做调研花 3 天，写报告花 2 天？这个技能帮你自动抓取多源信息、交叉验证数据、生成结构化报告——30 分钟出初稿，你只需要做最终判断。

先说结论

Deep Research 是 OpenClaw 生态里企业需求最高的技能（评分 3.640），代表的是「数据驱动决策」的工作方式。

原因很实在：它解决的是商业分析的核心痛点——信息分散、数据矛盾、时间不够。

你肯定有这些经历：

这个技能做的事情：自动抓取多源信息→交叉验证→生成结构化报告。

不是简单的「搜索 + 总结」，而是带判断、有溯源、可执行的研究分析。

这个技能到底是什么？

用一句话说：它是你的初级分析师助手。

核心能力清单

先决条件：用这个技能前你需要什么

必需条件

技能安装

clawhub install in-depth-research

实战 1：30 分钟搞定一份竞品分析报告

场景背景

我有个企业客户，要做《AI 培训行业竞品分析》，之前我接这种项目的流程：

传统做法：

总耗时：12-15 小时

用 Deep Research：

总耗时：约 2.5 小时

节省时间：83%

操作演示

第一步：定义研究任务

直接说：

「做一份 AI 培训行业的竞品分析，重点分析以下 5 家机构：

•

机构 A（官网：xxx.com）

•

机构 B（公众号：xxx）

•

机构 C（主打产品：xxx）

•

机构 D（最近融资 xxx）

•

机构 E（我们的直接竞品）

分析维度：

1

产品矩阵（有哪些课程/服务）

2

定价策略（价格区间、优惠方式）

3

目标客户（ToB 还是 ToC）

4

营销渠道（公众号/抖音/知乎等）

5

核心优势（他们主打什么卖点）

输出一份结构化报告，每个数据都要有来源。」

第二步：技能自动执行

Deep Research 会自动做这些事：

Phase 1：信息收集（约 10 分钟）

Phase 2：数据提取（约 5 分钟）

{  "机构名": "机构 A",  "产品列表": ["AI 文案课", "AI 绘画课", "企业内训"],  "价格区间": "299-9800 元",  "目标客户": "ToC 为主，少量 ToB",  "营销渠道": ["公众号", "抖音", "知乎"],  "核心卖点": "7 天见效，1 对 1 辅导"}

Phase 3：交叉验证（约 5 分钟）

Phase 4：报告生成（约 10 分钟）

第三步：输出报告

最终你会得到类似这样的报告：

# AI 培训行业竞品分析报告**生成时间：** 2025-04-21  **分析师：** Deep Research + 李宏阳  **数据可信度：** 🟢 高（73% 数据有 3+ 来源验证）---## 一、执行摘要### 核心发现1. **市场分化明显**：头部 3 家机构占据 60% 市场份额，中小机构主打垂直细分2. **ToB 成为新增长点**：80% 的机构 2024 年增加了企业内训业务3. **价格战加剧**：入门课程均价从 2023 年的 599 元降至 299 元4. **内容同质化严重**：70% 机构课程大纲高度相似### 我们的机会点- 中小企业定制服务供给不足- 行业专属课程（如医疗、法律）仍是蓝海- 售后/陪跑服务是差异化关键---## 二、竞品全景对比| 机构 | 主打产品 | 价格区间 | 目标客户 | 核心卖点 | 可信度 ||------|---------|---------|---------|---------|--------|| 机构 A | AI 文案/绘画/办公 | 299-9800 元 | ToC 为主 | 7 天见效 | 🟢 || 机构 B | 企业内训定制 | 5 万 -50 万 | ToB | 场景化落地 | 🟢 || 机构 C | AI 全栈训练营 | 4980-12800 元 | ToC | 保就业 | 🟡 || 机构 D | Prompt 工程课 | 199-2980 元 | ToC | 阿里认证 | 🟢 || 机构 E | AI 营销实战 | 699-5980 元 | ToC+ToB | 案例驱动 | 🟡 |---## 三、深度分析### 3.1 产品矩阵对比**机构 A：**- 入门课：AI 文案写作（299 元）— 引流产品- 进阶课：AI 绘画大师（980 元）— 利润产品- 高阶课：1 对 1 私教（9800 元）— 高客单- **策略：** 低价引流→高价转化**机构 B：**- 只做 ToB 企业内训（5 万起）- 按需提供定制，无标准化产品- **策略：** 高客单 + 高复购...### 3.2 定价策略分析**价格带分布：**

199-499 元  ▓▓▓▓▓▓░░░░ 45%（入门引流）500-1999 元 ▓▓▓▓░░░░░░ 32%（主力利润）2000-5000 元 ▓▓░░░░░░░░ 15%（高阶课程）5000 元 +   ▓░░░░░░░░░  8%（私教/企业）

**洞察：**- 299 元成为新的入门价格锚点（2023 年是 599 元）- 高价产品普遍采用「分期付款」「保过协议」降低决策门槛- 企业内训价格不透明，需单独询价### 3.3 营销渠道分析**各机构渠道投入占比（估算）：**| 机构 | 公众号 | 抖音 | 知乎 | 小红书 | 线下活动 ||------|--------|------|------|--------|---------|| A | 30% | 40% | 15% | 10% | 5% || B | 50% | 10% | 20% | 5% | 15% || C | 20% | 50% | 10% | 15% | 5% || D | 40% | 20% | 30% | 5% | 5% || E | 35% | 25% | 20% | 15% | 5% |**洞察：**- ToC 机构重仓抖音（流量大，转化快）- ToB 机构侧重公众号 + 线下（信任成本高）- 知乎适合建立专业人设，但转化周期长---## 四、SWOT 分析（针对我方）### 优势（Strengths）- 500 强企业高管背书（戴尔、安踏等）- 2025 年 50 场培训实战经验- 端到端业务闭环理解### 劣势（Weaknesses）- ToC 产品标准化程度低- 线上流量运营经验不足- 缺少入门级引流产品### 机会（Opportunities）- 中小企业 AI 转型需求爆发- 行业专属课程供给不足- 政府/协会合作项目增多### 威胁（Threats）- 头部机构价格战加剧- 大厂（阿里/腾讯）进入培训市场- AI 工具本身降低学习需求---## 五、战略建议### 短期（1-3 个月）1. **推出 299 元入门课**：降低获客门槛，建立流量池2. **强化 ToB 差异化**：主打「业务场景落地」，非工具教学3. **启动抖音运营**：每周 3 条短视频，积累私域流量### 中期（3-6 个月）1. **开发行业专属课**：医疗/法律/财务等垂直领域2. **建立合作伙伴网络**：与 ISV/咨询公司联合获客3. **推出会员制服务**：年费制，持续更新 + 答疑### 长期（6-12 个月）1. **打造 IP 矩阵**：除了个人 IP，培养 2-3 个讲师 IP2. **开发 SaaS 工具**：培训 + 工具捆绑，提高粘性3. **探索海外市场**：东南亚/中东的 AI 培训蓝海---## 六、数据来源1. 机构 A 官网产品页 - https://xxx.com/products2. 机构 B 公众号历史文章 - 2024-12 至 2025-043. 知乎「AI 培训」话题讨论 - 高赞回答 15 篇4. 小红书用户评价 - 搜索「AI 培训」笔记 50 篇5. IT 桔子融资数据库 - 2024 年教育培训行业报告6. ...**数据收集时间：** 2025-04-21 14:00-14:30  **验证方式：** 73% 数据点有 3+ 独立来源交叉验证

实战 2：自动监控竞品动态

场景背景

竞品分析不是一次性工作，需要持续监控。之前我每个月要：

耗时：每月 4 小时

现在：全自动监控，有变化才通知我。

工作流设计

结合 Automation Workflows：

name: 竞品动态监控description: 每周自动监控竞品，有重大变化时发通知trigger:  type: schedule  cron: "0 10 * * 1"  # 每周一上午 10 点steps:  # Step 1: 并行监控 5 家竞品  - name: 监控机构 A    action: deep_research    query: "机构 A 2025 新产品 价格调整"    time_range: "7d"  # 只查最近 7 天    output: competitor_a  - name: 监控机构 B    action: deep_research    query: "机构 B 企业内训 新客户案例"    time_range: "7d"    output: competitor_b  # ... 监控其他竞品  # Step 2: 判断是否有重大变化  - name: 分析变化    action: evaluate    code: |      const changes = []      if (steps.competitor_a.new_products.length > 0) {        changes.push("机构 A 发布新产品：" + steps.competitor_a.new_products.join(", "))      }      if (steps.competitor_a.price_changed) {        changes.push("⚠️ 机构 A 调整价格")      }      // ... 其他竞品      return changes.length > 0 ? changes.join("\n") : "无重大变化"    output: summary  # Step 3: 有变化才发通知  - name: 发送通知    action: message    target: "文件传输助手"    message: |      🔔 竞品动态监控周报      时间：{{date}}      {{steps.summary}}      详细报告：{{steps.report_url}}    if: "{{steps.summary}} != '无重大变化'"

效果：

实战 3：市场趋势研究

场景背景

我要准备一场《2025 AI 应用趋势》的演讲，需要了解：

传统做法： 查 3 天资料，写 2 天 PPT

用 Deep Research： 1 小时出完整报告

操作演示

「做一份 2025 年 AI 应用趋势研究，覆盖以下维度：

1

行业落地：制造/零售/金融/医疗/教育，每个行业找 3 个标杆案例

2

技术趋势：多模态/Agent/具身智能/边缘 AI

3

政策环境：2024-2025 年国家/地方 AI 相关政策

4

资本动向：2024 年 AI 领域投融资 Top 10

5

风险挑战：数据隐私/就业冲击/伦理问题

输出格式：一份可用于演讲的报告，每个趋势配 1-2 个具体案例」

输出特点

这份报告会包含：

你拿过去就能改改当演讲稿。

研究方法：Deep Research 是怎么工作的

1. 多源抓取

不是只搜百度，而是同时：

2. 交叉验证

同一个数据，至少找 3 个独立来源：

例如：

「机构 A 2024 年营收 1.2 亿」

•

来源 1：知乎某用户回答（🔴）

•

来源 2：某自媒体文章（🔴）

•

来源 3：机构 A 官方公众号（🟢）

最终采用来源 3，标注「官方数据」

3. 矛盾处理

当不同来源数据矛盾时：

报告会显示：

「关于机构 A 的学员数量，有不同说法：

•

官网称「累计学员 10 万+」（2025-03）

•

知乎用户称「实际约 5 万」（2024-12）

•

某媒体报道「2024 年新增 3 万」（2025-01）

建议采用官方数据，但注意可能包含免费体验用户。」

4. 结构化输出

不是大段文字，而是：

进阶：自定义研究框架

场景：你需要按特定框架做分析

Deep Research 支持你指定分析框架：

「用波特五力模型分析 AI 培训行业：

1

供应商议价能力

2

购买者议价能力

3

新进入者威胁

4

替代品威胁

5

现有竞争者竞争程度

每个维度用 1-5 分打分，并说明理由」

输出：

## 波特五力分析| 维度 | 评分 (1-5) | 理由 ||------|-----------|------|| 供应商议价能力 | 2 分 | 讲师供给充足，头部讲师稀缺但可替代 || 购买者议价能力 | 4 分 | 个人用户价格敏感，企业用户决策周期长 || 新进入者威胁 | 4 分 | 门槛低，2024 年新增 300+ 机构 || 替代品威胁 | 3 分 | 自学/免费内容多，但系统性不足 || 现有竞争 | 5 分 | 价格战激烈，利润率从 40% 降至 25% |**综合判断：** 行业竞争激烈，需快速建立差异化

避坑指南

坑 1：数据太新，搜不到

现象： 要查上周的数据，结果找不到

解决：

坑 2：数据来源不可靠

现象： 报告里引用了自媒体的数据，不准确

解决：

坑 3：报告太长，看不完

现象： 生成了 50 页报告，没时间看

解决：

这个技能适合谁？

如果你很少做研究分析工作（少于每月 1 次），可能用不上这个技能。

下一步行动建议

系列总结

这是「OpenClaw 技能实战」系列的第 5 篇，也是最后一篇。

回顾一下前 5 篇：

这 5 个技能可以串联成一个完整的工作流：

Deep Research（调研）→ Summarize Pro（提炼）→ Obsidian CLI（归档）→ wewrite（写作）→ WeChat MP CN（发布）→ Automation Workflows（串联全流程）

这就是 OpenClaw 的价值：不是单个技能的效率提升，而是整体工作流的重构。

这 5 个技能，你最想先试哪个？或者已经有用得好的经验？

欢迎在评论区分享，我会持续更新更多实战案例。

本文是「OpenClaw 技能实战」系列第 5 篇（完结篇）。作者：李宏阳，AIGC 培训讲师，2025 年培训 50 场，受众 5000+ 人。公众号/视频号/小红书：李宏阳讲 AI