市场趋势分析师Skill：零依赖网络研究，一条命令摸清市场趋势与“必备功能”
- 它是什么：market-trend-analyst（市场趋势分析师Skill）是一个把“网络研究 + 领域趋势知识”打包进本地的分析技能，帮助你快速识别某个市场当下在流行什么、用户期待什么。
- 零负担运行：网络搜索脚本仅使用 Python 标准库 urllib，无需 pip 安装第三方依赖，无需 API 密钥，拿到技能目录就能跑。
- 两种分析路径：联网搜索（DuckDuckGo）负责获取实时信息，本地趋势数据库负责离线给出趋势功能、新兴技术、用户期望与衰退趋势。
- 结构化输出：支持即时答案、摘要、相关主题、完整网络结果四类信息，可直接输出 JSON 或保存为 Markdown 报告，便于二次整理。
- 适合谁用：产品经理、独立开发者、市场与内容运营、创业者，以及任何需要在做决策前“先看看市场”的人。
该技能叫什么？如何一键安装 AI 技能提升开发效率？
技能中文名：市场趋势分析师Skill 技能英文名：market-trend-analyst 技能ID：12847
它要解决的问题很具体：当你准备做一款新产品、给现有产品排功能优先级、或者写一份行业分析时，最耗时的不是“想”，而是“查”——打开十几个网页、翻评测、摘抄竞品功能、再判断哪些是趋势、哪些已经过时。市场趋势分析师Skill 把这一整套动作收敛成两条命令：一条用来联网搜索信息，一条用来查询本地趋势库。你拿到的不再是一堆散落链接，而是带有即时答案、摘要、相关主题和完整搜索结果的结构化研究素材。
一键安装的思路与步骤
这个技能的安装门槛极低，因为它刻意避开了传统 AI 工具最麻烦的两件事：装依赖和配密钥。
第一步：确认安装前提
- 具备可用的 Python 运行环境（脚本基于 Python 标准库编写）。
- 无需
pip install任何第三方包：网络搜索脚本明确使用 Python 标准库urllib，零依赖。 - 无需申请 API 密钥，不必注册任何第三方服务账号。
第二步：放入技能目录
将该技能放入你的技能目录 .agent/skills/market-trend-analyst/ 下，保证 scripts/ 子目录中的 web_search.py 与 trends.py 可被调用。具体的一键安装命令、技能市场入口或导入方式，各平台实现不同，以官方说明为准。
第三步：验证是否生效
建议用两条最小命令自检：
# 验证联网搜索通道（仅取即时答案，速度最快）
python .agent/skills/market-trend-analyst/scripts/web_search.py --query "Python datetime格式" --instant-only
# 验证本地趋势库通道（离线可用）
python .agent/skills/market-trend-analyst/scripts/trends.py --domain "SaaS"
第一条只要能返回即时答案，说明网络研究通道打通；第二条只要能列出趋势功能列表，说明离线趋势库读取正常。两条都通，技能即可投入日常使用。
该技能的主要功能和特点
- 零依赖网络搜索：基于 DuckDuckGo 的搜索脚本只调用 Python 标准库，不引入任何第三方包，也不需要 API 密钥，避免了“装环境装到放弃”的常见卡点。
- 四层信息输出：一次搜索可同时得到即时答案（来自 DuckDuckGo 知识库的直接回答）、摘要（来自维基百科等来源的总结）、相关主题（带 URL）、网络结果（标题 + 摘要 + URL 的完整列表），信息颗粒度从“一句话结论”到“可继续深挖的线索”全覆盖。
- 灵活的结果控制：
--max可限制返回条数，避免信息过载；--json输出机器可读结构，方便接入后续脚本；--output直接把结果落盘为 Markdown 报告，省去手工整理。 - 极速模式：
--instant-only跳过网页抓取，只取即时答案，适合查证一个具体事实（如某个 API 的用法、某个术语的定义）。 - 离线趋势数据库：
trends.py不依赖网络，按领域直接给出前 5 个趋势功能、新兴技术（AI、VR 等）、用户期望（移动优先、深色模式）、需避免的衰退趋势四类结论。 - 聚焦五大垂直领域：本地趋势库覆盖电子商务、SaaS、金融科技、教育科技、健康科技，都是产品决策最常涉及的赛道。
- 和普通搜索的差别：普通搜索给你的是“链接列表”，这个技能给你的是“结论 + 线索 + 落盘文件”；和通用 AI 对话相比，它把研究动作标准化成可重复执行的命令，结果更稳定、更便于归档对比。
如何使用该技能？
整个使用流程可以拆成六步，从“想清楚问什么”到“拿到可交付的研究素材”。
第 1 步：明确研究问题
先把问题收敛成一个具体、可搜索的短句。例如不要问“电商怎么样”，而应问“2025 年食品配送竞争对手”。问题越具体，即时答案命中的概率越高。
第 2 步：执行快速搜索
python .agent/skills/market-trend-analyst/scripts/web_search.py --query "2025年最佳React框架"
输出会同时包含即时答案、摘要、相关主题与网络结果。适合做初步摸底。
第 3 步：需要程序化处理时切换 JSON
python .agent/skills/market-trend-analyst/scripts/web_search.py --query "NextJS与Remix对比" --json
当你要把结果喂给下游脚本、或做多组关键词的批量对比时，JSON 输出更省事。
第 4 步：控制结果规模，避免噪音
python .agent/skills/market-trend-analyst/scripts/web_search.py --query "AI SaaS趋势" --max 5
只保留最相关的 5 条网络结果，适合快速结论型调研。
第 5 步：把结果直接落成报告
python .agent/skills/market-trend-analyst/scripts/web_search.py --query "食品配送竞争对手" --output research.md
结果写入 research.md，你可以在其基础上补充自己的判断，形成竞品调研初稿。
第 6 步：用离线趋势库补上“领域常识”
python .agent/skills/market-trend-analyst/scripts/trends.py --domain "电子商务"
这一步不需要网络，直接拿到该领域的前 5 个趋势功能、新兴技术方向、用户期望和应当规避的衰退趋势。推荐把第 6 步和第 2～5 步组合使用：先用离线库建立领域框架，再用联网搜索验证与补充最新信息，两条线索交叉验证后结论更可靠。
输出说明：联网脚本输出的是研究素材（答案、摘要、主题、结果列表）；趋势脚本输出的是结论型清单（趋势功能、新兴技术、用户期望、衰退趋势）。前者偏“信息”，后者偏“判断”，搭配使用效果最好。
同类型竞品对比分析
| 方案名称 | 定位 | 核心功能 | 安装/使用门槛 | 适用场景 | 优势与不足 |
|---|---|---|---|---|---|
| 市场趋势分析师Skill（market-trend-analyst） | 本地化市场研究技能 | DuckDuckGo 联网搜索 + 五大领域离线趋势库，支持 JSON/Markdown 输出 | 低：需 Python 环境；零第三方依赖、无需 API 密钥；具体安装入口以官方说明为准 | 产品功能选型、竞品速览、行业趋势摸底 | 优势：零依赖、可离线、结果可落盘可复现；不足：搜索源为单一引擎，趋势库覆盖五个领域，非实时更新 |
| 通用对话式 AI 助手（带联网） | 通用问答与研究助理 | 多轮对话、联网检索、长文总结 | 低：网页/客户端即可用，多为订阅制，价格以官方说明为准 | 开放式头脑风暴、长文润色、泛主题调研 | 优势：交互自然、上下文理解强；不足：结果不易标准化复现，难以直接落到项目目录里作为资产沉淀 |
| SEO / 关键词分析平台 | 搜索流量与关键词研究 | 关键词挖掘、搜索趋势曲线、竞品流量分析 | 中：需注册账号，高级功能通常付费，价格以官方说明为准 | 内容选题、投放策略、搜索需求验证 | 优势：数据维度专业、量化程度高；不足：偏流量视角，对“产品功能趋势”和“用户期望”解释力有限 |
| 人工检索 + 文档整理 | 传统调研方式 | 手动搜索、截图、摘录、汇总表格 | 低但耗时高 | 深度行业报告、需要强判断的决策场景 | 优势：灵活、可深挖；不足：重复劳动多、难以复用，每次调研都要从头再来 |
从上表可以看出，市场趋势分析师Skill 的差异化位置在于**“轻”与“可复用”**：它不追求替代专业数据平台，而是把“每次调研都要重复做的那部分脏活”标准化成命令，让分析师把时间留给判断本身。
该技能的典型应用场景与实际体验情况
场景一：产品经理排功能优先级
痛点：老板问“下个版本该做什么功能”，回答依赖直觉，缺少市场依据。
用法：先跑 trends.py --domain "SaaS" 拿到该领域前 5 个趋势功能和用户期望（如移动优先、深色模式），再用 web_search.py --query "SaaS 必备功能 2025" --max 5 交叉验证。
实际体验：上手几乎没有学习成本，两条命令即可产出一页带结论的功能建议。注意：离线趋势库是本地数据，不代表当天的最新市场状况，涉及快速变化的品类时务必用联网结果补正。
场景二：独立开发者做赛道选择
痛点：想做一个 AI SaaS 小产品，但不确定哪个方向还有空隙。
用法：对电子商务、金融科技、教育科技等不同领域依次执行 trends.py --domain，横向比较各领域的“新兴技术”和“衰退趋势”，锁定有增量、衰退项少的方向，再用 --output research.md 保存对比记录。
实际体验：领域切换成本极低，适合快速排除明显过热的赛道。注意：结论是方向性参考，最终仍需结合自身资源判断。
场景三：市场/内容运营做选题与行业速览
痛点：每周要产出行业观察内容，资料收集占掉大半时间。
用法：用 --json 批量跑多组关键词，把结果汇总；用 --output 直接把某次调研落成 Markdown，作为写作底稿。
实际体验：从“开十几个标签页”变成“跑几条命令 + 整理”，资料收集环节明显变轻。注意：网络结果需自行甄别时效与来源可信度，摘要类信息建议回溯原文。
场景四：设计与前端团队校准“用户期望”
痛点：不确定深色模式、移动优先这类体验要素到底是刚需还是加分项。
用法：查询对应领域的趋势库，直接读取“用户期望”条目，再通过 --instant-only 快速确认具体概念或术语。
实际体验：--instant-only 因为跳过网页抓取，响应很快，非常适合查证型小问题。注意：该模式只返回即时答案，信息量有限，不适合做广度调研。
该技能能为用户带来的价值
第一，把调研的固定成本降到接近零。 传统调研每次都要经历“搜—读—摘—整理”的循环，而这个技能把前三个动作压缩成一条命令，且零依赖、零密钥，环境准备几乎不占时间。
第二，降低专业门槛。 不懂 SEO、不会写爬虫、没有数据平台账号的人，也能通过 trends.py 拿到一份结构化的领域趋势清单，包括趋势功能、新兴技术、用户期望和衰退趋势四类结论，直接可用于讨论和决策。
第三，让研究结果变成可复用资产。 --json 与 --output 让每次调研都能落成结构化文件或 Markdown 报告，下次做同类判断时可以调出对比，而不是凭记忆重来。长期来看，这会积累出一份属于自己的领域趋势档案。
第四，把时间还给判断。 信息收集被自动化之后，人可以把精力放在“这些趋势对我的产品意味着什么”这类真正需要经验的问题上——这也是这类技能最核心的价值主张。
常见问题 FAQ
Q1：这个技能怎么安装？需要装很多依赖吗？
A：安装门槛很低。它基于 Python 标准库编写，网络搜索脚本只用到 urllib，不需要 pip 安装第三方依赖，也不需要 API 密钥。把技能目录放到 .agent/skills/market-trend-analyst/ 下即可调用其中的脚本；具体的一键安装命令与平台入口以官方说明为准。安装后建议用 --instant-only 查询和 trends.py --domain "SaaS" 各跑一次，确认两条通道都正常。
Q2：使用它收费吗？
A：从技能本身的实现来看，它不依赖任何需要付费授权的第三方 API 或密钥，联网搜索走的是公开搜索通道。至于技能本体的获取方式、是否随某平台订阅提供，以官方说明为准。
Q3：它适合谁用？不适合谁？
A：适合产品经理、独立开发者、创业者、市场与内容运营，以及需要快速做行业摸底的技术团队。不太适合需要严谨统计口径和量化数据的场景（如需要精确市场份额数字），这类需求应交由专业数据平台完成。
Q4：本地趋势库和联网搜索有什么区别，该用哪个？
A：联网搜索拿到的是外部实时信息（即时答案、摘要、相关主题、网络结果），适合了解“现在发生了什么”；本地趋势库拿到的是领域结论（趋势功能、新兴技术、用户期望、衰退趋势），适合建立判断框架，且完全离线可用。推荐先用趋势库搭框架，再用联网搜索补最新信息。
Q5：它和直接问 AI 助手、或用 SEO 工具比，怎么选？
A：要开放式讨论和长文写作，通用 AI 助手更顺手；要验证搜索需求和流量，SEO 工具更专业；而当你需要可重复执行、结果可落盘、还能离线查领域趋势的轻量调研流程时，市场趋势分析师Skill 更合适。三者并不冲突，很多团队的实际做法是组合使用。