tomevault-io /insights — 商业洞察提取器
从任意文章中提取结构化、可操作的商业洞察。
核心理念
"读文章不是为了知道作者说了什么，而是为了发现作者没说出来的商业逻辑。"
这个 skill 训练的是一个商业分析师的阅读方式：
- 快速抓住文章在说什么（表层信息）
- 深挖背后的商业逻辑和战略意图（深层模式）
- 提炼出可操作的洞察和可迁移的模式（输出价值）
定位
| Skill | 职责 | 输出 |
|---|---|---|
/read |
学术深度阅读 — 论证结构分析 | 学术分析报告 |
/insights |
商业洞察提取 — 战略模式识别 | 结构化商业洞察 |
/note |
知识沉淀 — 原子卡片 | Obsidian 卡片组 |
典型工作流: /insights 分析文章 → 讨论 → /note 存入 Obsidian
⚠️
/insights不写 vault。所有写入由/note的双提议通道统一处理，详见SCHEMA.md§2 / §4。
Behavior
Step 0: 获取文章
根据来源类型获取内容：
| 来源类型 | 处理方式 |
|---|---|
| URL | WebFetch 抓取并解析 |
本地文件 (.pdf, .md, .txt, .html) |
Read 工具读取 |
| Obsidian 关键词 | obsidian search:context query="..." → obsidian read path="..."（CLI 不可用时回退 MCP） |
| 粘贴文本 | 直接分析 |
| 未提供 | 询问用户来源 |
长文处理：超过 5000 字的内容，先快速扫描全文结构，再聚焦关键段落深入分析。
Step 1: 文章定位（30 秒鸟瞰）
快速提取元信息，判断文章类型和分析策略：
📋 文章概况
━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━
标题：[标题]
来源：[媒体/作者/机构]
日期：[发表日期]
类型：[行业报告 / 深度报道 / 创始人访谈 / 产品分析 / 趋势评论 / 案例研究]
行业：[所属行业]
核心主题：[一句话概括]
━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━
Step 2: 核心洞察提取（重点）
这是分析的核心。从文章中提取 3-7 条高价值洞察。
每条洞察必须包含三层：
### 洞察 N：[一句话标题]
**原文信号**：[文章中的关键段落/数据/引言 — 证据来源]
**深层逻辑**：[这个信号背后的商业逻辑是什么？为什么重要？]
**可迁移模式**：[这个模式可以如何应用到其他场景？对我们有什么启发？]
洞察质量标准：
- 不是文章摘要（"文章说了 X"），而是分析性判断（"X 背后意味着 Y"）
- 必须有原文证据支撑，不臆断
- 必须有可迁移性——纯 domain-specific 的事实不算洞察
- 优先提取反直觉和非显而易见的洞察
Step 3: 根据 focus 参数深入分析
focus=general（默认）
输出「商业模式画布」快速扫描：
| 维度 | 发现 |
|---|---|
| 价值主张 | [文章揭示了什么价值创造方式？] |
| 收入模式 | [怎么赚钱？有什么创新？] |
| 竞争壁垒 | [护城河在哪？可持续吗？] |
| 增长引擎 | [靠什么驱动增长？] |
| 风险信号 | [文章中隐含的风险是什么？] |
focus=ai
输出「AI 切入点分析」：
🤖 AI 机会识别
━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━
## 当前痛点 → AI 解法
| 痛点 | AI 解法 | 技术成熟度 | 预期 ROI |
|------|---------|-----------|---------|
| [痛点1] | [解法] | [高/中/低] | [高/中/低] |
## 价值链 AI 化路径
[识别文章中描述的业务流程，标注 AI 可介入的环节]
## 竞争对手 AI 动态
[文章中提到的竞争对手 AI 布局]
## 建议优先级
1. [Quick Win — 最快能落地的 AI 应用]
2. [Strategic Bet — 需要投入但回报大的方向]
3. [Watch — 值得关注但时机未到]
focus=strategy
输出「战略信号解读」：
🎯 战略信号
━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━
## 显性信号（文章明确提到的）
- [信号1]：[含义]
- [信号2]：[含义]
## 隐性信号（字里行间推断的）
- [信号1]：[推断依据] → [可能意味着...]
- [信号2]：[推断依据] → [可能意味着...]
## 战略定位判断
[基于波特五力或其他适用框架的简要分析]
## 时间窗口
[这些信号暗示的时间节奏和窗口期]
focus=model
输出「商业模式拆解」：
💰 商业模式拆解
━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━
## 价值创造
- 解决了谁的什么问题？
- 为什么是现在？（时机因素）
## 价值传递
- 如何触达用户？
- 用户获取成本结构
## 价值捕获
- 收入模式详解
- 定价策略分析
- 利润结构
## 飞轮效应
[识别文章中描述的正反馈循环]
## 类比分析
[这个模式像谁？跟已知商业模式的异同]
Step 4: So What? — 行动导向总结
每次分析必须以行动导向结尾：
## 💡 So What?
### 一句话核心启发
[整篇文章最值得记住的一个 insight]
### 立即可做
- [行动1]：[具体到可以今天就做的事]
- [行动2]
### 值得深挖
- [方向1]：[为什么值得继续研究]
- [方向2]
### 关键概念索引
【概念1】【概念2】【概念3】...
---
🔍 要对某条洞察深挖？直接告诉我编号
💡 要存入 Obsidian？输入 `/note`
Step 5: 存入 Obsidian（交给 /note）
/insights 本身不写 vault。分析输出完成后，如果用户想沉淀，由 /note 走双提议通道统一写入。这和 SCHEMA.md §2 "/note 是 vault 唯一写入通道" 对齐，和 /read 的 handoff 风格一致。
为什么这样：
- 四维标签体系（
type/+domain/+category/+mastery/）只有/note会按规范生成，/insights自动打的旧前缀（industry/*/focus/*/source/*/topic/*）不在 SCHEMA.md §10 的许可集合里 /note的 Wikilink 双提议和 Atomic Card 双提议让人在 loop 里，避免 AI 擅自编织知识图谱- 单一写入通道让
/lint的体检有唯一来源，MOC 索引也只需要监听一个信号
所以 Step 5 的行为就一条：在对话输出末尾提示用户 💡 要存入 Obsidian？输入 /note，然后停手等用户决策。
输出格式
完整输出结构：
# [文章标题] — 商业洞察
> 来源：[来源] | 日期：[日期] | 行业：[行业]
> 分析视角：[focus 类型] | 分析日期：[今天]
## 1. 文章概况
[Step 1]
## 2. 核心洞察
[Step 2 — 3-7 条结构化洞察]
## 3. [根据 focus 的深入分析标题]
[Step 3]
## 4. So What?
[Step 4 — 行动导向总结]
特殊场景处理
创始人访谈 / CEO 采访
- 关注说了什么和没说什么的对比
- 识别公关话术 vs 真实信号
- 提取隐含的战略方向
行业报告
- 聚焦数据点和趋势线
- 质疑数据来源和方法论
- 识别报告的立场偏见（谁出的报告？为什么？）
产品发布 / 新闻稿
- 剥离营销语言，提取真实产品差异化
- 分析定位策略和目标市场选择
- 对比竞品动作的时间线
多篇文章批量分析
当用户提供多篇文章时：
- 逐篇快速提取核心洞察（每篇 3 条）
- 最后输出一个交叉分析：跨文章的共同模式、矛盾信号、综合判断
与其他 Skill 的协作
| 场景 | 组合 |
|---|---|
| 洞察需要沉淀 / 拆原子卡片 | /insights → /note（双提议写入） |
| 洞察触发深度研究 | /insights → content-research-writer |
| 洞察用于投资分析 | /insights --focus strategy → Finance 工作区 |
| 批量行业扫描 | 多次 /insights → 交叉分析 |
Notes
- 【】标记遵循
/noteskill 的双链标记规范，方便 Obsidian 内双链 - 对推断性内容明确标注"此为分析者推断，非文章原文"
- 不编造文章中不存在的数据或事实
- 分析应有立场但标注立场——如果某个洞察是乐观/悲观的，说明为什么
- 如果文章质量低或信息密度不足，直接告诉用户"这篇文章的信息密度较低，核心要点如下：..."，不强行凑洞察数量
/insights不写 vault。沉淀由/note的双提议通道统一处理，对齐SCHEMA.md§2 "/note 是 vault 唯一写入通道"
Source: owenliang60-ship-it/knowledge-mgmt — distributed by TomeVault.