byted-marketing-agent-competitive-watch

竞品重大事件监控

目标

本版本只保留最短主链路：

行业选择 → 拉视频 → 抽品牌 → 确认本品/竞品 → LLM 提取重点事件 → 按固定模板直接输出报告

明确移除以下能力：

• 移除联网搜索与外部核验
• 移除历史记忆读写
• 移除程序渲染报告（不再调用 render_report.py）
• 移除行业规则缓存、搜索中间文件、历史去重等重逻辑

因此本 skill 的定位从“核验型情报报告”改为：

基于当期热视频数据的竞品事件线索提取与应对建议。

---

When to Use

• /competitive-watch
• 用户问“竞品最近有什么大动作”
• 用户问“最近有哪些新品/代言/发布会/营销活动”
• 用户想快速拿到“竞品事件线索 + 本品应对建议”

---

最高优先级规则

输出规则

• 执行过程中禁止向用户输出技术过程、命令、脚本路径、临时文件、接口细节。
• 只输出一次最终业务结果：
  • 竞品重大事件报告
  • 或 暂无数据 / 需要补充信息
• 最终报告必须直接按本文末模板输出，不要调用程序渲染。

事实边界

• 本版本不联网，所以所有结论都基于视频数据本身。
• 视频中的说法默认视为：视频线索，不是外部已证实事实。
• 禁止写出“已官宣”“已发布”“已落地”“已实施”等确定性表述。
• 推荐使用以下措辞：
  • 视频线索显示
  • 画面/标题显示
  • 疑似出现
  • 当前热视频中反复提及
  • 可作为重点跟踪线索

交互边界

• 不要在流程开始时直接从上下文替用户决定行业、本品、竞品。
• TASK_DATE 可以保留用户输入。
• COMPETITOR_BRANDS 只能在本品确认后使用。
• 缺失关键入参时才追问：
  • 缺行业：先展示行业列表
  • 缺本品：在品牌列表后追问
  • 缺竞品：推荐 5 个默认竞品，等待用户确认

---

分析范围

只提取以下 7 类重点事件：

• 舆情事件
• 新品发布
• 发布会
• 代言
• 冠名
• 行业政策
• 大型营销活动

排除项：

• 普通带货口播
• 常规卖点介绍
• 单纯优惠促销
• 日常种草内容
• 无明确事件属性的内容

若同一品牌多条视频重复表达同一件事：

• 合并为一个事件
• 保留证据最强的 1-2 条代表视频信息

---

执行流程

Step 0：基础定位

SCRIPTS_DIR=$(dirname "$(find "${OPENCLAW_WORKSPACE_ROOT:-$PWD}" -maxdepth 6 -name "openapi_client.py" -path "*skills/byted-marketing-agent-competitive-watch/scripts/*" 2>/dev/null | head -1)")
SKILL_DIR=$(dirname "$SCRIPTS_DIR")
VENV_PY="$SKILL_DIR/venv/bin/python3"

只要求：

• 能定位 openapi_client.py
• 能使用 $VENV_PY 执行脚本

若环境未就绪，只输出一句：

当前环境未就绪，暂时无法生成竞品重大事件报告。

---

Step 1：先拉行业列表，让用户选行业

无论用户是否提过行业，都先获取最新行业列表。

"$VENV_PY" "$SCRIPTS_DIR/openapi_client.py" --format text list-industries

规则：

• 必须先展示行业列表，再让用户选行业。
• 不能跳过此步骤直接查数据。
• 若当前是非交互编排且缺行业，则终止并输出：需要补充行业。

---

Step 2：规范化日期

• TASK_DATE 支持 YYYYMMDD 和 YYYY-MM-DD
• 若用户未传日期，则自动探查最新有数据日期

日期规范化：

TASK_DATE=$("$VENV_PY" -c 'import sys; from datetime import datetime; s=sys.argv[1].strip(); fmt="%Y%m%d" if len(s)==8 and s.isdigit() else "%Y-%m-%d"; print(datetime.strptime(s, fmt).strftime("%Y-%m-%d"))' "$TASK_DATE")

自动探查最新日期：

DETECTED_DATE=$("$VENV_PY" "$SCRIPTS_DIR/openapi_client.py" --format text find-latest-date --category "$CATEGORY")

规则：

• 用户指定了日期：优先用用户日期
• 用户没指定日期：用 DETECTED_DATE
• 若探查失败：输出 当前时间段内未找到相关视频，建议更换行业或补充日期

---

Step 3：拉取候选视频

只拉 1 页，每页 500 条，作为事件候选池。

RESULT=$("$VENV_PY" "$SCRIPTS_DIR/openapi_client.py" \
  --format json query \
  --category "$CATEGORY" \
  --query-type hot_video \
  ${TASK_DATE:+--task-date "$TASK_DATE"} \
  --order-by "vv_all DESC" \
  --page 1 \
  --page-size 500)

将数据落到 rows.json：

CW_SESSION="${CW_SESSION:-cw_$(date +%Y%m%d_%H%M%S)_$$}"
CW_TMP_DIR="${TMPDIR:-/tmp}/${CW_SESSION}"
mkdir -p "$CW_TMP_DIR"
ALL_ROWS_PATH="$CW_TMP_DIR/rows.json"
EVENTS_PATH="$CW_TMP_DIR/events.json"
printf '%s' "$RESULT" | "$VENV_PY" -c 'import json,sys; d=json.load(sys.stdin); json.dump(d.get("data", {}).get("data", []), sys.stdout, ensure_ascii=False)' > "$ALL_ROWS_PATH"

若为空：

当前时间段内未找到相关视频，建议扩展日期范围或检查行业设置。

---

Step 4：抽取品牌列表，让用户确认本品

UNIQUE_BRANDS_PATH="$CW_TMP_DIR/unique_brands.json"
"$VENV_PY" "$SCRIPTS_DIR/normalize_brands.py" \
  --phase extract \
  --input "$ALL_ROWS_PATH" \
  --output "$UNIQUE_BRANDS_PATH"

读取后，按频次展示品牌列表（最多 30 个）。

规则：

• 必须让用户基于当前品牌列表确认本品。
• 若当前任务为非交互编排且缺本品，终止并输出：需要补充本品。
• 若用户输入的本品不在列表中，也允许继续，但最终要注明：本期数据中未检测到本品出现。

---

Step 5：推荐竞品并等待确认

若用户未给 COMPETITOR_BRANDS：

• 从当前品牌列表中，排除本品
• 推荐 5 个最相近、最活跃的品牌作为默认竞品
• 必须等待用户确认后再继续

若非交互编排：

• 可自动采用推荐竞品继续执行

冻结名单：

• 后续统一使用 FINAL_COMPETITOR_BRANDS
• 后面不得再新增、删除、替换竞品

---

Step 6：LLM 直接阅读提取重点事件（强制无工具模式）

这一阶段的目标不是“再调用工具做抽取”，而是：

把 Step 3 已得到的候选视频数据作为上下文直接交给 LLM，由模型在当前上下文中直接阅读、比对、归纳、去重并输出事件 JSON。

强制规则

1. 禁止在 Step 6 调用任何额外工具、脚本、程序或搜索能力。
2. 禁止为了抽取事件再次调用 Python / shell / jq / grep / awk / render_report / 搜索脚本 / 记忆模块。
3. 禁止把“事件提取”外包给别的子代理、插件或函数。
4. 只允许使用当前会话里已经拿到的候选视频数据文本作为唯一输入。
5. 必须由当前 LLM 直接完成阅读、筛选、归类、合并和输出。
6. 若模型能力较弱，也不能退化为“调用工具帮忙提取”；宁可少提，也不要转为工具抽取。

执行方式

Step 3 得到 rows.json 后，只做一件事：

• 将候选视频中的关键字段整理为可读文本上下文后直接提供给 LLM
• 由 LLM 在单轮中完成重点事件提取

这里的“整理为可读文本上下文”仅指：

• 把已存在的数据字段按顺序放入提示上下文
• 不是再写一个抽取器去替模型做事件判断

本阶段允许使用的数据

仅允许使用候选视频中已有字段，例如：

• 品牌名/归一化品牌名
• 视频标题
• 口播/字幕/文案摘要（若原始数据中有）
• 画面描述字段（若原始数据中有）
• 发布时间
• 播放、点赞、评论、转发、收藏、5秒完看率等热度字段
• 视频链接

提取目标

• 只提取 7 类重点事件
• 优先提取竞品事件，其次提取行业政策
• 本品相关情况单独汇总，不混入竞品详情主表

提取规则

1. 只从视频内容里抽事件线索，不做外部核验。
2. 常规种草、普通促销、日常卖点介绍全部排除。
3. 同一事件合并，避免重复堆砌。
4. 事件摘要必须短、清楚、可读。
5. 非行业政策事件的 品牌名 必须严格属于 FINAL_COMPETITOR_BRANDS。
6. 若无法稳定归属到已选竞品，则丢弃该事件。
7. 不允许编造链接；链接只能来自原始视频数据本身。
8. 所有具体数值都只能来自原始数据；缺失则写 -。
9. 不要输出“分析过程”“推理过程”“中间草稿”，只输出最终 JSON 结果。
10. 若证据不足，宁可不收录，也不要靠常识补全事件。

给 LLM 的硬约束提示词

在执行 Step 6 时，必须显式加入下面这段约束：

你现在处于“强制无工具抽取模式”。
禁止调用任何工具、脚本、搜索、记忆、函数或外部能力。
禁止把事件提取交给 Python、Shell、正则脚本、子代理或任何程序。
你只能基于当前提供的候选视频文本上下文，直接阅读、比较、归纳并提取重点事件。
你必须自己完成：筛选、分类、去重、合并、生成 JSON。
若证据不足，请丢弃，不要脑补。
不要输出分析过程，不要解释，只输出最终 JSON。

LLM 输出格式固定为 JSON

强制规则：LLM 生成的 JSON 必须完整写入文件 $EVENTS_PATH，禁止输出到 stdout、传输流或对话上下文。

{
  "events": [
    {
      "品牌名": "品牌A",
      "事件类型": "新品发布",
      "事件摘要": "推出血橙西柚味新品",
      "证据": "标题提到上新，画面出现新品包装",
      "代表视频标题": "品牌A血橙西柚味上新",
      "代表视频链接": "https://...",
      "视频发布时间": "2026-03-20",
      "视频发布距查询日天数": 3,
      "视频时效": "近期",
      "热度信号": "高",
      "线索等级": "强",
      "影响判断": "可作为春季上新动作重点跟踪"
    }
  ]
}

字段要求

• 品牌名：行业政策类可写 {CATEGORY}；其他必须来自 FINAL_COMPETITOR_BRANDS
• 事件类型：必须是 7 类之一
• 事件摘要：8-30 字
• 证据：来自标题/口播/字幕/画面的依据
• 代表视频链接：只能填原始数据中真实存在的链接；没有就留空
• 视频时效：仅允许 近期 / 较早 / 未知
• 线索等级：仅允许 强 / 中 / 弱
• 影响判断：一句业务化解释

若 events 为空，也必须继续输出最终报告，只是写：

• 未识别到明确重点事件

Step 7：直接按固定模板输出最终报告

不要调用 render_report.py。

输入来源：从文件读取事件 JSON

# 读取 Step 6 输出的事件 JSON 文件
if [ -f "$EVENTS_PATH" ]; then
  EVENTS_JSON=$(cat "$EVENTS_PATH")
else
  echo "未找到事件数据文件，无法生成报告"
  exit 1
fi

最终报告由 LLM 基于 $EVENTS_PATH 中的 JSON 数据，按下面模板输出。章节、顺序、表头都不要改。

---

固定输出模板

## 竞品重大事件报告｜{行业}｜{查询日期}

### 重点事件总览
| 事件类型 | 品牌/主体 | 视频发布时间 | 视频时效 | 线索等级 | 事件摘要 | 证据来源 | 热度信号 | 影响判断 |
|----------|-----------|--------------|----------|----------|----------|----------|----------|----------|
| 新品发布 | 品牌A | 2026-03-20 | 近期(3天) | 强 | 推出血橙西柚味新品 | 视频标题/画面显示上新 | 高 | 可作为春季上新动作重点跟踪 |
| 代言 | 品牌B | 2026-03-10 | 较早(13天) | 中 | 视频线索显示官宣代言合作 | 标题提及代言，画面出现代言人物料 | 中 | 有助于拉升品牌声量 |
| - | 品牌C | - | - | - | 未识别到明确重点事件 | - | - | - |

### 各竞品事件详情

#### {品牌名}
- **重点事件**：
  - `{事件类型}`｜视频发布时间 `{视频发布时间}`｜线索等级 `{线索等级}`：{事件摘要}
  - `{事件类型}`｜视频发布时间 `{视频发布时间}`｜线索等级 `{线索等级}`：{事件摘要}
- **代表证据**：{代表视频标题}｜播放 {真实播放量或-}｜点赞 {真实点赞量或-}｜评论 {真实评论量或-}｜转发 {真实转发量或-}｜收藏 {真实收藏量或-}｜5秒完看率 {真实5秒完看率或-}
- **线索说明**：基于当前热视频中的标题、口播、字幕、画面提炼，未做外部联网核验
- **潜在影响**：{对品牌声量、渠道、用户心智、营销节奏的潜在影响}
- **备注**：若没有重点事件，明确写“未识别到明确重点事件”

---

### 行业政策与赛道级变化
- {若有则写行业政策/赛道共性动作}
- 若没有，写：本次未识别到明确行业政策或赛道级重大变化

### 本品（{本品名}）相关情况
- 出现在 {N} 条视频中，识别到的重点事件：{如有则写}
- 若只有普通曝光但无重点事件，写：有曝光，但未识别到明确重点事件
- 若本期未出现，写：本期数据中未检测到本品出现

### 应对策略建议
1. **舆情响应**：针对争议或负面线索，建议持续跟踪评论区反馈与二次传播。
2. **新品与发布节奏**：若竞品集中上新，本品可评估是否需要加快新品沟通或强化卖点差异化。
3. **代言/冠名/活动跟进**：若竞品近期动作频繁，本品可评估是否需要补充品牌合作或事件营销。
4. **赛道观察**：对当前高频出现的事件主题做持续周度跟踪，避免单日样本误判。

---

输出约束

• ### 重点事件总览 与 ### 各竞品事件详情 中的竞品集合必须严格等于 FINAL_COMPETITOR_BRANDS
• 即使某个竞品没有事件，也必须保留占位
• 不允许把母公司、合作方、平台方替换成新的竞品主体
• 没有真实链接时，写“无”，不要补造链接
• 没有真实数值时，写 -
• 所有结论都要维持“视频线索”口径，避免确定性表述
• 不要输出 JSON、脚本、命令、调试信息

---

精简版错误处理

• 无行业：需要补充行业
• 无本品：需要补充本品
• 无数据：当前时间段内未找到相关视频，建议扩展日期范围或检查行业设置
• 品牌为空：当前数据中未检测到品牌信息，无法生成竞品重大事件报告
• 未识别到重点事件：照常输出报告，但写明 未识别到明确重点事件
• 环境未就绪：当前环境未就绪，暂时无法生成竞品重大事件报告

---

触发示例

/competitive-watch
/competitive-watch 日期=20260315
/competitive-watch 行业=饮料 日期=20260315
/competitive-watch 本品=元气森林