132K星项目里的市场调研Skill，让我重新理解了什么叫”以证据为基础”

做市场调研，最怕的是什么？花了一周时间扒报告，结论写出来老板问”数据哪来的”，你心里一虚——来自某供应商官网，ta 当然希望你用我的产品。

这就是为什么我看到 ECC 仓库里的 market-research Skill 时，眼睛一亮。它不是又一个”让 AI 帮你查资料”的套话技能包，而是真正在解决一个认知问题的工程框架：让你的调研结论，对得起你下的判断。

它的核心逻辑很简单

激活条件写得很清楚：做 TAM/SAM/SOM 估算、做竞品对比、做投资尽职调查、做技术扫描——这些场景有个共同点：你最终要做一个决策，而不是交一份文献综述。

所以它要求的输出结构是：执行摘要 → 关键发现 → 含义 → 风险与保留意见 → 建议 → 来源。每一段都有明确的存在理由，不是为了好看，是为了让你跳过之后直接能做判断。

质量门控是亮点

Skill 里写了六条 Quality Gate，交稿前必须自检：数据有来源标注、旧数据要声明、建议必须从证据链推出、反面论点要列出、最终输出要让决策更容易——不是更难。

我特别欣赏”反例也要列”这一条。市面上大多数调研工具会拼命给你想听的好话，market-research Skill 刻意留了空间让你打自己脸。

支持四种研究模式

• 投资/基金尽调：查基金规模、轮次、portfolio、匹配度，以及有没有红旗
• 竞品分析：不看官网营销话术，要产品真相、融资历史、公开的 traction 数据
• 市场 sizing：自上而下 + 自下而上交叉验证，每一步假设都要明写
• 技术/供应商研究：工作原理、权衡取舍、集成复杂度、锁定风险

信息来源处理的也很成熟

Skill 里专门写了一段”Untrusted Sources”规范：供应商页面和竞品官网是”有利益方写的”，不能当 facts 用；发现页面里有引导 agent 的文字要标注，不盲从；每个结论都要有交叉信源。

这些在人工调研时是基本功，但在 AI 工具里很少被明确写进 prompt——ECC 这份 Skill 做到了。

总结

ECC 的 market-research 是一个把咨询公司做调研的方法论封装进 Skill 的工程化尝试。它不追求”让 AI 帮你写报告”，而是追求”让 AI 的调研结论能拿得出手、经得起追问”。

132k stars 的 ECC 仓库里，这是一个被认真对待的垂直技能。适合投资、战略规划、产品定位、市场进入等需要”以证据为基础做决策”的场景。

GitHub：https://github.com/affaan-m/ECC/tree/main/skills/market-research

GitHub: https://github.com/affaan-m/ECC/tree/main/skills/market-research