/projects/competitorresearch
Competitor Research Agent
从竞品网站扫描生成竞争情报
Competitor Research Agent
从竞品网站扫描生成竞争情报
09
项目背景05
问题
Competitor Research Agent 处理的核心挑战，是把从竞品网站扫描生成竞争情报变成有用、可治理且可解释的产品系统。
解决方案
Competitor Research Agent 围绕明确边界、可检查工作流和可见交付技术栈组织，其中包括 Next.js、React、TypeScript和AI SDK。
挑战
难点在于让自主性、数据、工具和用户体验保持一致，同时不隐藏运营风险或证据。
创新
关键创新是把架构当成产品界面：能力通过责任、证明路径和交付边界来说明。
领域专业性
Competitor Research Agent 展示了产品架构、智能体系统、数据边界、控制机制和交付纪律上的应用工程判断。
案例研究证据11
结果
- Competitor Research Agent 将技术概念转化为可审查的产品工作流。
- 它把系统行为绑定到明确边界、证据和操作者可见的决策上。
- 它为相关 AI 产品工作提供可复用的架构参考。
架构决策
- Competitor Research Agent 将用户界面与运行时和数据控制职责分开。
- Next.js 以及相关技术栈被呈现为交付决策，而不是装饰性标签。
- 证据、评审和运营状态保持可见，因此系统在使用后仍可被检查。
领域专业信号
智能体架构治理证据运营 UXNext.js
技术深潜09
Competitor Research Agent 是关于从竞品网站扫描生成竞争情报的案例研究。从竞品网站扫描生成竞争情报 其深度在于让边界、证据、工作流和交付选择变得可读。
系统边界
Competitor Research Agent 通过清晰职责来组织，避免用户、工具、数据和运行时动作混成一次不透明的模型调用。
工作流模型
该流程将规划、工具使用、状态和结果呈现区分开，让操作者能理解发生了什么以及为什么发生。
证据姿态
页面把证明、日志、产物和评审路径视为产品的一部分，而不是可选的实现备注。
交付技术栈
Next.js 支撑实现叙事，周边技术栈承载持久化、界面、自动化和验证。
这证明了什么
- Competitor Research Agent 将架构决策呈现为可检查的产品内容。
- Next.js 与运行时和交付职责相连接。
- 该案例区分了用户体验、工具边界、证据和运营。
- 这种结构可复用于相邻的智能体产品系统。
6指标: intel tools
4指标: max scraped pages
3-5s指标: target extraction
1指标: battlecard
2指标: model paths
60s指标: stream cap
技术栈09
Next.js
技术理由: Works well for a single-task research app because scraping, extraction, and chat can share one project boundary.
React
技术理由: Supports rich views for pricing, features, stack badges, weaknesses, and battlecards.
TypeScript
技术理由: Keeps the scraped profile, tool calls, and UI view models aligned as the analysis expands.
AI SDK
技术理由: Runs the follow-up analyst loop with tool calling, streaming, and model-provider flexibility.
Google Gemini
技术理由: Handles the conversational competitor analyst path through a fast tool-loop model.
OpenAI
技术理由: Used for the structured extraction pass where a clean CompetitorData object matters.
Firecrawl
技术理由: Chosen because competitor intelligence starts with mapping and scraping real public pages.
Upstash
技术理由: Adds a small, durable rate-limit guard for public scraping and agent calls.
Zod
技术理由: Defines the competitor schema so extraction errors do not leak into the UI.
已实现工具09
scrapeCompetitor
已实现工具: Coordinates URL validation, rate limiting, Firecrawl mapping, page scraping, and extraction.
Firecrawl map
已实现工具: Finds the pricing, features, about, and proof pages that usually carry market intelligence.
OpenAI structured extraction
已实现工具: Converts scraped markdown into the normalized competitor profile used by the app.
analyzePositioning
已实现工具: Extracts value propositions, audience, messaging themes, and category position.
extractPricing
已实现工具: Builds a structured view of tiers, billing model, trials, and free-plan details.
identifyFeatures
已实现工具: Turns page content into feature groups, gaps, and comparison-ready matrices.
analyzeTechStack
已实现工具: Detects frameworks, infrastructure, analytics, auth, payments, and overall modernity.
findWeaknesses
已实现工具: Highlights exploitable gaps, complaints, and positioning opportunities.
generateBattlecard
已实现工具: Creates objections, responses, winning tactics, and traps to avoid.