topic}_assets/

操作步骤

阶段 0｜认知重置（Epistemic Reset）

1. 强制时间解算（Time Resolution）：通过 date +%Y 获取当前年份，定义以下三个变量并在后续所有提示、检索、写作中替换使用：
   • {CURRENT_YEAR} = 执行时的当年（如 2026 / 2027 / 2028）
   • {LAST_YEAR} = {CURRENT_YEAR} - 1
   • {NEXT_YEAR} = {CURRENT_YEAR} + 1
   • {NEXT_2_YEARS} = {CURRENT_YEAR} + 2
   • 若用户在 query 中明确指定其他基准年（如"2025 年的 X 行业"、"我想看 2030 年预测"），则以用户指定为准并显式声明本次基准年。
2. 时效基准规则：任何早于 {LAST_YEAR} 的市场数据需标注 [OUT-OF-WINDOW] 并仅作历史参照；所有结论必须由 {LAST_YEAR} H2 至 {CURRENT_YEAR} 的检索证据支撑；趋势预测窗口为 {CURRENT_YEAR} - {NEXT_2_YEARS}。
3. 假设内部知识已过时，必须以检索到的最新公开证据替换内部记忆。
4. 检索语言与用户查询语言一致；中文查询优先在中文权威源（艾瑞、亿欧、36氪研究院、IT桔子、智研咨询、灼识咨询、头豹、信通院、工信部、各行业协会白皮书）与英文权威源（Gartner、IDC、McKinsey、BCG、Bain、CB Insights、PitchBook、a16z、统计局/SEC 文件）之间双轨检索。
5. 领域 Skill 预检（强制）：本 Skill 提供调研工作流，不提供数据源。开始检索前必须按以下规则加载专业数据 Skill：
   • 宏观经济 / GDP / CPI / 利率 → 加载 openecon-data、fred-data-skill
   • 汇率 / 外汇 → 加载 frankfurter-data
   • A股 / 港股 / 美股行情 → 加载 stock-data-skill
   • 企业工商 / 股权 / 诉讼 / 尽调 → 加载 tianyancha-data
   • 影视 / 演员 → 加载 tmdb-data-skill
   • 移动 App / 应用市场 / ASO → 加载 qimai-data-skill
   • 法律 / 法规 / 合规 → 加载 weko-data
   • 专业源优先于 search_web；存在多领域命中时全部加载，并显式列出"已加载 Skill ↔ 覆盖维度"映射表。

阶段 1｜行业定义与查询分解

参考 references/industry_research_framework.md 完成以下输出（必须在检索前显式打印）：

1. 行业核心定义：用 1-2 句话锁定行业边界（包含什么 / 排除什么），避免大而无当。
2. 决策意图：用户拿这份报告要做什么决策？（投资、入局、战略调整、产品定位）
3. 价值链分层假设：上游 / 中游 / 下游初步划分（后续在第 2 板块校验）。
4. 维度清单：基于 framework 中的"九大行业研究维度"勾选并展开本次需要覆盖的维度。

阶段 2｜结构化检索循环（≥18 轮）

针对行业趋势研究的特殊性，最少执行 18 轮检索（高于通用研究的 15 轮），分三段递进，禁止关键词重复：

占位符替换规则：以下所有 query 模板中的 {CURRENT_YEAR} / {LAST_YEAR} / {NEXT_YEAR} / {NEXT_2_YEARS} 必须替换为阶段 0 解算的实际年份后再发起检索。例如执行年是 2027 → {CURRENT_YEAR}=2027、{LAST_YEAR}=2026、{NEXT_YEAR}=2028、{NEXT_2_YEARS}=2029。

第一段：宏观锚定（4-5 轮，并行）

必须命中以下关键词组合，强制带 {CURRENT_YEAR} 年份限定：

• "{行业} {CURRENT_YEAR} 行业白皮书 PDF" / "{industry} {CURRENT_YEAR} white paper"
• "{行业} 市场规模 CAGR {LAST_YEAR}-{CURRENT_YEAR+5}" / "{industry} market size CAGR"
• "{行业} TAM SAM SOM {CURRENT_YEAR}"
• "{行业} 全球 vs 中国 市场份额 {CURRENT_YEAR}"
• "{行业} {CURRENT_YEAR} 政策" / "{行业} 监管 合规"

第二段：产业链解剖（6-7 轮，并行）

• "{行业} 产业链图谱 上下游"
• "{行业} 上游 核心供应商 议价能力"
• "{行业} 中游 利润率 毛利" ←重点：利润分配
• "{行业} 下游 客户结构 集中度"
• "{行业} 头部公司 市占率 TOP10 {CURRENT_YEAR}"
• "{行业} 融资 A轮 B轮 估值 {LAST_YEAR} {CURRENT_YEAR}"
• "{行业} 卡脖子 技术壁垒 国产替代"

第三段：趋势预测与避坑（6-7 轮）

• "{行业} {NEXT_YEAR} 趋势预测 红利"
• "{行业} 颠覆性技术 新进入者"
• "{行业} 失败案例 倒闭 退出 {LAST_YEAR}" ←重点：避坑
• "{行业} 政策风险 合规 处罚 {CURRENT_YEAR}"
• "{行业} 商业模式 变现路径"
• "{行业} 反向观点 contrarian"（强制检索反方观点）
• 时效性兜底："{行业} {CURRENT_YEAR} Q1/Q2/Q3/Q4 最新动态"（按当前实际季度选择）

并行检索原则：相互独立的检索请求必须并行发起，每次 search_web 调用塞满允许的最大 query 数量。

阶段 3｜证据增量收集（每轮检索后立即追加）

每条关键证据使用统一 7 字段结构化证据块格式追加写入 {topic}_evidence.md：

Claim: [具体事实陈述，不含 URL]
Source: [来源名称]
URL: [来源 URL，禁止首页 URL，必须深链]
Date: [发布日期 YYYY-MM；无则 N/A]
Excerpt: [原文逐字摘录，禁止改写]
Context: [影响解读的上下文]
Confidence: [HIGH / MEDIUM / LOW]

置信度规则：

• [HIGH]：≥2 个独立权威源交叉确认。
• [MEDIUM]：1 个权威源，或多个二手源。
• [LOW]：单一未验证陈述、博客级证据。

强制规则：

• 每个核心数字（市场规模、CAGR、市占率、利润率、估值倍数、融资金额）必须附带具体来源 URL（深链，非首页）和数据日期；无来源的数字宁可不写。
• 矛盾不抑制，必须显式记录 [TEMPORAL-CONFLICT] 或 [INTERPRETIVE-CONFLICT]。
• 来源标签：[SEARCH-SOURCED] / [FILE-SOURCED] / [MIXED]。

阶段 4｜证据合并与 URL 校验

完成检索后：

1. 对 {topic}_evidence.md 进行去重、置信度升降级、删除无关条目。
2. 批量校验所有 URL 可达性：

   pip install -r scripts/requirements.txt
   python scripts/verify_urls.py {topic}_evidence.md
   

   仅 ❌ FAIL 需要处理：在该证据块的 Confidence 字段追加 [URL-UNVERIFIED]（如 Confidence: MEDIUM [URL-UNVERIFIED]），不删除条目。✅ PASS 与 ⚠️ UNCERTAIN 均视为可达。
3. 检查每个研究维度证据是否充分；若关键维度（如"利润分配"、"政策风险"）证据稀薄，回到阶段 2 做补充检索。

阶段 5｜五大板块报告写作（核心交付）

参考 references/report_template.md 中的麦肯锡白皮书模板，严格按以下五大板块生成 {topic}_report.md：

板块标题中的 {CURRENT_YEAR} / {NEXT_YEAR} 在最终报告中必须替换为阶段 0 解算出的实际数值（例如执行年解算为 2026 时，所有 {CURRENT_YEAR} 替换为 2026、{NEXT_YEAR} 替换为 2027）。具体的板块二级标题文字由 assemble_report.py init 阶段一次性注入，写作时无需自行书写。

写作硬性要求：

• 执行摘要（Executive Summary）：300-500 字，开篇即给结论与关键数字，不写"本报告将探讨..."的废话。
• 总字数：≥6,000 字（行业研究垂直场景，高于通用研究 5,000 字下限）。
• 段落规则：每段 ≥100 字 / ≤1,000 字；每个二级小节至少 2 段。
• 可视化强制（视觉规范见 references/visual_style_guide.md）：每个板块至少包含 1 个非纯文本元素（表格 / Mermaid / 图表 / LaTeX 公式）。所有 Mermaid 代码块强制注入麦肯锡蓝灰风主题 init 头与 classDef 节点分色，否则 validate 报警。
  • 第一板块：市场规模与 CAGR 数据表 + 行业边界对照表（"包含 / 排除"两列结构，废止 Mermaid 边界图——见 visual_style_guide §6.1）。
  • 第二板块：主题化产业链图谱 Mermaid + 核心玩家对比表（含市占率、毛利率、估值倍数列）+ Plotly 桑基图（产业链利润分配，链宽 = 毛利率 × 营收占比；废止饼图——见 visual_style_guide §4）。
  • 第三板块：驱动力 vs 痛点矩阵表 + 主题化因果链 Mermaid（政策 primary / 受损 danger / 受益 positive）。
  • 第四板块：{CURRENT_YEAR}-{NEXT_YEAR} 趋势预测表（含触发条件、领先指标、反转信号列）。
  • 第五板块：主题化决策树 Mermaid + 避坑清单表。
• 引用格式：每条事实陈述后紧贴句末标点前使用 [(来源)](深链URL)，多源用空格分隔。禁止首页 URL，禁止编号引用。
• 图表生成：所有图表（Plotly / matplotlib）保存到 {topic}_assets/，文件名描述性（如 产业链利润桑基图_{CURRENT_YEAR}.png），通过 file_to_url 转公网 URL 后以 ![标题](url) 嵌入。统一使用 visual_style_guide §1 的麦肯锡蓝灰配色与 §5 的 MCK_PALETTE；中文图表必须配置 CJK 字体并设置 axes.unicode_minus = False。Plotly 输出 PNG 需 kaleido，若环境缺失则回退到 HTML 或 matplotlib 横向堆叠条形图（禁止退回饼图）。
• 每个图表前后必须有文字：前置铺垫上下文，后置点出关键观察。
• 置信度披露：LOW 置信度的判断必须用对冲语言（"初步信号显示..."、"未经核实的报道指出..."），禁止与 HIGH 同等口吻陈述。
• 行文调性：禁用"颠覆"、"重塑未来"、"行业领先"等营销话术；保持麦肯锡式克制、专业、数据先行。

阶段 6｜分块安全拼接（避免长文本截断）

行业报告通常 6,000-12,000 字，单次模型输出极易触发截断或丢格式。强制按板块分次写作并使用 assemble_report.py 拼接：

# 步骤 1：先创建空报告骨架（标题与板块编号自动用阶段 0 的当年年份生成；
# 默认读取系统当年，也可显式 --current-year 覆盖，例如复盘历史年份时使用）
python scripts/assemble_report.py init --topic "{topic}" --title "{报告标题}"
# 或：python scripts/assemble_report.py init --topic "{topic}" --title "{报告标题}" --current-year {CURRENT_YEAR}

# 步骤 2：按板块逐次追加（每次只写 1 个板块，避免单轮输出过长）
python scripts/assemble_report.py append --topic "{topic}" --section-key exec_summary --content-file _section_tmp.md
python scripts/assemble_report.py append --topic "{topic}" --section-key part1 --content-file _section_tmp.md
python scripts/assemble_report.py append --topic "{topic}" --section-key part2 --content-file _section_tmp.md
python scripts/assemble_report.py append --topic "{topic}" --section-key part3 --content-file _section_tmp.md
python scripts/assemble_report.py append --topic "{topic}" --section-key part4 --content-file _section_tmp.md
python scripts/assemble_report.py append --topic "{topic}" --section-key part5 --content-file _section_tmp.md

# 步骤 3：完整性校验（字数、必备小节、可视化元素计数）
python scripts/assemble_report.py validate --topic "{topic}"

每次写作一个板块时：

1. 将该板块完整 Markdown 内容写入临时文件 _section_tmp.md（用 write_file 工具）。
2. 调用 assemble_report.py append 将该板块原样追加到最终报告。
3. 拼接完成后运行 validate 自检；若校验失败按提示补写。

【标题注入铁律 / SINGLE-SOURCE-OF-TRUTH】

报告的所有 # 一级标题 与 ## 二级板块标题（执行摘要 / 一二三四五板块 / 结语，共 7 个）在 init 阶段已由脚本一次性注入。权威定义见 scripts/assemble_report.py 的 section_headings() 函数——任何标题文字调整只动该函数一处，其余文档与正文自动跟随。

写作 _section_tmp.md 时必须遵守：

• ❌ 禁止写入任何 # 一级标题或 ## 二级标题
• ✅ 只写 ### 1.1、### 5.4、#### 等三级及以下小节标题与正文
• 违反将被 assemble_report.py append 命令拒绝（exit code=1，返回 H2_HEADING_FORBIDDEN），需删除后重试

这条铁律根除二级标题在最终报告中重复出现的问题——所有二级标题只允许 init 阶段写一次。

使用示例

以下示例中的年份均为说明性，实际值由阶段 0 的时间解算自动决定（执行年=2026 时为 2026/2027；执行年=2027 时为 2027/2028，依此类推）。

示例 1：具身智能（中文 query，垂直硬科技）

• 场景/输入：用户："帮我深度调研一下具身智能赛道，我要决定要不要投这个方向。"（假设执行年 = {CURRENT_YEAR}）
• 预期产出：
  • 具身智能赛道_{CURRENT_YEAR}_evidence.md：≥40 条结构化证据，覆盖大模型本体公司（Figure、1X、银河通用、宇树）、上游传感器与减速器、下游应用场景。
  • 具身智能赛道_{CURRENT_YEAR}_report.md：6,000+ 字五板块报告，含 {CURRENT_YEAR} 市场规模 CAGR 表、上中下游利润桑基图（Plotly Sankey，链宽=毛利率×营收占比）、Figure/1X/特斯拉 Optimus 估值对比表、{CURRENT_YEAR}-{NEXT_YEAR} 量产节奏预测表、避坑清单（数据稀缺、Sim2Real 鸿沟、单价过高的商业化困境）。
  • 具身智能赛道_{CURRENT_YEAR}_assets/：≥5 张图表。
• 关键要点：
  • 上游必须细化到伺服电机、谐波减速器、力矩传感器等卡脖子环节及对应公司毛利率。
  • 必须包含反方观点（如 LeCun 对 LLM 路径的质疑）。
  • 决策建议要分场景（VC 早期投资 / CVC 战略投资 / 创业入局）给出差异化路径。

示例 2：GLP-1 减肥药（消费医疗，全球视角）

• 场景/输入：用户："分析一下 GLP-1 减肥药这个赛道最新的趋势和投资机会。"
• 预期产出：
  • 强调全球（诺和诺德、礼来）vs 国产（信达、华东医药、恒瑞）双轨对比。
  • 第二板块利润格局必须包含 API 原料药 → 制剂 → 渠道（药店/医院/电商）的逐层利润率。
  • 第三板块痛点要覆盖：医保支付、停药反弹、长期安全性、专利悬崖（按执行年实际状态描述，如司美格鲁肽中国专利到期窗口）。
  • 第四板块红利点：口服 GLP-1、双靶点（GLP-1/GIP）、第三代长效制剂。
• 关键要点：与示例 1 不同，本场景政策与合规风险权重极高，第三、五板块需放大处理，并强制加载 weko-data（医药法规）。

示例 3：AI 编程助手（toC/toB 双重市场）

• 场景/输入：用户："AI 编程赛道现在的格局如何？我们公司想做企业级 AI Coding 产品。"
• 预期产出：默认决策意图为"toB 入局"，第五板块商业化建议突出企业级与 toC 工具的差异化路径。第二板块产业链图谱需重构为"模型层 → 工具层（Cursor/Copilot/Windsurf/Cline）→ 渠道层（IDE 插件/CLI/Cloud IDE）"。
• 关键要点：与示例 1（硬科技）和示例 2（医药）不同，AI 编程赛道迭代周期以月计，时效要求极高，证据中 6 个月以上的数据需明确标注时效降级。

示例 4：Southeast Asia EV market（English query, regional market research）

• Input: User: "Do a deep-dive on the electric two-wheeler market in Southeast Asia, including competitive landscape and market share by country."
• Expected output: Five-section English report SEA_E2W_market_{CURRENT_YEAR}_report.md + evidence file. Section 1 must break down market size by country (Indonesia / Vietnam / Thailand / Philippines / Malaysia). Section 2 must compare Yadea, VinFast, Selis, Gogoro and local players with country-level market share. Section 4 must cover battery-swapping policy and subsidy timelines per country.
• Key points: Output language matches query language (English query → English report). Regional market research requires per-country granularity in Sections 1-2; pan-regional aggregation alone is insufficient. Currency in USD with local-currency in parentheses for key figures.

资源索引

注意事项

• 仅在需要时加载参考文件，保持上下文简洁；阶段 1 必读 industry_research_framework.md，阶段 5 必读 report_template.md。
• 时效性是高客单价交付的生命线：早于 {LAST_YEAR} 的数据必须显式降级或替换；{LAST_YEAR} H2 至 {CURRENT_YEAR} 的证据为主力；前瞻判断聚焦 {CURRENT_YEAR}-{NEXT_YEAR}。所有占位符在阶段 0 解算后自动随当年滚动，无需手动维护。
• 数字必须可溯源：核心数字若找不到深链来源，宁可写"暂无公开权威数据"也不要编造。
• 长报告必须分块拼接：禁止试图一次性输出 6,000+ 字完整报告，必须按阶段 6 流程逐板块写入再拼接，避免截断与格式丢失。
• 专业 Skill 优先：宏观/财务/法规等数据领域优先调用专业 Skill，search_web 仅作叙事性补充与兜底。
• 报告产出在用户当前工作目录（./），Skill 自身目录只读。