ECC competitive-platform-analysis 技能详解:如何在基准测试前构建一套可辩护的竞品集合
ECC(Everything Claude Code)仓库中的 competitive-platform-analysis 是一项用于"圈定竞争格局"的 Agent 技能:它回答的不是"怎么打分",而是"先决定和谁比、去哪里找证据"。读完本文,你将掌握该技能的完整工作流——从客户定位简报(positioning brief)的六项要素、七维选择标准、八轴玩家分类法,到 Direct/Adjacent/Aspirational 三级分层、双源验证纪律与预筛选评分矩阵,并能将其放入 ECC 三技能竞争分析管线(brand-discovery → competitive-platform-analysis → benchmark-methodology)中正确使用。
技能定位:三技能竞争管线的第一步
根据 SKILL.md 的 frontmatter 描述,该技能的使用时机是"圈定竞争格局——在任何基准测试(benchmarking)开始之前,识别、分类并按分数过滤竞争对手集合",它决定了三个问题:谁算竞争对手、属于哪个层级(tier)、该挖掘哪些信息源。文档开篇点明了它的核心立场:
A competitive analysis is only as good as its frame: the wrong set makes the client look either unbeatable or doomed.(竞争分析的上限由它的框架决定:错误的集合会让客户看起来要么不可战胜、要么毫无希望。)
目标因此被明确为一个可辩护的、与决策相关的集合(defensible, decision-relevant set),而非一次穷尽式普查。
在仓库中该技能存在两份等价副本:.agents/skills/competitive-platform-analysis/SKILL.md 与 skills/competitive-platform-analysis/SKILL.md,内容一致,分别服务于 Agent 侧与安装/分发侧。其对外接口定义在 openai.yaml 中:
interface:
display_name: "Competitive Platform Analysis"
short_description: "Scope and tier a competitor set before benchmarking"
brand_color: "#0EA5E9"
default_prompt: "Use $competitive-platform-analysis to scope and categorize a competitor set."
policy:
allow_implicit_invocation: true
从接口配置看,allow_implicit_invocation: true 意味着 Agent 可以在判定上下文匹配时隐式激活该技能,而不必由用户显式点名。在分发层面,install-modules.json 将 skills/competitive-platform-analysis 归入 business-content 模块(与 brand-discovery、competitive-report-structure 等商业/写作类技能同组),支持 claude、cursor、codex、opencode 等多个目标端安装。
该技能在管线中的位置由三个相关技能交叉印证:
- 上游
brand-discovery:通过多轮访谈产出定位简报与战略张力(strategic tension),为圈定集合提供"客户视角"; - 本技能
competitive-platform-analysis:产出分层、剪枝后的候选集合; - 下游
benchmark-methodology:接收分层集合,按九个加权维度打 1–5 分并生成竞品档案卡;最终由competitive-report-structure组装成决策级报告。
benchmark-methodology 的反模式清单中明确写着"先运行 competitive-platform-analysis 产出分层、剪枝的集合,再打分",反向确认了本文技能是整条管线的前置门禁。
何时激活该技能
原文档列出的五个激活场景,覆盖了从项目启动到单点疑问的典型诉求:
- 即将启动一个竞争基准测试项目,需要先定义竞争对手集合;
- 不确定某些公司应归入 Direct / Adjacent / Aspirational 哪一层;
- 需要为市场格局报告一个可辩护、已剪枝的范围(scope);
- 已有一份定位简报(positioning brief),想识别谁在挑战这个位置;
- 作为运行
benchmark-methodology之前的第一步。
注意最后一条的隐含约束:该技能只圈定与分层,不做维度打分——打分是下游技能的事,两者混用正是原文档反模式之一。
前置条件:客户定位简报(Positioning Brief)
这是整个技能中最强的流程门禁。文档要求:在做任何圈定之前,先确立客户的定位简报。如果还没有,应运行一次简短的 brand-discovery 访谈来提炼——绝不凭空编造简报,也绝不在没有简报的情况下盲目圈定集合。
简报必须供给六项内容:
| 要素 | 含义 |
|---|---|
| Identity / aesthetic register(身份/审美基调) | 这是一家什么样的工作室或公司,它如何呈现自己 |
| Offer(服务/产品) | 它交付什么服务或产品 |
| Target clients(目标客户) | 它向谁销售 |
| Differentiator(差异化) | 客户所相信的护城河或定位主张 |
| Scoping consequence(范围推论) | 对竞争对手如何加权的推论,例如按 distinctiveness、能力重叠度还是价格优先 |
| Strategic tension(战略张力) | 定义客户空位(white-space)的成对轴,例如 memorability × hireability(可记忆性 × 可雇佣性) |
其中 Scoping consequence 是最关键的一项:它决定了哪些对手是强敌(真正挑战客户护城河的人),而哪些只是服务菜单上的重叠者。原文档用了一句断言强调门禁的强度:"Do not proceed without the positioning brief."(没有定位简报不得推进)——一份没有客户视角圈定的竞品列表是噪声(noise),不是情报(intelligence)。
从源码结构看,这一设计贯穿整条管线:benchmark-methodology 的第九个维度直接就是"客户定位简报中的战略张力",competitive-report-structure 的每个章节也都要回溯到该张力。定位简报因此是三个技能共享的契约,而本技能是该契约的第一个消费方。
选择标准:决定"是否入选"与"属于哪层"的七个轴
对每个候选者,需要采集以下轴线——它们同时决定纳入与否和层级归属:
- Size / model(规模/模式) — solo(单人)、micro-studio(2–8 人)、boutique(30 人以下)、mid-size agency(中型机构)。要与客户自身所在的量级带(band)对齐:同量级带的工作室才是现实中的一对一竞争集合。
- Niche / specialization(细分/专长) — 候选者的专注领域与客户 offer 的重合度。重合越紧,竞争越直接。
- Geography / market(地理/市场) — EU、US 还是 global-remote;语言;时区覆盖。重点记录:它们是否赢得客户正在争取的同一批目标客户。
- Pricing & engagement model(定价与合作模式) — 产品化冲刺(productized sprints)、retainer(月费)、项目制、日薪;价格透明还是"联系我们"。这一项是定位成熟度的信号。
- Portfolio style(作品集风格) — 通用型 vs. 有观点/编辑型(editorial)vs. 反主流(contrarian)。与客户审美基调越接近,越意味着它在挑战客户的独特性。
- Technical depth / craft maturity(技术深度/工艺成熟度) — 仅当客户的可信度叙事包含公开的流程工作、开源工具或有文档记录的体系时才相关。
- Brand strength(品牌强度) — 该工作室是否拥有可被拥有的(ownable)语言/视觉身份,还是面目可憎到可以互换?按客户简报中的 scoping consequence 决定权重。
玩家分类法:八条通用轴,而非细分行业桶
原文档明确警告:不要把竞争对手塞进行业专属的分类桶(niche-specific buckets),而应沿着几条通用轴来排布,以避免格局图偏向某一种原型。这些轴适用于任何创意服务市场(设计、动态、文案、品牌、内容、影视等),策略是"先保证每条轴上的广度,再剪枝到最有教学价值的少数"。
八条轴依次为:
- Positioning stance(定位立场) — brand-led / editorial(靠身份、声音、POV 竞争)vs capability-led(靠工艺、产能、结果竞争)。两个极点都要覆盖;客户最接近的镜像位于它自己的那一端。
- Specialization(专长) — specialist(一个紧密的学科或垂直领域)vs generalist(宽泛的服务菜单)。与客户专注点的重合越紧越直接。
- Size / model(规模/模式) — solo / micro vs boutique vs mid-size vs enterprise-scale。同量级带玩家是现实的一对一;更大量级带是"抱负/商业成熟度"参照系。
- Engagement format(合作形式) — productized(命名冲刺、审计、固定套餐)vs bespoke(定制项目/月费)。它是定位成熟度的信号。
- Distinctiveness posture(独特性姿态) — conventional / safe(常规/安全)vs contrarian / manifesto-driven(反主流/宣言驱动)。在任何细分领域做独特性基准测试,意见化(opinionated)的一端才是关键。
- Evidence / credibility model(证据/可信度模型) — outcome-led(指标、点名客户、案例深度)vs aesthetic-led(作品集、奖项)。它告诉你每个玩家靠什么赢得信任。
- Brand strength of the operator(运营者的品牌强度) — interchangeable(可互换)vs cult / ownable identity( cult/可被拥有的身份,包括证明了"可记忆的独立品牌"模式的资深独立者)。
- Market / reach(市场/触达) — local / regional vs global-remote;记录它们是否赢得客户的目标客户。
判定的收敛规则是:把每个候选者投射到相关轴上;当它同时在定位、专长、规模、市场四个维度上贴近客户时,该竞争者即为 direct(直接)。这一定义与后文 Direct 层的描述互相呼应。
竞争层级:集合如何收敛为三层
最终的集合被组织为三个层级——这个结构会一路贯穿到最终报告(competitive-report-structure 报告的第 3 节直接复用这三层):
- Direct(直接) — 同量级带、offer 重叠、目标客户相同。这是一对一现实竞争。
- Adjacent(相邻) — 部分重叠(某一项能力,或不同的客户体量),在边缘施加压力。
- Aspirational(抱负) — 客户今天并不与之竞争、但其品牌或商业成熟度设定了"应当瞄准的标尺"的玩家。
文档还附带一条括号提示:注意替代品(substitutes)——no-code/AI 工具、客户自建的内部团队、泛用型自由职业者。它们应当被记录为威胁向量(threat vector),除非实质性地重要,否则不作为被画像的竞品单独立档。
数据源:去哪找、以及双源验证纪律
原文档的取数原则是"把信息源匹配到你要考察的维度",并强调以下平台类型是通用的——实际执行时应替换为该客户细分领域的原生平台(例如设计用 Dribbble/Behance,动态设计用 showreel/Vimeo,文案用写作样稿/已发表作品)。
| 源类型 | 考察维度 | 示例/备注 |
|---|---|---|
| Portfolio / craft platforms(作品集/工艺平台) | 工艺质量、广度、审美基调 | Dribbble、Behance、Vimeo 或该细分的等效展示平台 |
| Awards / curated showcases(奖项/策展展示) | 工艺抱负与编辑界认可 | 天然偏向"炫技"作品,需交叉核查商业可信度(如 Awwwards、行业奖项榜) |
| Competitor's own site(竞对官网) | 定位、声音、offer 包装、定价姿态、点名客户、宣言/POV 的第一手来源 | — |
| 团队规模/模式、创始人叙事、发帖频率、客户 logo、地理 | — | |
| Review directories(评论目录站) | 评论、点名客户、项目体量、合作模式;商业可信度与企业就绪度的最强信号 | Clutch.co 或该细分的等效平台 |
| Open / public work(公开/开源工作) | 流程仓库、公开样稿、开放创作输出:深度与工艺透明度的证据 | — |
| Conference talks / podcasts / newsletters(演讲/播客/通讯) | 思想领导力深度与 POV 所有权 | — |
取数之后有一条硬性纪律:
Always verify claims across at least two sources before treating a competitor attribute as fact(self-reported site copy ≠ verified outcome).(在把任何竞品属性当作事实之前,必须至少跨两个来源验证;自述的官网文案 ≠ 已验证的结果。)
原文档要求把这种**对抗性验证纪律(adversarial-verification discipline)**带入每一个画像。这一纪律在下游被继承:benchmark-methodology 的偏差控制中设有"Asserted vs proven"规则——对无佐证的自述主张降级处理,而 competitive-report-structure 的方法论附录则要求逐竞品保留来源链接与验证备注,使整份报告可审计。
预筛选评分矩阵:谁有资格进入完整基准测试
这是本阶段的"轻量级闸门",用于决定哪些候选者"毕业"进入完整基准测试。打分规则:每项 1–5 分;只要候选者在 distinctiveness(独特性)或 credibility(可信度)任意一极得分高就保留——因为客户的战略张力意味着两极都有教学价值。
模板矩阵(来自原文档,可直接复制使用):
| Candidate | Positioning stance | Specialization | Size band | Tier | Offer overlap (1–5) | Distinctiveness (1–5) | Commercial credibility (1–5) | Craft proximity (1–5) | Include? |
|---|---|---|---|---|---|---|---|---|---|
| (候选者名) |
保留/剔除的经验法则(须按客户简报中的 scoping consequence 调整权重):
- 高独特性 + 高可信度 → 必须画像(must-profile):它证明客户的"目标张力"是可达成的;
- 高独特性、低可信度 → 警示案例(cautionary case):令人记住但不可雇佣——一个值得学习的潜在失败模式;
- 高可信度、低独特性 → 客户用来反向定义自身的那片"能干但无趣"(competent but forgettable)大众;
- 双低 → 剔除,除非格局广度需要它。
阶段输出:交给下游的集合形态
本阶段的交付物是:一个已圈定、已分层的竞争对手集合——典型规模是 10–18 个候选者 → 8–12 个被完整画像,每个候选者都带上:
- 其在八条轴上的位置标注(axis positions);
- 所属层级(Direct / Adjacent / Aspirational);
- 支撑其属性的来源链接。
输出随即移交给 benchmark-methodology。这个"数量收敛"本身就是该技能的核心价值主张:宽度(breadth)保证格局不偏,剪枝(pruning)保证基准测试可管理。
完整示例:一家精品品牌工作室的圈定过程
原文档给出了一个贯穿三步的端到端示例,是理解整套方法的最好入口。
场景:一家精品品牌识别工作室(2 人、EU-remote、产品化冲刺、反主流/宣言驱动的审美风格),要在基准测试前圈定竞争集合。其定位简报中的战略张力是 memorability × hireability(可记忆性 × 可雇佣性)。
Step 1 — 八轴填充(样例候选者):
| Candidate | Positioning stance | Specialization | Size band | Engagement | Distinctiveness | Evidence model | Brand strength | Market |
|---|---|---|---|---|---|---|---|---|
| Studio A | brand-led / editorial | identity only | micro | productized | contrarian | aesthetic-led | cult | global-remote |
| Studio B | capability-led | broad DS+motion | boutique | bespoke | conventional | outcome-led | interchangeable | US |
| Agency C | capability-led | brand+digital | mid-size | retainer | conventional | outcome-led | interchangeable | EU |
| Freelancer D | brand-led | brand voice only | solo | day-rate | editorial | aesthetic-led | ownable | global |
| Studio E | brand-led | brand strategy | micro | productized | manifesto-driven | outcome-led | cult | EU-remote |
Step 2 — 预筛选打分(客户 scoping consequence:权重倾斜到 distinctiveness,因为客户的护城河是 POV-first 而非能力广度):
| Candidate | Offer overlap (1–5) | Distinctiveness (1–5) | Commercial credibility (1–5) | Craft proximity (1–5) | Tier | Include? |
|---|---|---|---|---|---|---|
| Studio A | 5 | 5 | 3 | 5 | Direct | ✓ must-profile |
| Studio B | 3 | 2 | 5 | 3 | Adjacent | ✓ credibility anchor |
| Agency C | 2 | 1 | 5 | 2 | Aspirational | ✓ scale reference |
| Freelancer D | 4 | 4 | 2 | 4 | Direct | ✓ cautionary case |
| Studio E | 5 | 5 | 4 | 4 | Direct | ✓ must-profile |
Step 3 — 交给 benchmark-methodology 的输出:五个候选者(3 Direct、1 Adjacent、1 Aspirational),每个都带上轴位置、层级与来源链接。Studio A 与 Studio E 是最尖锐的一对一对手;Freelancer D 是"令人记住但不可雇佣"的警示案例,供客户从中学习反面。
这个示例同时展示了三层各自的战略用途:Studio B 作为"可信度锚点"、Agency C 作为"规模参照"、Freelancer D 作为"警示案例"——层级不是行政标签,而是为下游报告分配叙事角色的依据(competitive-report-structure 的 Deep dives 一节正是按"目标张力的最佳范例 / 单极警示案例 / 能干但无趣的原型 / 直接威胁"来选 3–5 家深写,其取材逻辑与这里一一对应)。
反模式清单:五条不可犯的错误
原文档用反模式(Anti-Patterns)章节固化了边界,与正文规则形成呼应:
- 没有定位简报就圈定。 没有客户视角构建的竞品列表是噪声;简报决定了什么才算真正的对手。
- 列出所有相似公司。 目标是可辩护的 10–18 候选集合,不是普查;没有剪枝的广度会让基准测试无法管理。
- 混淆 Direct / Adjacent / Aspirational 层级。 三个层级服务于不同的战略目的;混在一起只会产出一份无法驱动决策的扁平列表。
- 每个竞品只依赖单一来源。 自述的官网文案是营销,不是事实;属性必须跨至少两个来源验证。
- 直接跳到打分。 本技能只负责圈定与分层;打分由
benchmark-methodology承担。不要混淆这两个步骤。
与上下游技能的衔接:契约与交接物
从技能间的引用关系可以梳理出这条管线的交接契约:
- 上游
brand-discovery(SKILL.md):其 Related Skills 明确写着"brand-discovery 建立定位简报之后,用 competitive-platform-analysis 来圈定与分类竞品集合"。brand-discovery 通过 8 个访谈模块(purpose、positioning、audience、personality、voice、narrative、founder-tension 与 90_SYNTHESIS)产出定位简报,正是本技能要求的六要素的上游来源。 - 本技能 →
benchmark-methodology(SKILL.md):交接物是"分层、带轴标注与来源链接的竞品集合"。下游技能随后在九个加权维度(定位清晰度 18%、品牌声音 15%、视觉与站点工艺 15%、服务包装 12%、证据与可信度 12%、企业就绪度 10%、思想领导力 8%、定价透明度 5%、客户战略张力 5%)上按 1–5 评分量表打分,并强制"没有证据就没有分数"——这恰好接住了本技能埋下的双源验证纪律。 benchmark-methodology→competitive-report-structure(SKILL.md):画像卡组装为含执行摘要、格局图、三层竞品、基准矩阵、深潜分析、空位与威胁、战略建议、方法论附录的八节报告。
因此,单独理解本技能的最佳方式是把它当作整条竞争分析管线的**"输入质量控制层"**:它不产出分数,也不写报告,但决定了分数的对象集合与证据的可审计性。其设计要点可以浓缩为四条可迁移的工程原则——先用客户视角框定问题、用通用轴而非行业桶做分类、以"少量但可辩护"代替"多而全"、以及把"自述≠事实"写成硬性验证规则。
适用前提与限制
最后说明使用该技能的适用边界:
- 该技能面向创意服务/品牌类市场的竞争圈定,文中示例(工作室量级带、Dribbble/Awwwards/Clutch 等平台)均以此为默认语境;用于其他行业时需替换源类型与轴的具体取值,但轴的结构本身是通用设计;
- 它是流程性技能而非工具:SKILL.md 本身不包含可执行代码,其"实现"即为方法论约束与模板,运行载体是安装该技能的 Agent(Claude Code、Codex、Cursor、Opencode 等,见 install-modules.json 中
business-content模块的 targets 列表); - 技能间的调用顺序(先 brand-discovery、后 benchmark-methodology)由各技能文档中的 When to Activate 与 Anti-Patterns 条款约束,属于方法论约定而非硬性程序检查,使用者需自行保证管线顺序。
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust0623
Hy4-previewHy4 preview 是由腾讯混元团队研发的新一代混合专家(MoE)旗舰模型。模型总参数量 770B,每个 token 激活 49B,主干共包含78层,第一层采用标准 FFN,其余 77 层均为 MoE 结构,每层包含 256 个路由专家与 1 个共享专家,每个 token 激活 top-8 路由专家及共享专家。主干之外原生内置 1 层 MTP(总参数量 10B,激活 0.7B)以支持投机解码。Python00
GLM-5.3GLM-5.3 与 GLM-5.2 使用相同的基座模型——所有提升均来自后训练。与 GLM-5.2 相比,它在复杂编程和长程任务上的表现显著提升。Jinja00
GLM-5.3-FlashGLM-5.3-Flash (320B-A18B),是GLM-5系列的首个原生多模态模型。320B总参数,能力超过GLM-5.2Jinja00
Spark-X2.5-4BSpark-X2.5-4B 旨在让强大的 AI 更实用、更高效、更易获得。在广泛日常任务中表现强劲,涵盖对话、写作、翻译、推理、编码、工具调用以及智能体工作流,并在同等规模的开源模型中取得领先成绩。Spark-X2.5 将面向效率的架构与最高 1M tokens 的原生上下文窗口相结合,并支持 200 多种语言。Python00
Spark-X2.5-1.7BSpark-X2.5-1.7B 旨在让强大的 AI 更加实用、高效且易于获取。这些模型在广泛的日常任务中表现出色,涵盖对话、写作、翻译、推理、编程、工具调用和智能体工作流,并在同等规模的开源模型中取得领先结果。Spark-X2.5 将面向效率的架构与最高 1M tokens 的原生上下文窗口相结合,并支持 200 多种语言。Python00