S
SkillNav

竞品分析

Universal

competitors-analysis

by daymade

基于本地克隆仓库做竞品跟踪与分析，逐项核对代码、依赖、版本和 Git 记录并标注文件行号来源，拒绝臆测，适合建立竞品画像、输出对比结论和持续更新竞争情报。

做竞品追踪和对标时，它能直接基于克隆代码给出有证据的分析，比靠猜测的竞调更靠谱。

855数据与存储未扫描2026年3月5日

安装

claude skill add --url github.com/daymade/claude-code-skills/tree/main/competitors-analysis

文档

Competitors Analysis

Evidence-based competitor tracking and analysis. All analysis must be based on actual code, never assumptions.

CRITICAL: Evidence-Based Analysis Only

在开始分析之前，必须完成以下检查：

Pre-Analysis Checklist

  • 仓库已克隆到本地 ~/Workspace/competitors/{product}/
  • 可以 ls 查看目录结构
  • 可以 cat package.json (或等效配置文件) 读取版本信息
  • 可以 git log -1 确认代码是最新的

如果以上任何一项未完成，停止分析，先完成克隆操作。

Forbidden Patterns (禁止的表述)

禁止原因
"推测..."、"可能..."、"应该..."没有证据支持
"架构图（推测版）"必须基于实际代码
"未公开"、"未披露"如果不知道就不要写
不带来源的技术细节无法验证

Required Patterns (必须的表述)

正确格式示例
技术细节 + (来源: 文件:行号)"使用 better-sqlite3 (来源: package.json:88)"
直接引用 + 来源> "description text" (README.md:3)
版本号 + 来源"版本 1.3.3 (package.json:2)"

Analysis Workflow

Step 1: Clone Repository (必须)

bash
# 创建产品竞品目录
mkdir -p ~/Workspace/competitors/{product-name}

# 克隆竞品仓库 (SSH，失败则重试)
cd ~/Workspace/competitors/{product-name}
git clone git@github.com:org/repo.git

网络问题处理: 中国网络环境可能需要多次重试。

Step 2: Gather Facts (收集事实)

按顺序读取以下文件，记录关键信息：

2.1 项目元数据

bash
# Node.js 项目
cat package.json | head -20      # name, version, description
cat package.json | grep -A50 dependencies

# Python 项目
cat pyproject.toml               # 或 setup.py, requirements.txt

# Rust 项目
cat Cargo.toml

2.2 项目结构

bash
ls -la                           # 根目录结构
ls src/                          # 源码目录
find . -name "*.md" -maxdepth 2  # 文档文件

2.3 核心模块

bash
# 找到入口文件
cat main.js | head -50           # 或 index.js, app.py, main.rs
# 找到核心 helpers/utils
ls src/helpers/ 2>/dev/null || ls src/utils/ 2>/dev/null

2.4 README 和文档

bash
cat README.md | head -100        # 官方描述
cat CHANGELOG.md | head -50      # 版本历史

Step 3: Deep Dive (深入分析)

针对关键技术点，读取具体实现文件：

bash
# 示例：分析 ASR 实现
cat src/helpers/whisper.js       # 读取完整文件
grep -n "class.*Manager" src/helpers/*.js  # 找到核心类

记录格式:

code
| 文件 | 行号 | 发现 |
|------|------|------|
| whisper.js | 33-35 | 使用 WhisperServerManager |

Step 4: Write Profile (撰写分析)

使用 references/profile_template.md 模板，确保每个技术细节都有来源标注。

Step 5: Post-Analysis Verification (分析后验证)

自检清单:

  • 所有版本号都有来源标注？
  • 所有技术栈都来自 package.json/Cargo.toml？
  • 架构描述基于实际代码结构？
  • 没有"推测"、"可能"等词汇？
  • 对比表中的竞品数据都有来源？

Directory Structure

code
~/Workspace/competitors/
├── flowzero/              # Flowzero 的竞品
│   ├── openwhispr/        # git clone 的仓库
│   └── ...
└── {product-name}/        # 其他产品

{project}/docs/competitors/
├── README.md              # 索引（标注分析状态）
├── profiles/
│   └── {competitor}.md    # 基于代码的分析
├── landscape/
├── insights/
└── updates/2026/

Templates and Checklists

文档用途
references/profile_template.md竞品分析报告模板
references/analysis_checklist.md分析前/中/后检查清单

关键要求:

  1. 顶部必须标注数据来源路径和 commit hash
  2. 每个技术细节必须有 (来源: 文件:行号)
  3. 引用 README 内容必须标注行号
  4. 无法验证的标记为"待验证"并说明原因
  5. 分析完成后运行检查清单中的验证命令

Tech Stack Analysis Guide

Node.js / JavaScript

信息来源文件关键字段
版本package.jsonversion
依赖package.jsondependencies, devDependencies
入口package.jsonmain, scripts.start
框架package.jsonelectron, react, vite 等

Python

信息来源文件关键字段
版本pyproject.toml[project].version
依赖pyproject.toml / requirements.txtdependencies
入口pyproject.toml[project.scripts]

Rust

信息来源文件关键字段
版本Cargo.toml[package].version
依赖Cargo.toml[dependencies]

Common Mistakes to Avoid

1. 跳过克隆直接分析

❌ 错误: 从 GitHub 网页或 WebFetch 获取信息后直接写分析 ✅ 正确: 必须 git clone 到本地，用 Read 工具读取文件

2. 混合事实和推测

❌ 错误:

markdown
## 技术栈
- Electron (推测基于桌面应用特征)
- 可能使用了 React

✅ 正确:

markdown
## 技术栈 (来源: package.json)
| 依赖 | 版本 | 来源 |
|------|------|------|
| electron | 36.9.5 | package.json:68 |
| react | 19.1.0 | package.json:96 |

3. 使用过时信息

❌ 错误: 分析时不检查 git log，使用过时的代码 ✅ 正确: 分析前运行 git pull，记录分析时的 commit hash

4. 对比表中竞品数据无来源

❌ 错误:

markdown
| 维度 | 竞品 | 我们 |
|------|------|------|
| 支持语言 | 25种 | 58种 |

✅ 正确:

markdown
| 维度 | 竞品 | 来源 | 我们 |
|------|------|------|------|
| 支持语言 | 25种 | modelRegistryData.json:9-35 | 58种 (FunASR 官方文档) |

Scripts

See scripts/update-competitors.sh for repository management.

bash
./scripts/update-competitors.sh clone   # 克隆所有竞品
./scripts/update-competitors.sh pull    # 更新所有竞品
./scripts/update-competitors.sh status  # 检查状态

相关 Skills

资深架构师

by alirezarezvani

Universal
热门

适合系统设计评审、ADR记录和扩展性规划，分析依赖与耦合，权衡单体或微服务、数据库与技术栈选型，并输出Mermaid、PlantUML、ASCII架构图。

✎ 搞系统设计、技术选型和扩展规划时，用它能更快理清架构决策与依赖关系，还能直接产出 Mermaid/PlantUML 图，方案讨论效率很高。

数据与存储
未扫描11.5k

迁移架构师

by alirezarezvani

Universal
热门

为数据库、API 与基础设施迁移制定分阶段零停机方案，提前校验兼容性与风险，生成回滚策略、验证关卡和时间线，适合复杂系统平滑切换。

✎ 做数据库与存储迁移时，用它统一梳理表结构和数据搬迁流程，架构视角更完整，复杂迁移也更稳。

数据与存储
未扫描11.5k

资深数据工程师

by alirezarezvani

Universal
热门

聚焦生产级数据工程，覆盖 ETL/ELT、批处理与流式管道、数据建模、Airflow/dbt/Spark 优化和数据质量治理，适合设计数据架构、搭建现代数据栈与排查性能问题。

✎ 复杂数据管道、ETL/ELT 和治理难题交给它，凭 Spark、Airflow、dbt 等现代数据栈经验，能更稳地搭起可扩展的数据基础设施。

数据与存储
未扫描11.5k

相关 MCP 服务

PostgreSQL 数据库

编辑精选

by Anthropic

热门

PostgreSQL 是让 Claude 直接查询和管理你的数据库的 MCP 服务器。

✎ 这个服务器解决了开发者需要手动编写 SQL 查询的痛点，特别适合数据分析师或后端开发者快速探索数据库结构。不过，由于是参考实现，生产环境使用前务必评估安全风险，别指望它能处理复杂事务。

数据与存储
83.9k

SQLite 数据库

编辑精选

by Anthropic

热门

SQLite 是让 AI 直接查询本地数据库进行数据分析的 MCP 服务器。

✎ 这个服务器解决了 AI 无法直接访问 SQLite 数据库的问题，适合需要快速分析本地数据集的开发者。不过，作为参考实现，它可能缺乏生产级的安全特性，建议在受控环境中使用。

数据与存储
83.9k

Firecrawl 智能爬虫

编辑精选

by Firecrawl

热门

Firecrawl 是让 AI 直接抓取网页并提取结构化数据的 MCP 服务器。

✎ 它解决了手动写爬虫的麻烦，让 Claude 能直接访问动态网页内容。最适合需要实时数据的研究者或开发者，比如监控竞品价格或抓取新闻。但要注意，它依赖第三方 API，可能涉及隐私和成本问题。

数据与存储
6.1k

评论