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
- 禁止在 Step 6 调用任何额外工具、脚本、程序或搜索能力。
- 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。
- 禁止把“事件提取”外包给别的子代理、插件或函数。
- 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。
- 必须由当前 LLM 直接完成阅读、筛选、归类、合并和输出。
- 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
- 只从视频内容里抽事件线索，不做外部核验。
- 常规种草、普通促销、日常卖点介绍全部排除。
- 同一事件合并，避免重复堆砌。
- 事件摘要必须短、清楚、可读。
- 非行业政策事件的
品牌名必须严格属于FINAL_COMPETITOR_BRANDS。 - 若无法稳定归属到已选竞品，则丢弃该事件。
- 不允许编造链接；链接只能来自原始视频数据本身。
- 所有具体数值都只能来自原始数据；缺失则写
-。 - 不要输出“分析过程”“推理过程”“中间草稿”，只输出最终 JSON 结果。
- 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