company-research

Company Research

挖掘並深入調查潛在銷售目標企業。使用 Browserbase Search API 進行探索，並透過「規劃→調查→綜合分析（Plan→Research→Synthesize）」模式進行深度資訊擴充 — 最終輸出附評分的調查報告與 CSV。

必要條件：需設定 BROWSERBASE_API_KEY 環境變數並安裝 browse CLI。

首次執行設定：首次執行時，系統會提示您授權 browse cloud fetch、browse cloud search、cat、mkdir、sed 等命令。請為各項選擇 "Yes, and don't ask again for: browse cloud fetch:*"（或同等選項）以在本次會話中自動授權。若要永久授權，請將下列項目新增至 ~/.claude/settings.json 的 permissions.allow 中：

"Bash(browse:*)", "Bash(bunx:*)", "Bash(bun:*)", "Bash(node:*)",
"Bash(cat:*)", "Bash(mkdir:*)", "Bash(sed:*)", "Bash(head:*)", "Bash(tr:*)", "Bash(rm:*)"

路徑規則：在所有 Bash 命令中必須使用完整字面路徑 — 切勿使用 ~ 或 $HOME（兩者皆會觸發「Shell 展開語法」的授權提示）。請先解析一次家目錄路徑，並在所有地方統一使用。建立子代理人（subagent）提示詞時，請將 {SKILL_DIR} 替換為完整的字面路徑。

輸出目錄：所有調查結果均存放於 ~/Desktop/{company_slug}_research_{YYYY-MM-DD}/。該目錄包含每家受調查公司的獨立 .md 檔案以及最終的 .csv 檔案。使用者可在桌面上取得附帶評分的試算表與完整的調查檔案。

重要關鍵 — 工具限制（適用於主代理人及所有子代理人）：

• 所有網路搜尋：使用 browse cloud search。絕不使用 WebSearch。
• 所有頁面內容抓取：使用 node {SKILL_DIR}/scripts/extract_page.mjs "<url>"。此指令碼透過 browse cloud fetch --output 取得頁面、解析標題 + Meta 標籤 + 可見本文內容，並在抓取失敗或僅傳回內容稀少的 JS 渲染頁面時自動退回（fallback）使用 browse get markdown。切勿自行撰寫 browse cloud fetch | sed 管線（Pipeline）— 這會剝離 Meta 標籤且無法解析 stdout JSON 封裝。絕不使用 WebFetch。
• 所有調查輸出：子代理人須透過 Bash heredoc 將每家公司各撰寫一份 Markdown 檔案存至 {OUTPUT_DIR}/{company-slug}.md。切勿使用 Write 工具或 python3 -c。檔案格式請參閱 references/example-research.md。
• 報告與 CSV 彙整：使用 node {SKILL_DIR}/scripts/compile_report.mjs {OUTPUT_DIR} --open — 一鍵生成 HTML 報告與 CSV，並自動在瀏覽器中開啟總覽。
• URL 去重：探索完成後，使用 node {SKILL_DIR}/scripts/list_urls.mjs /tmp。
• 子代理人僅能使用 Bash 工具，不允許使用其他任何工具。
• 主代理人絕不直接讀取原始探索 JSON 批次檔。 請使用 list_urls.mjs 進行去重。

重要關鍵 — 防幻覺規則（適用於主代理人及所有子代理人）：

• 切勿根據網站的字型、前端框架（Framer/Next.js/React）、設計系統或排版來推斷 product_description（產品描述）、industry（產業）或 target_audience（目標受眾）。這些僅為外觀呈現，無法說明公司實際銷售的產品。
• 切勿將使用者自身的 ICP 混入目標公司的描述中。若無法確定目標公司的業務，請填寫 Unknown — 勿套用 ICP 模式強行比對。
• product_description 必須引述或改寫自 extract_page.mjs 輸出的具體字句（TITLE、META_DESCRIPTION、OG_DESCRIPTION、HEADINGS 或 BODY）。若以上欄位均無法取得可辨識的產品說明，請填寫 Unknown — homepage content not accessible。
• 若 product_description 為 Unknown，icp_fit_score 上限不得超過 3 分，且 icp_fit_reasoning 須設為 Insufficient evidence — homepage returned no readable content。

重要關鍵 — 減少授權提示次數：

• 子代理人必須透過鏈結 heredoc 將所有檔案寫入操作整合成單一 Bash 呼叫。一次 Bash 呼叫 = 一次授權提示。
• 透過 && 鏈結將所有搜尋與抓取操作整合成單一 Bash 呼叫。

流程概覽

請依序執行以下 5 個步驟，切勿跳過步驟或調整順序。

1. 公司背景調查（Company Research） — 深入瞭解使用者的公司、產品及目標銷售對象
2. 研究深度模式選擇（Depth Mode Selection） — 根據使用者期望的目標數量選擇研究深度
3. 目標探索（Discovery） — 使用多元搜尋查詢詞尋找目標公司
4. 深度研究與評分（Deep Research & Scoring） — 深入研究每家公司並評估 ICP 契合度
5. 報告與 CSV 生成（Report & CSV） — 呈現調查結果，編譯附帶評分的 CSV 檔案

---

步驟 0：建立輸出目錄

開始前，請在使用者的桌面上建立輸出目錄：

OUTPUT_DIR=~/Desktop/{company_slug}_research_{YYYY-MM-DD}
mkdir -p "$OUTPUT_DIR"

請將 {company_slug} 替換為使用者的公司名稱（小寫、以連字號分隔），將 {YYYY-MM-DD} 替換為今天日期。將 {OUTPUT_DIR}（以完整字面路徑傳入，勿包含 ~）提供給所有子代理人的提示詞，確保調查檔案皆寫入該目錄。

同時清理先前執行留下的探索批次檔：

rm -f /tmp/company_discovery_batch_*.json

步驟 1：深入分析使用者公司

這是最重要的步驟。後續所有流程的品質均取決於對使用者公司的深入理解。

1. 詢問使用者的公司名稱或官方網站 URL

2. 檢查是否存在現有設定檔（Profile）：

   • 列出 {SKILL_DIR}/profiles/ 目錄下的檔案（忽略 example.json）
   • 若存在符合的設定檔 → 載入並向使用者確認：「我找到您在 {researched_at} 的設定檔。內容是否依然準確？」若確定 → 直接跳至步驟 2。
   • 若不存在設定檔 → 繼續執行下方的深度研究流程。

3. 採用「規劃→調查→綜合分析」模式對使用者公司執行完整的深度研究。
   子問題範本與研究方法論請參閱 references/research-patterns.md。

   關鍵研究步驟：

   • 搜尋：browse cloud search "{company name}" --num-results 10
   • 抓取首頁：node {SKILL_DIR}/scripts/extract_page.mjs "{company website}"
   • 透過 sitemap 發現網站頁面（切勿寫死 /about 或 /customers 等路徑）：
     1. browse cloud fetch --allow-redirects "{company website}/sitemap.xml" — sitemap 檔案小，直接使用 browse cloud fetch 即可
     2. 掃描包含以下關鍵字的 URL：customer、case-stud、pricing、about、use-case、industry、solution
     3. 可選擇抓取 /llms.txt 以取得頁面描述
     4. 挑選 3 至 5 個最相關的 URL，並使用 extract_page.mjs 提取內容（不可使用原始 browse cloud fetch）
   • 搜尋外部背景資訊與競爭對手
   • 累積調查結果並標註信心程度

   綜合整理為設定檔（Profile）：
   公司（Company）、產品（Product）、現有客戶（Existing Customers）、競爭對手（Competitors）、使用場景（Use Cases）。
   請勿包含 ICP 或細分領域（Sub-verticals）— 這些屬於每次執行的即時決策。

4. 將整理好的設定檔呈報給使用者確認。在取得確認前切勿繼續下一步。

5. 將已確認的設定檔儲存至 {SKILL_DIR}/profiles/{company-slug}.json

6. 使用 AskUserQuestion（含核取方塊）向使用者詢問釐清問題：

   • 「您打算鎖定哪些市場區隔（Segments）？」選項根據公司研究結果產生
   • 「公司發展階段？」— 新創公司（Startups）、中型企業（Mid-market）、大型企業（Enterprise）、全部（All）
   • 「期望的研究公司數量 / 深度？」— 快速 Quick（約 100 家）、深度 Deep（約 50 家）、超深度 Deeper（約 25 家）
   • 這是唯一需要與使用者互動的步驟。完成後請靜默執行，直到結果準備妥當。

步驟 2：選擇研究深度模式

模式	每家公司研究量	最佳適用場景
quick	首頁 + 1-2 次搜尋	約 100 家公司，廣泛掃描
deep	2-3 個子問題，5-8 次工具呼叫	約 50 家公司，紮實研究
deeper	4-5 個子問題，10-15 次工具呼叫	約 25 家公司，完整情報

步驟 3：目標探索

計算公式：需要 ceil(期望公司數量 / 35) 個搜尋查詢詞。建議超額探索約 2-3 倍數量，因為後續過濾通常會篩掉 50-70% 的結果。

依據以下模式生成搜尋查詢詞：

• 產業 + 公司階段 + 地理位置（例如："fintech startups series A Bay Area"）
• 技術堆疊 + 使用場景（例如："companies using Selenium for web scraping"）
• 競品延伸/替代方案（例如："alternatives to {ICP 中已知公司}"）
• 買家輪廓（Buyer Persona）+ 痛點（例如："engineering teams struggling with browser automation"）

流程：

1. 一次啟動所有探索子代理人（每則訊息最多約 6 個）。每個子代理人在單一 Bash 呼叫中執行其查詢：

   browse cloud search "{query}" --num-results 25 --output /tmp/company_discovery_batch_{N}.json
   

2. 當所有批次（Waves）執行完成後，進行去重：node {SKILL_DIR}/scripts/list_urls.mjs /tmp
3. 過濾 URL 清單 — 排除：
   • 部落格文章、新聞報導（globenewswire.com、techcrunch.com 等）
   • 企業名錄/資訊彙整網站（tracxn.com、crunchbase.com、g2.com 等）
   • 使用者本身的競爭對手與現有客戶（來自設定檔）
     僅保留公司官方首頁。

子代理人提示詞範本與批次管理請參閱 references/workflow.md。

步驟 4：深度研究與評分

啟動子代理人以平行處理方式研究各家公司。資訊擴充子代理人的提示詞範本請參閱 references/workflow.md。完整研究方法論請參閱 references/research-patterns.md。

流程：

1. 將過濾後的 URL 分組分配給各子代理人（quick：約 10 家，deep：約 5 家，deeper：約 2-3 家）

2. 一次啟動所有資訊擴充子代理人（每則訊息最多約 6 個）

3. 每個子代理人僅使用 Bash — 針對每家公司執行：

   階段 A — 規劃（Plan）（quick 模式下可跳過）：
   根據 ICP 與資訊擴充欄位拆解出 2-5 個子問題。

   階段 B — 調查迴圈（Research Loop）：
   搜尋並抓取頁面、提取調查發現。嚴格遵守步驟預算（quick: 2-3 次，deep: 5-8 次，deeper: 10-15 次）。

   階段 C — 綜合分析（Synthesize）：
   依據實證對 ICP 契合度進行 1-10 分評分，並根據調查發現填寫資訊擴充欄位。

4. 子代理人透過鏈結 heredoc 將所有 Markdown 檔案在單一 Bash 呼叫中寫入 {OUTPUT_DIR}/

5. 當所有子代理人均完成後，進入步驟 5

重要注意事項：在每個子代理人提示詞中，必須逐字包含已確認的 ICP 描述。請將完整的字面路徑 {OUTPUT_DIR} 傳遞給每一個子代理人。

步驟 5：報告與 CSV 生成

1. 生成 HTML 報告與 CSV（自動於瀏覽器開啟總覽）：

   node {SKILL_DIR}/scripts/compile_report.mjs {OUTPUT_DIR} --open
   

   這將生成：

   • {OUTPUT_DIR}/index.html — 包含評分表格的總覽頁面（會在瀏覽器中開啟）
   • {OUTPUT_DIR}/companies/*.html — 各家公司的獨立頁面（自總覽頁面連結）
   • {OUTPUT_DIR}/results.csv — 附帶評分的試算表，可用於匯入 Google Sheets 或 CRM 系統

2. 同時在對話中呈現摘要：

## 公司深度調查完成

- **研究公司總數**：{count}
- **研究深度模式**：{mode}
- **契合度評分分佈**：
  - 高度契合 (8-10)：{count}
  - 部分契合 (5-7)：{count}
  - 契合度低 (1-4)：{count}
- **已於瀏覽器開啟報告**：~/Desktop/{company_slug}_research_{date}/index.html

3. 在表格中顯示按 ICP 契合度評分排序的優質目標公司：

| 公司名稱 | 評分 | 產品 | 產業 | 契合度理由 |
|---------|-------|---------|----------|---------------|
| Acme | 9 | AI 庫存管理 | 電商 SaaS | A 輪融資、使用 Selenium、正擴展至歐盟市場 |

4. 針對前 3 至 5 家首選公司，提供簡短的研究摘要 — 包含主要調查發現、為何高度契合，以及建議採用的具體切入角度。

可詢問使用者是否需要針對特定公司進行更深入調查、調整評分標準，或是重新執行...