research-company

核心用法

research-company 是一款面向 B2B 商业场景的自动化研究工具。用户只需提供目标公司 URL，Skill 即可并行执行四项信息搜集任务：抓取官网信息、搜索融资动态、调研竞争格局、梳理高管团队。随后将分散数据结构化整理为 JSON，最终通过 reportlab 渲染为排版精美的 PDF 报告，包含执行摘要、公司画像、产品服务、目标市场、竞争分析、行业趋势、最新动态及销售线索建议等完整模块。

显著优点

1. 端到端自动化：从原始 URL 到可下载 PDF 全程无需人工干预，大幅降低情报搜集的时间成本。
2. 专业输出质量：报告采用商业级排版，可直接用于客户会议、投资评审或内部决策。
3. 结构化数据沉淀：中间 JSON 格式便于二次开发，可对接 CRM、BI 系统或知识库。
4. 并行搜索策略：四项查询并发执行，在有限上下文窗口内最大化信息获取效率。
5. 质量管控机制：明确禁止信息捏造，强制标注信息缺口，确保报告可信度。

潜在缺点与局限性

1. 信息时效依赖：研究数据完全依赖公开网络源，非上市公司或早期初创企业可能存在信息盲区。
2. PDF 定制受限：reportlab 模板固定，用户无法灵活调整视觉风格或增删章节。
3. 语言与地域偏差：搜索关键词为英文，对非英语市场企业的覆盖可能不完整。
4. 无实时数据接口：未对接 Crunchbase、PitchBook 等付费数据库，深度财务数据获取能力有限。

适合的目标群体

• B2B 销售团队：快速制作客户画像，制定精准触达策略
• 风险投资与 PE 机构：初步尽职调查与赛道扫描
• 企业战略与竞争情报部门：监测竞品动态与市场格局
• 咨询与投行分析师：高效产出行业研究底稿

使用风险

1. 依赖项稳定性：reportlab 版本更新可能导致渲染异常，建议锁定依赖版本。
2. 网络搜索配额：高频调用可能触发 Claude 的搜索速率限制。
3. 数据合规注意：生成的报告含第三方企业信息，对外分发需遵守相关隐私与商业秘密法规。
4. 文件系统权限：需确保运行环境对临时目录及输出路径具备读写权限。

核心用法

research-company 是一个专注于 B2B 公司研究的 Agent Skill。用户只需提供一个公司网址，该 Skill 便会自动执行一个四阶段的工作流：首先通过网页抓取和并行搜索收集公司的基本信息、融资新闻、竞争对手和市场地位；随后将研究数据构建为结构化的 JSON 对象，涵盖公司概况、产品、目标市场、用例、竞争分析、行业动态及潜在客户开发等维度；接着利用 reportlab 库将 JSON 数据渲染为一份排版精美的专业 PDF 报告；最终将生成的报告交付给用户下载。整个流程旨在将数小时的人工调研浓缩为几分钟的自动化报告生成。

显著优点

• 高度自动化：从网址输入到 PDF 输出，实现了研究、分析、排版、交付的全流程自动化，极大提升了 B2B 销售、市场分析和投资研究领域的工作效率。
• 报告结构专业完整：输出的 PDF 并非简单的网页摘要，而是包含执行摘要、产品分析、竞争格局、行业趋势、潜在客户开发（Lead Gen）策略等多达 11 个模块的深度报告，可直接用于商业决策或客户会议。
• 代码质量与安全性良好：核心 Python 代码仅依赖知名的 reportlab 库进行本地 PDF 生成，不包含任何网络通信、危险函数调用或恶意行为。经 CLS-Certify 认证，代码在静态分析、动态行为、依赖审计和网络分析维度的综合得分为 92 分（A 级）。
• 注重信息准确性：Skill 指令明确要求研究基于可观测证据、注明信息来源，并严禁编造信息，为报告质量提供了基础保障。

潜在缺点或局限性

• 来源可信度受限：该 Skill 由个人开发者 tomstools11 维护并托管于社区仓库，未经组织级安全审计和代码审查，存在一定的供应链风险。
• 研究深度依赖公开数据：所有信息均来源于公开网页和搜索引擎，对于私有企业、信息极度不透明的公司或新兴市场的报道可能不够深入，报告的完整性和洞察力受限于可获取的公开情报。
• 依赖管理较粗放：通过 pip install reportlab 直接安装依赖，未使用 requirements.txt 锁定版本，可能因未来的库版本更新引入兼容性问题或新漏洞，影响 Skill 的稳定性。
• 缺少合规声明：未明确开源许可证，这会给企业用户带来法律合规上的不确定性，限制了代码的自由使用和分发。

适合的目标群体

此 Skill 非常适合需要快速获取商业情报的 B2B 销售人员、客户经理、市场研究员、战略分析师、投资经理以及创业者。对于需要定期生成大量客户或潜在合作伙伴背景报告的团队，该工具能显著节省时间成本，将重复性的人工调研工作自动化。

使用该技能可能存在的常规风险

• 供应链风险（主要）：作为 T3 信任等级的个人开发者项目，仓库未来可能被遗弃、被恶意接管或引入未经审查的代码变更。建议企业用户在内部仓库 fork 后使用。
• 数据残留风险（轻微）：研究数据会暂存于 /tmp 目录，Python 脚本执行后没有显式清理，可能在某些长期运行的系统中导致敏感公司数据残留。
• 输出质量风险：尽管 Skill 要求不编造信息，但在信息稀缺时，生成的报告内容可能较为空洞，或对已过时的网络信息缺乏判断力。最终的 PDF 报告仍需人工复核其准确性和时效性。