Исследование компаний

Поиск и углубленное исследование компаний, которым можно продавать продукцию. Использует Browserbase Search API для поиска и схему «План → Исследование → Синтез» для углубленного обогащения данных — с выводом оценочного отчета по результатам исследования и файла CSV.

Требуется: BROWSERBASE_API_KEY переменная среды и browse установленная CLI.

Настройка при первом запуске: при первом запуске вам будет предложено подтвердить browse cloud fetch, browse cloud search, cat, mkdir, sedи т. д. Выберите «Да, и больше не спрашивать: browse cloud fetch:*» (или эквивалент) для каждого из них, чтобы автоматически разрешить доступ на время сеанса. Для постоянного разрешения добавьте их в файл ~/.claude/settings.json в разделе permissions.allow:

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

правила пути: во всех командах Bash всегда используйте полный буквальный путь — НЕ ~ или $HOME (оба варианта вызывают запросы на подтверждение по «синтаксису расширения оболочки»). Определите домашний каталог один раз и используйте его везде. При построении подпроектов подзапросов замените {SKILL_DIR} полным буквальным путем.

Каталог вывода: все результаты исследований сохраняются в ~/Desktop/{company_slug}_research_{YYYY-MM-DD}/. Этот каталог содержит по одному .md файл на каждую исследуемую компанию плюс итоговый .csv. Пользователь получает на рабочий стол как таблицу с оценками, так и полные файлы исследования.

ВАЖНО — Ограничения инструмента (применимы к главному агенту И всем подчиненным агентам):

• При всех поисках в Интернете: используйте browse cloud search. НИКОГДА не используйте WebSearch.
• Извлечение всего содержимого страниц: используйте node {SKILL_DIR}/scripts/extract_page.mjs "". Этот скрипт извлекает данные с помощью browse cloud fetch --output, анализирует заголовок, мета-теги и видимый текст тела страницы, а также автоматически переключается на browse get markdown , если извлечение не удаётся или возвращает скудное содержимое, отображаемое с помощью JS. НИКОГДА не создавайте browse cloud fetch | sed конвейер — он удаляет мета-теги и не анализирует JSON-оболочку stdout. НИКОГДА не используйте WebFetch.
• Все результаты исследования: субагенты создают по одному файлу в формате Markdown на каждую компанию, {OUTPUT_DIR}/{company-slug}.md с помощью bash heredoc. НИКОГДА не используйте инструмент Write или python3 -c. См. references/example-research.md формат файла.
• Составление отчёта и CSV-файла: используйте node {SKILL_DIR}/scripts/compile_report.mjs {OUTPUT_DIR} --open — генерирует HTML-отчёт и CSV за один шаг, открывает обзор в браузере.
• Удаление дубликатов URL: используйте node {SKILL_DIR}/scripts/list_urls.mjs /tmp после обнаружения.
• Подагенты должны использовать ТОЛЬКО инструмент Bash. Использование других инструментов запрещено.
• Главный агент НИКОГДА не считывает исходные пакетные файлы JSON обнаружения. Используйте list_urls.mjs для дедупликации.

КРИТИЧЕСКИ ВАЖНО — Правила против «галлюцинаций» (применимы к главному агенту И ко всем субагентам):

• НИКОГДА не делайте выводов product_description, industryили target_audience на основе шрифтов сайта, фреймворка (Framer/Next.js/React), системы дизайна или типографики. Эти элементы носят чисто косметический характер и ничего не говорят о том, что продает компания.
• НИКОГДА не допускайте, чтобы собственный ICP пользователя просачивался в описание целевой компании. Если вы не знаете, чем занимается целевая компания, напишите Unknown — не сопоставляйте целевую аудиторию с вашим ICP.
• product_description ОБЯЗАТЕЛЬНО цитируйте или перефразируйте конкретную фразу из extract_page.mjs вывода (TITLE, META_DESCRIPTION, OG_DESCRIPTION, HEADINGS или BODY). Если ни одно из этих полей не содержит узнаваемого описания продукта, напишите Unknown — homepage content not accessible.
• Если product_description является Unknown, заглавные буквы icp_fit_score не более 3 и установите icp_fit_reasoning значение Insufficient evidence — homepage returned no readable content.

CRITICAL — Свести к минимуму запросы на ввод прав доступа:

• Подкагенты ДОЛЖНЫ объединять ВСЕ записи в файлы в ОДИН вызов Bash с использованием цепочки heredoc. Один вызов Bash = один запрос на разрешение.
• Объединяйте ВСЕ поиски и ВСЕ запросы данных в отдельные вызовы Bash с помощью && цепочки.

Обзор конвейера

Выполните эти 5 шагов по порядку. Не пропускайте шаги и не меняйте их порядок.

1. Исследование компании — глубоко изучите компанию пользователя, её продукт и то, кому она продаёт
2. Выбор режима глубины — выберите глубину исследования в зависимости от того, сколько целевых компаний требуется
3. Поиск — Найдите целевые компании с помощью разнообразных поисковых запросов
4. Углублённое исследование и оценка — Проанализируйте каждую компанию и оцените степень соответствия ICP
5. Отчет и CSV — представьте результаты, скомпилируйте CSV-файл с оценками

Шаг 0: Настройка каталога для вывода данных

Перед началом работы создайте каталог для результатов на рабочем столе пользователя:

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

Замените {company_slug} на название компании пользователя (строчными буквами, с дефисами) и {YYYY-MM-DD} на сегодняшнюю дату. Передайте {OUTPUT_DIR} (в виде полного буквального пути, а не с помощью ~) во всех запросах субагентов, чтобы они записывали файлы результатов исследований именно туда.

Также удалите пакетные файлы анализа предыдущих запусков:

rm -f /tmp/company_discovery_batch_*.json

Шаг 1: Углублённый анализ компании

Это самый важный шаг. Качество всех последующих действий зависит от глубокого понимания компании пользователя.

1. Спросите у пользователя название его компании или URL

2. Проверьте наличие существующего профиля:

   • Перечислите файлы в {SKILL_DIR}/profiles/ (игнорировать example.json)
   • Если соответствующий профиль существует → загрузите его и покажите пользователю: «У меня есть ваш профиль с сайта {researched_at}. Информация по-прежнему верна?» Если да → перейдите к шагу 2.
   • Если профиля нет → приступите к углублённому исследованию, описанному ниже.

3. Проведите полное углублённое исследование компании пользователя, используя схему «План→Исследование→Синтез». См. references/research-patterns.md шаблоны подвопросов и методологию исследования.

   Ключевые этапы исследования:

   • Поиск: browse cloud search "{company name}" --num-results 10
   • Загрузите главную страницу: node {SKILL_DIR}/scripts/extract_page.mjs "{company website}"
   • Найдите страницы сайта с помощью карты сайта (НЕ указывайте пути в виде /about или /customers):
     1. browse cloud fetch --allow-redirects "{company website}/sitemap.xml" — карта сайта небольшая, исходный browse cloud fetch — это нормально
     2. Сканируйте URL-адреса с ключевыми словами: customer, case-stud, pricing, about, use-case, industry, solution
     3. По желанию также извлеките /llms.txt описания страниц
     4. Выберите 3–5 наиболее релевантных URL-адресов и извлеките их с помощью extract_page.mjs (НЕ в исходном виде browse cloud fetch)
   • Поиск внешнего контекста и конкурентов
   • Соберите результаты с указанием уровней достоверности

   Обобщите в профиль: компания, продукт, существующие клиенты, конкуренты, сценарии использования. НЕ включайте ICP или субвертикали — это решения, принимаемые для каждого запуска.

4. Представьте профиль пользователю для подтверждения. Не продолжайте, пока не получите подтверждение.

5. Сохраните подтвержденный профиль в {SKILL_DIR}/profiles/{company-slug}.json

6. Задавайте уточняющие вопросы, используя AskUserQuestion флажков:

   • «На какие сегменты вы ориентируетесь?» с вариантами ответов, полученными в ходе исследования компании
   • «Стадия развития компании?» — Стартапы, Средний бизнес, Крупные предприятия, Все
   • «Сколько компаний / глубина?» — Быстрая (100), углублённый (50), Более глубокая (~25)
   • Это ЕДИНСТВЕННОЕ взаимодействие с пользователем. После этого процесс выполняется в фоновом режиме, пока результаты не будут готовы.

Шаг 2: Выбор режима глубины

Шаг 3: Анализ

Формула: ceil(requested_companies / 35) необходимые поисковые запросы. Проведите поиск с запасом ~2–3 раза, так как при фильтрации обычно отсеивается 50–70 %.

Создавайте поисковые запросы по следующим шаблонам:

• Отрасль + этап развития компании + география («финтех-стартапы серии A, Бэй-Эрия»)
• Технологический стек + сценарий использования («компании, использующие Selenium для веб-парсинга»)
• Связь с конкурентами («альтернативы {известной компании в ICP}»)
• Профиль покупателя + проблема («инженерные команды, сталкивающиеся с трудностями при автоматизации браузеров»)

Процесс:

1. Запустите ВСЕ субагенты обнаружения одновременно (до ~6 на одно сообщение). Каждый из них запускает свои запросы в ОДНОМ вызове Bash:

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

2. После завершения всех волн удалить дубликаты: node {SKILL_DIR}/scripts/list_urls.mjs /tmp
3. Отфильтруйте список URL-адресов — удалите:
   • Посты в блогах, новостные статьи (globenewswire.com, techcrunch.com и т. д.)
   • Каталоги/агрегаторы (tracxn.com, crunchbase.com, g2.com)
   • Собственных конкурентов пользователя и существующих клиентов (из профиля) Оставить только главные страницы компаний.

См. references/workflow.md шаблоны подсказок для субагентов и управление волнами.

Шаг 4: Углублённое исследование и оценка

Запустите субагентов для параллельного исследования компаний. См. references/workflow.md шаблон запроса для субагента по обогащению данных. См. references/research-patterns.md для ознакомления с полной методологией исследования.

Процесс:

1. Разделите отфильтрованные URL-адреса на группы по субагентам (быстрое: ~10, глубокое: ~5, ещё более глубокое: ~2–3)

2. Запустите ВСЕ субагенты по обогащению данных одновременно (до ~6 на одно сообщение)

3. Каждый субагент использует ТОЛЬКО Bash — для каждой компании:

   Фаза A — Планирование (пропускается в быстром режиме): Разбивать на 2–5 подвопросов на основе ICP и полей обогащения.

   Фаза B — Цикл исследования: Поиск и загрузка страниц, извлечение результатов. Соблюдение бюджета шага (быстрый: 2–3, глубокий: 5–8, более глубокий: 10–15).

   Фаза C — Синтез: Оценить соответствие ICP по шкале от 1 до 10 с обоснованием. Заполнить поля обогащения данными из результатов.

4. Подагенты записывают ВСЕ файлы Markdown в ОДНОМ вызове Bash с использованием цепочки heredoc, чтобы {OUTPUT_DIR}/

5. После завершения работы ВСЕХ субагентов перейдите к шагу 5

Важно: включите подтверждённое описание ICP дословно в каждый запрос субагента. Передайте полный буквальный {OUTPUT_DIR} путь каждому подагенту.

Шаг 5: Отчёт и CSV

1. Сгенерируйте отчёт в формате HTML + CSV (обзор автоматически открывается в браузере):

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

   В результате создаются:

   • {OUTPUT_DIR}/index.html — страницу обзора с таблицей оценок (открывается в браузере)
   • {OUTPUT_DIR}/companies/*.html — отдельные страницы компаний (ссылки на них есть на странице обзора)
   • {OUTPUT_DIR}/results.csv — таблица с оценками для импорта в Google Sheets или CRM

2. Представить сводку также в чате:

## 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. Покажите в таблице лучшие компании, отсортированные по оценке ICP:

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

4. Для 3–5 ведущих компаний отобразите краткую сводку исследования — ключевые выводы, почему они подходят, и с какой конкретной точки зрения к ним следует подходить.

Предложите более глубокий анализ конкретных компаний, корректировку критериев оценки или повторный поиск с использованием других запросов.