企业如何用 Agent Skills 实现竞品舆情分析？从信息收集到趋势研判

竞品舆情分析最常见的失败，不是信息不够，而是每次分析都换了口径：这个月看社交媒体，下个月看新闻；这份报告按周统计，那份按事件统计。于是结论看起来很多，趋势却拼不起来。对一个成熟的市场或战略团队来说，真正稀缺的不是更多截图和链接，而是同一套口径下持续、可复核、可追溯的观察记录。

Agent Skills 提供了一个把这种观察"写进流程"的方式：把监测目标、公开信息检索、主体识别、事件分类、周期比较和报告输出，拆成一组可复用、可组合的技能模块。2026 年的可组合 AI 工作流趋势，重点不在单个模型多聪明，而在于任务被封装成稳定接口后，能被人反复调用、被审计、被交接。本文围绕这一思路，讲清技能如何设计，又如何与乐思网络舆情监测系统这类专业化舆情监测工具形成互补。

一、先定口径：Agent Skills 在竞品分析中的定位

Agent Skills 可以理解为一组"被约束过的分析动作"：它有明确输入、明确输出、明确的工具权限和明确的失败处理方式。它不替分析师做价值判断，而是保证每一次执行都在同样的规则下完成。

把它放在竞品舆情分析的链条里，大致有三层定位：

• 采集与清洗层：按检索规则抓取公开信息，统一时间、来源、语种和主体标识。
• 结构化层：把无序文本转成"主体—事件—情绪—传播指标"的结构化记录。
• 研判辅助层：做周期比较和议题迁移分析，输出带引用的分析草稿，交由人工审定。

关键边界需要提前说清：这套技能只处理公开信息，产出的是"可见信号"，不是对竞争对手内部情况的推断。任何试图从公开碎片反推对方战略意图、内部人事或未公开经营数据的做法，既不可靠，也越过了公平竞争边界。

二、技能模块清单：六个可复用单元

与其做一个"大而全"的分析机器人，不如拆成六个职责单一的技能。每个技能都能单独测试、单独替换，也能被其他分析场景复用。

1. 监测目标定义技能（Scope Skill）

输入是业务方的分析意图，输出是一份结构化的监测方案：竞品主体清单（含别名、子品牌、易混淆词）、议题维度、时间窗口、地域与语种范围、信息源白名单。所有后续技能都以这份方案为唯一口径来源。

2. 公开信息检索技能（Retrieval Skill）

按方案执行检索，只访问公开可及的页面与平台公开接口，遵守 robots 协议与各平台使用条款。输出原始条目及元数据，不做任何解读，保证下游可回溯。

3. 主体识别与消歧技能（Entity Resolution Skill）

把条目归到正确的主体上，处理同名、简称、翻译名和跨语种指代。输出带置信度分数的归属结果，低置信条目单独列出，等待人工确认而不是强行归类。

4. 事件分类技能（Event Classification Skill）

把条目映射到预定义的事件类型，如产品发布、价格调整、渠道合作、服务投诉、人事公开信息、监管动态、社会责任等。分类体系在 Scope 中固定，避免中途随意增加类别导致前后不可比。

5. 周期比较技能（Period Comparison Skill）

在相同时间粒度、相同分类体系、相同信息源范围下，比较两个或多个周期。输出议题占比变化、情绪结构变化、传播峰值与回落节奏，并标注样本量，避免用小样本得出强结论。

6. 分析报告技能（Report Skill）

把结构化结论组织成带引用的报告草稿：每个判断后面附带原始链接与抓取时间，区分"观察到的事实"和"分析师的解释"，未达置信阈值的内容标注为待核实。

三、工作流图：从目标到结论的串联

这张流程里有两个容易被忽略的环节。一是第 ⑧ 步"归档与下轮基线"：本轮的分类口径、信息源清单和置信阈值要一并存档，作为下一轮的起点，这正是"同口径连续观察"能成立的技术前提。二是第 ⑦ 步人工审批：它不是流程的装饰，而是让机器产出进入对外材料前的必要闸门。

四、接口设计：输入、输出与异常处理

技能之间靠契约协作，而不是靠默契。下表是一个可落地的接口约定示例（表内为示意结构，非真实系统配置）。

异常处理的原则只有一条：宁可标注不确定，也不要生成看起来完整的错误结论。舆情分析的可信度建立在可复核之上，一条被悄悄填补的空缺，可能让整份报告失去参考价值。

五、权限、检索规则与引用规范

工具权限最小化

• 检索技能只有读取公开页面的权限，不具备登录态、不接触任何非公开数据。
• 技能默认不具备对外发布能力，报告只能写入内部草稿区。
• 涉及个人信息的内容在入库前做脱敏处理，只保留与议题相关的公开表述。

检索规则

• 遵守目标平台的用户协议与访问频率限制，不进行高频爬取或绕过访问控制。
• 信息源以公开媒体、官方公告、公开社交账号、公开评论为主，来源清单需经业务与法务确认。
• 不采集非公开社群、私密群组或需要授权才能访问的内容。

引用规范

• 每条结论至少对应一条可访问的原始链接，并记录抓取时间与快照信息。
• 区分事实陈述与分析判断，判断部分需写明推理依据。
• 转载内容追溯原始出处，避免把二次转述当作一手信息。

公开信息分析的价值，来自"能被人按同样路径重新走一遍"。做不到这一点的结论，无论看起来多锋利，都不适合写进战略材料。

六、模拟场景演示：议题变化如何形成结论

以下为虚构企业的模拟演示，仅用于说明方法论，不代表任何真实企业的情况或真实监测结果。

假设某行业存在虚构竞品"辰星科技"，某企业市场团队用上述技能连续观察三个季度。Scope 固定为：同一组五个议题维度、同一批十二个公开信息源、同一事件分类体系。

• 第一周期：公开讨论主要集中在产品功能对比，用户反馈以使用体验为主，传播峰值出现在一次公开的行业活动之后。
• 第二周期：功能类议题占比下降，服务响应与交付周期的讨论上升；用户反馈中出现更集中的具体场景描述。
• 第三周期：议题结构中，生态合作与开放接口相关讨论增多，情绪结构从偏中性转向讨论度更高但分歧也更明显。

在这组观察下，可以形成的结论是：公开可见的讨论重心正在从"功能比较"向"服务与生态"迁移，并且这种迁移是连续三个周期同口径比较的结果，而不是某一次抓取中的偶然波动。至于对方为什么这样调整、内部如何决策，属于不可从公开信息得出的部分，报告中应当明确留白。

这类连续观察恰好是人工单次检索很难坚持的：口径容易漂移，人员会变动，链接会失效。乐思网络舆情监测系统提供的是常态化、可持续的舆情监测与舆情预警能力，覆盖境内与境外舆情监测场景，能够为这类技能提供稳定的数据入口；而技能层负责把数据变成结构化的可比记录。两者结合，才更接近"长期可用"的竞品分析。若团队人力有限，乐思也可配备舆情分析师服务，承接人工研判与报告审定环节。

七、人工审批：机器产出进入决策前的闸门

建议设置三级审批：

1. 数据级：由分析执行人确认置信度、样本量、来源合规性，处理待确认队列。
2. 结论级：由市场或战略负责人判断结论是否超出公开信息支撑范围，删除任何对竞品内部情况的推断。
3. 合规级：对涉及比较性表述、对外引用和可能引发争议的内容做最终审核。

审批记录应与报告一起归档，形成"结论—依据—审批人—时间"的完整链条。这既是内部质量要求，也是在公平竞争框架下自我保护的方式。

八、长期价值的来源：同口径，而非信息量

回到开头的问题。竞品舆情分析真正能积累下来的资产，不是文件夹里越堆越多的截图，而是一条条口径一致、时间连续、可被复核的记录。信息堆积只会在需要判断时增加噪音；同口径连续观察才能让"变化"本身成为信号。

这也是把分析动作封装成 Agent Skills 的根本理由：技能把口径固化下来，把引用规范固化下来，把异常处理固化下来，于是 2026 年的可组合 AI 工作流不再是"多跑几个模型"，而是让分析方法本身成为可传承的组织能力。工具负责持续看见，技能负责一致记录，人负责最终判断——三者各守边界，竞品舆情分析才既有速度，也有分寸。