Pesquisa de empresas

Descubra e pesquise detalhadamente as empresas para as quais vender. Utiliza a API de pesquisa do Browserbase para a descoberta e um padrão Planejar → Pesquisar → Sintetizar para um aprofundamento — gerando um relatório de pesquisa com pontuação e um arquivo CSV.

Requisitos: BROWSERBASE_API_KEY variável de ambiente e browse CLI instaladas.

Configuração na primeira execução: Na primeira vez que o programa for executado, você será solicitado a aprovar browse cloud fetch, browse cloud search, cat, mkdir, sed, etc. Selecione “Sim, e não perguntar novamente para: browse cloud fetch:*” (ou equivalente) para cada opção, a fim de aprovar automaticamente durante a sessão. Para aprovar permanentemente, adicione essas opções ao seu ~/.claude/settings.json em permissions.allow:

"Bash(browse:*)", "Bash(bunx:*)", "Bash(bun:*)", "Bash(node:*)",
"Bash(cat:*)", "Bash(mkdir:*)", "Bash(sed:*)", "Bash(head:*)", "Bash(tr:*)", "Bash(rm:*)"

Regras de caminho: Sempre use o caminho literal completo em todos os comandos do Bash — NÃO ~ ou $HOME (ambos acionam solicitações de aprovação com “sintaxe de expansão do shell”). Defina o diretório home uma vez e use-o em todos os lugares. Ao criar solicitações de subagentes, substitua {SKILL_DIR} pelo caminho literal completo.

Diretório de saída: Todos os resultados da pesquisa vão para ~/Desktop/{company_slug}_research_{YYYY-MM-DD}/. Esse diretório contém um .md arquivo por empresa pesquisada, além de um .csv. O usuário recebe tanto a planilha com pontuação quanto os arquivos completos da pesquisa em sua área de trabalho.

IMPORTANTE — Restrições da ferramenta (aplicáveis ao agente principal E a todos os subagentes):

• Todas as buscas na web: use browse cloud search. NUNCA use o WebSearch.
• Todas as extrações de conteúdo de páginas: use node {SKILL_DIR}/scripts/extract_page.mjs "". Esse script busca via browse cloud fetch --output, analisa o título + as meta tags + o texto visível do corpo da página e recorre automaticamente ao browse get markdown quando a obtenção falhar ou retornar conteúdo escasso renderizado por JS. NUNCA crie manualmente um browse cloud fetch | sed pipeline — ele remove as metatags e não analisa o envelope JSON da saída padrão. NUNCA use o WebFetch.
• Todos os resultados da pesquisa: os subagentes escrevem um arquivo Markdown por empresa {OUTPUT_DIR}/{company-slug}.md usando o heredoc do bash. NUNCA use a ferramenta Write ou python3 -c. Consulte references/example-research.md para o formato do arquivo.
• Compilação do relatório + CSV: use node {SKILL_DIR}/scripts/compile_report.mjs {OUTPUT_DIR} --open — gera relatório em HTML e CSV em uma única etapa, abre a visão geral no navegador.
• Desduplicação de URLs: use node {SKILL_DIR}/scripts/list_urls.mjs /tmp após a descoberta.
• Os subagentes devem usar APENAS a ferramenta Bash. Nenhuma outra ferramenta é permitida.
• O agente principal NUNCA lê arquivos em lote JSON brutos de descoberta. Use list_urls.mjs para a deduplicação.

CRÍTICO — Regras anti-alucinação (aplicáveis ao agente principal E a todos os subagentes):

• NUNCA infira product_description, industryou target_audience a partir das fontes, do framework (Framer/Next.js/React), do sistema de design ou da tipografia de um site. Esses são aspectos cosméticos e não dizem nada sobre o que a empresa vende.
• NUNCA deixe que o próprio ICP do usuário se infiltre na descrição de um alvo. Se você não souber o que o alvo faz, escreva Unknown — não tente encaixá-lo no ICP.
• product_description É OBRIGATÓRIO citar ou parafrasear uma frase específica da extract_page.mjs conteúdo (TÍTULO, META_DESCRIÇÃO, OG_DESCRIÇÃO, TÍTULOS ou CORPO). Se nenhum desses campos apresentar uma declaração de produto reconhecível, escreva Unknown — homepage content not accessible.
• Se product_description for Unknown, coloque icp_fit_score no máximo 3 e defina icp_fit_reasoning para Insufficient evidence — homepage returned no readable content.

CRÍTICO — Minimizar solicitações de permissão:

• Os subagentes DEVEM agrupar TODAS as gravações de arquivos em uma ÚNICA chamada do Bash usando heredocs encadeados. Uma chamada do Bash = um pedido de permissão.
• Agrupe TODAS as buscas e TODAS as recuperações em chamadas únicas do Bash usando && encadeamento.

Visão geral do pipeline

Siga estas 5 etapas na ordem. Não pule etapas nem altere a ordem.

1. Pesquisa sobre a empresa — Entenda profundamente a empresa do usuário, o produto e para quem ele vende
2. Seleção do modo de profundidade — Escolha a profundidade da pesquisa com base no número de alvos desejados
3. Descoberta — Encontre empresas-alvo usando diversas consultas de busca
4. Pesquisa aprofundada e pontuação — Pesquise cada empresa e avalie a adequação ao ICP
5. Relatório e CSV — Apresente as conclusões e compile um arquivo CSV com as pontuações

Etapa 0: Configurar o diretório de saída

Antes de começar, crie o diretório de saída na área de trabalho do usuário:

OUTPUT_DIR=~/Desktop/{company_slug}_research_{YYYY-MM-DD}
mkdir -p "$OUTPUT_DIR"

Substitua {company_slug} pelo nome da empresa do usuário (em letras minúsculas, com hífens) e {YYYY-MM-DD} pela data de hoje. Passe {OUTPUT_DIR} (como um caminho literal completo, não com ~) em todos os prompts dos subagentes para que eles gravem os arquivos de pesquisa nesse local.

Além disso, limpe os arquivos em lote de descoberta de execuções anteriores:

rm -f /tmp/company_discovery_batch_*.json

Etapa 1: Pesquisa Aprofundada sobre a Empresa

Esta é a etapa mais importante. A qualidade de tudo o que vem a seguir depende da compreensão profunda da empresa do usuário.

1. Peça ao usuário o nome ou a URL da empresa

2. Verifique se já existe um perfil:

   • Liste os arquivos em {SKILL_DIR}/profiles/ (ignore example.json)
   • Se houver um perfil correspondente → carregue-o e apresente ao usuário: “Encontrei seu perfil em {researched_at}. As informações ainda estão corretas?” Se sim → pule para a Etapa 2.
   • Se não houver perfil → prossiga com a pesquisa aprofundada abaixo.

3. Realize uma pesquisa aprofundada completa sobre a empresa do usuário usando o padrão Planejar → Pesquisar → Sintetizar. Consulte references/research-patterns.md para modelos de subperguntas e metodologia de pesquisa.

   Principais etapas da pesquisa:

   • Pesquisa: browse cloud search "{company name}" --num-results 10
   • Obter a página inicial: node {SKILL_DIR}/scripts/extract_page.mjs "{company website}"
   • Descubra as páginas do site por meio do mapa do site (NÃO codifique caminhos fixos como /about ou /customers):
     1. browse cloud fetch --allow-redirects "{company website}/sitemap.xml" — o mapa do site é pequeno, o formato bruto browse cloud fetch está bom
     2. Procure URLs com palavras-chave: customer, case-stud, pricing, about, use-case, industry, solution
     3. Opcionalmente, busque também /llms.txt as descrições das páginas
     4. Escolha de 3 a 5 URLs mais relevantes e extraia com extract_page.mjs (NÃO em formato bruto browse cloud fetch)
   • Pesquise por contexto externo e concorrentes
   • Acumule descobertas com níveis de confiança

   Sintetize em um perfil: Empresa, Produto, Clientes Atuais, Concorrentes, Casos de Uso. NÃO inclua o ICP (Perfil do Cliente Ideal) ou sub-setores — essas são decisões tomadas a cada execução.

4. Apresente o perfil ao usuário para confirmação. Não prossiga até que seja confirmado.

5. Salve o perfil confirmado em {SKILL_DIR}/profiles/{company-slug}.json

6. Faça perguntas de esclarecimento usando AskUserQuestion caixas de seleção:

   • “Quais segmentos você está visando?”, com opções derivadas da pesquisa sobre a empresa
   • “Estágio da empresa?” — Startups, Médio porte, Grandes empresas, Todas
   • “Quantas empresas / profundidade?” — Rápida (100), Aprofundada (50), Mais profunda (~25)
   • Essa é a ÚNICA interação do usuário. Depois disso, execute silenciosamente até que os resultados estejam prontos.

Etapa 2: Seleção do modo de profundidade

Etapa 3: Descoberta

Fórmula: ceil(requested_companies / 35) consultas de pesquisa necessárias. Faça uma descoberta excessiva em cerca de 2 a 3 vezes, pois a filtragem normalmente elimina 50 a 70%.

Gere consultas de pesquisa com estes padrões:

• Setor + estágio da empresa + região geográfica (“startups de fintech série A na Bay Area”)
• Pilha tecnológica + caso de uso (“empresas que usam Selenium para web scraping”)
• Proximidade com concorrentes (“alternativas à {empresa conhecida no ICP}”)
• Persona do comprador + ponto fraco (“equipes de engenharia com dificuldades na automação de navegadores”)

Processo:

1. Inicie TODOS os subagentes de descoberta de uma só vez (até ~6 por mensagem). Cada um executa suas consultas em uma ÚNICA chamada do Bash:

   browse cloud search "{query}" --num-results 25 --output /tmp/company_discovery_batch_{N}.json
   

2. Após a conclusão de todas as etapas, deduplique: node {SKILL_DIR}/scripts/list_urls.mjs /tmp
3. Filtrar a lista de URLs — remover:
   • Postagens de blog, artigos de notícias (globenewswire.com, techcrunch.com, etc.)
   • Diretórios/agregadores (tracxn.com, crunchbase.com, g2.com)
   • Os próprios concorrentes do usuário e clientes existentes (do perfil) Mantenha apenas as páginas iniciais das empresas.

Consulte references/workflow.md para modelos de prompts de subagentes e gerenciamento de ondas.

Etapa 4: Pesquisa aprofundada e pontuação

Inicie subagentes para pesquisar empresas em paralelo. Consulte references/workflow.md para o modelo de prompt do subagente de enriquecimento. Consulte references/research-patterns.md aqui para a metodologia completa de pesquisa.

Processo:

1. Divida os URLs filtrados em grupos por subagente (rápido: ~10, aprofundado: ~5, mais aprofundado: ~2-3)

2. Inicie TODOS os subagentes de enriquecimento de uma só vez (até ~6 por mensagem)

3. Cada subagente usa APENAS o Bash — para cada empresa:

   Fase A — Planejamento (pular no modo rápido): Decompor em 2 a 5 subquestões com base no ICP e nos campos de enriquecimento.

   Fase B — Ciclo de pesquisa: Pesquisar e buscar páginas, extrair resultados. Respeitar o limite de etapas (rápido: 2-3, aprofundado: 5-8, mais aprofundado: 10-15).

   Fase C — Síntese: Avalie a adequação ao ICP de 1 a 10 com base em evidências. Preencha os campos de enriquecimento a partir das descobertas.

4. Os subagentes escrevem TODOS os arquivos Markdown em uma ÚNICA chamada do Bash usando heredocs encadeados para {OUTPUT_DIR}/

5. Depois que TODOS os subagentes concluírem, prossiga para a Etapa 5

Crítico: Inclua a descrição confirmada do ICP, literalmente, em cada prompt dos subagentes. Passe o caminho literal completo {OUTPUT_DIR} para cada subagente.

Etapa 5: Relatório e CSV

1. Gere relatório em HTML + CSV (abre a visão geral no navegador automaticamente):

   node {SKILL_DIR}/scripts/compile_report.mjs {OUTPUT_DIR} --open
   

   Isso gera:

   • {OUTPUT_DIR}/index.html — página de visão geral com tabela pontuada (abre no navegador)
   • {OUTPUT_DIR}/companies/*.html — páginas individuais das empresas (com links na visão geral)
   • {OUTPUT_DIR}/results.csv — planilha com pontuação para importação para o Google Sheets/CRM

2. Apresente um resumo também no chat:

## Company Research Complete

- **Total companies researched**: {count}
- **Depth mode**: {mode}
- **Score distribution**:
  - Strong fit (8-10): {count}
  - Partial fit (5-7): {count}
  - Weak fit (1-4): {count}
- **Report opened in browser**: ~/Desktop/{company_slug}_research_{date}/index.html

3. Mostre as principais empresas classificadas por pontuação ICP em uma tabela:

| Company | Score | Product | Industry | Fit Reasoning |
|---------|-------|---------|----------|---------------|
| Acme | 9 | AI inventory management | E-commerce SaaS | Series A, uses Selenium, expanding to EU |

4. Para as 3 a 5 principais empresas, mostre um breve resumo da pesquisa — principais conclusões, por que elas são uma boa opção e qual abordagem específica usar para contatá-las.

Ofereça-se para aprofundar a análise de empresas específicas, ajustar os critérios de pontuação ou refazer a pesquisa com consultas diferentes.