# Competition Analyzer

> 分析各类竞赛/比赛并指导制备参赛交付物。当用户提出"分析比赛/了解比赛/比赛需要什么技能/比赛知识储备/比赛选题/写项目申报书/比赛Demo或演示视频/技术架构图/现场演示/比赛源码仓库/找比赛可用的GitHub开源项目/工程方向agent开发"等需求时使用。覆盖创新创业类（挑战杯、互联网+）与AI智能体/大模型应用类赛事（如"海之子"杯AI智能体挑战计划），输出：①比赛规则、赛程与评分解读 ②所需技能与知识储备清单 ③选题方向分析与落地思路 ④五大交付物（项目申报书、≤5分钟Demo/演示视频、1页技术架构图、现场演示、完整源码仓库）制备指引 ⑤GitHub成品级开源项目检索与复用建议。

- Skill: `reinforce52/competition-analyzer` (Agent Skill, multi-file: 7 files)
- Install (CLI): `npx skillmds@latest add reinforce52/competition-analyzer`
- Raw SKILL.md: https://api.skillmd.com/api/skills/reinforce52/competition-analyzer/raw
- Safety review: pending
- Works with: Claude Code, Claude.ai, OpenAI Codex
- Category: AI & ML
- Author: reinforce52 (https://skillmd.com/u/reinforce52)
- Updated: 2026-09-22
- Page: https://skillmd.com/skills/reinforce52/competition-analyzer

---


# 比赛分析（Competition Analyzer）

面向竞赛全流程的分析与交付物制备技能。核心目标：让参赛者**花最少时间看清比赛、选对方向、交付能过评审的成品**。

## 工作流总览

六步闭环，按顺序执行；用户只需要其中某一步时，只做那一步并说明其他步骤可后续补充：

1. **收集输入** — 比赛信息（名称/通知链接/官方文件）、用户背景（专业/技术栈/时间/团队）、目标交付物
2. **比赛解读** — 结构化输出赛制、时间线、交付物、评分标准（见 references/competition-profile.md）
3. **技能与知识储备** — 按"硬技能/软技能/知识储备"列出清单并标注优先级
4. **选题方向思考** — 评分反推 → 交集定位 → 差异化 → 验证清单（见 references/topic-thinking.md）
5. **交付物制备** — 按阶段生产申报书/Demo/架构图/现场演示/源码仓库（见 references/deliverables.md）
6. **GitHub 开源检索** — 优先找成品级项目，评估许可证与复用方式（见 references/github-reuse.md）

## 步骤 1：收集输入

- 优先用 `web_fetch` 读取比赛官方通知原文（官网/教务处/学院通知），不依赖二手转述。
- 必须问清：比赛名称与链接、当前距各阶段截止还有多久、团队人数与分工、官方要求的交付物清单、用户专业与已有技术栈。
- 检查是否已有官方模板（申报书/承诺书模板常在赛事 QQ 群或官网附件），模板优先于通用模板。

## 步骤 2：比赛解读

输出固定结构（用表格，逐项来自官方原文，附来源链接）：

- 主办方与赛事定位
- 主题与赛道（逐条列出，判断用户选择落在哪条赛道）
- 完整时间线：报名截止 → 初赛 → 决赛 → 总决赛，每个节点的日期、形式、交付物
- 每个阶段的**评审标准/交付物要求**（原文为准，如"不接受仅以PPT展示"）
- 奖项与激励（实物、资格、招聘通道、算力等）
- 参赛限制与原创要求
- 官方信息源（QQ群、联系老师、模板获取方式）

输出后存入 `references/competition-profile.md`（若为"海之子"杯可复用已有档案；其他比赛按该文件内"通用档案模板"重写）。

## 步骤 3：技能与知识储备

输出三列清单，结合用户已有底子标注状态：

| 类别 | 技能/知识 | 已有 | 需补 | 优先级 |
|---|---|---|---|---|
| 硬技能 | Python、Agent框架、前端UI、部署… | ✅/❌ | — | P0/P1/P2 |

- AI 智能体类比赛默认覆盖：Agent 编排（LangChain/LangGraph/CrewAI/Dify）、提示词工程、RAG、MCP/工具调用、前端（Gradio/Streamlit）、模型部署（本地 Ollama 适配消费级显卡 vs 云端 API）。
- 工程类比赛额外覆盖：领域标准规范（如建筑碳排放 GB/T 51366-2019）、专业计算工具、数据获取渠道。
- P0 = 初赛前必须掌握；P1 = 决赛前；P2 = 有富余时间再补。

## 步骤 4：选题方向思考

按"评分点反推 → 交集定位 → 差异化 → 验证清单"四步（详见 references/topic-thinking.md）：

- **评分反推**：评审看什么就做什么——通常评审看"真实工程问题 + 可运行闭环 + 创新点 + 落地价值"，选题必须能同时满足。
- **交集定位**：用户专业优势 ∩ 比赛赛道 ∩ 数据/算力/时间可行性 三者的交集，才是好选题。
- **差异化**：选择有专业门槛的细分场景（外行做不了），避免撞车往届热门。
- **验证清单**（逐项打分）：可行性、新颖性、可演示性（3 分钟讲得清）、数据可得性、团队能力匹配。
- 输出 2-3 个候选方向，每个附：场景、使用者、核心能力、所需数据、差异化、风险。

## 步骤 5：交付物制备

按比赛阶段生产对应交付物，详细指南见 `references/deliverables.md`：

- **初赛**：① 项目申报书（项目背景/技术方案/创新点/应用场景）② 可运行 Demo 或 ≤5 分钟演示视频 ③ 1 页技术架构图（系统架构 + 数据流）
- **决赛**：① 可现场演示的可交互原型（不接受仅 PPT）② 完整源码仓库（含 README）
- **全国赛**：追加技术文档（系统架构/核心算法/接口说明）与路演材料

模板资源：`assets/application_doc_template.md`（申报书）、`assets/architecture_diagram_template.md`（架构图）。

## 步骤 6：GitHub 开源检索

优先满足"成品级可用"，按四档递进（详见 references/github-reuse.md）：

1. **克隆+配置即跑**（成品）：直接部署，最快拿到可演示 Demo
2. **完整但需二开**：换场景/换数据，改造成本可控
3. **框架/组件**：自己拼装（LangGraph/Dify/Ollama 等）
4. **思路参考**：读架构与代码，从零实现

每条候选必须核验：许可证（MIT/Apache-2.0 优先，GPL 慎用）、最近更新时间、star 与文档完整度、技术栈匹配度。

## 输出规范

- 所有事实（赛制、日期、奖项、项目信息）附官方/来源链接；标注"已查证"与"以官方通知为准"。
- 涉及时间线、系统架构、对比关系时，用可视化呈现（ECharts/SVG/HTML 或 Mermaid），不要只给文字。
- 交付物优先套官方模板；无官方模板时使用 `assets/` 下通用模板并保留占位说明。
- 全文使用用户所用语言。

## 资源索引

| 文件 | 内容 | 何时读取 |
|---|---|---|
| references/competition-profile.md | "海之子"杯档案 + 通用比赛档案模板 | 步骤 2 |
| references/topic-thinking.md | 选题框架 + 绿色建筑赛道落地思路 | 步骤 4 |
| references/deliverables.md | 五大交付物详细制备指南 | 步骤 5 |
| references/github-reuse.md | GitHub 检索方法 + 已检索成品项目清单 | 步骤 6 |
| assets/application_doc_template.md | 项目申报书模板 | 写申报书时 |
| assets/architecture_diagram_template.md | 1 页架构图要素与 Mermaid 示例 | 画架构图时 |