scout-ci：自我验证的 AI 竞争情报与销售作战卡工具
uroshp/scout-ci · Self-verifying AI competitive intelligence tool for PMM/GTM teams — every claim sourced, unverifiable claims cut and logged.
ELI5：它是什么，解决什么问题
Agent Scout 是一个面向产品营销（PMM）与上市（GTM）团队的竞争情报工具：给定竞争对手（可选加上自家公司和关注领域），生成包含执行摘要、作战卡（battlecard）、异议处理等内容的战略简报。其特点是每条事实性主张都对照公开来源进行核验，无法核实的内容会被删除并记录在可见的 Cut Log 中；核验过程是确定性的、与模型无关的独立代码重新抓取来源并确认引用证据存在。v2 版本由模型驱动的工具调用循环编排（Opus 编排，Sonnet 子代理研究/核验），作战卡会由每日代理监控并仅在判断变化具有实质性时更新。仓库包含 v1（固定 generate→verify→render 流水线）与 v2（Agent Scout 代理式版本）两代实现，二者各自独立可运行。
核心能力与快速开始
★ 3 · Python
- 能做什么
- 输入竞争对手（可选自家公司与关注领域），生成战略简报，包含执行摘要、作战卡、异议处理等；对简报中每条事实性主张对照公开来源进行核验，无法核实的主张被删除并记录到可见的 Cut Log；核验为确定性、无模型参与——由独立代码重新抓取每个引用来源并确认引文证据存在；v2 为代理式编排：Opus 编排器决定研究内容，委派 Sonnet 研究与核验子代理，判断变化是否具有实质性并决定更新或保持沉默；每日（工作日开始前与午间前后）自动刷新各竞争对手的活作战卡，并通过低成本分诊门控在有重大新闻时才升级到实质性判断，以压低平淡日的成本。
- 适用场景
- 面向 PMM/GTM 团队的竞争情报准备，用于销售在客户对话前的作战卡与异议处理材料；需要来源可追溯、可核验的竞争分析简报；希望替代会迅速过期的静态竞争文档、改用定期自动更新的活作战卡。
- 项目形态
- 可直接使用的工具
- 部署方式
- 提供了 Streamlit 应用运行方式（v2: streamlit run v2/app_v2.py；v1: streamlit run v1/app.py）；线上应用部署在 Streamlit Cloud，主文件路径设为 v2/app_v2.py；GitHub Actions 工作流（monitor 每日、selfserve 按需）在 v2/ 内运行。其余部署细节未说明。
- 主要依赖
- Python；需在 .env 中配置 Anthropic API key（ANTHROPIC_API_KEY）；需按各自文件夹的 requirements.txt 安装依赖（v1/requirements.txt、v2/requirements.txt）。具体模型调用成本与限制未说明。
- 使用限制
- 仓库未包含 Scout 的指令文本（提示词、取材与写作规则、评判规则、方法论），这些位于私有的 judgment pack，运行时通过 v2/scout/judgment.py 加载；v1 的提示词为私有、已退役；许可证为 NOASSERTION，README 声明源代码仅供审阅、保留所有权利；已知局限与路线图见 v2/ROADMAP.md，未在此摘录中展开。
- 许可证
- NOASSERTION
- 最近推送
- 2026-10-11 08:59
资料检查：2026-10-12 07:00 · 卡片整理：2026-10-12 07:00
卡片由 AI 根据仓库资料整理，未进行安装或运行验证 · 本次更新未完成，保留上次成功内容
职业应用
产品经理
产品经理可用该工具针对竞争对手生成包含执行摘要、作战卡和异议处理的战略简报，每条事实性主张都对照公开来源核验，无法核实的内容被删除并记录在 Cut Log 中，用于竞品分析和市场情报整理。
查看内容依据
给定竞争对手（可选加上自家公司和关注领域），生成包含执行摘要、作战卡（battlecard）、异议处理等内容的战略简报。其特点是每条事实性主张都对照公开来源进行核验，无法核实的内容会被删除并记录在可见的 Cut Log 中
由 AI 根据来源材料整理，未进行安装或运行验证
讨论 0
登录后参与讨论，阅读资讯无需注册。
还没有评论，来分享第一个看法。