将原需数周的手动竞品调研，借助自治代理与企业级网页抓取，在数分钟内完成 AI 驱动分析。
-
🤖 多智能体工作流：三个专职 AI 代理协同工作
- 📊 研究员代理：使用 Bright Data 进行数据采集与网页抓取
- 🔍 分析师代理：战略性 SWOT 分析与威胁评估
- 📝 撰稿人代理：面向管理层的竞品情报报告
-
🌊 实时流式：进度与工具调用实时可视化
-
⚡ 企业级架构：基于 FastAPI、React 与 TypeScript
-
🎯 全面分析：覆盖定价、管理层、市场定位与战略
-
📱 精美界面：借鉴 Vercel 风格的响应式设计
-
🔧 生产就绪：支持 Docker、架构可横向扩展
- Python 3.10+
- Node.js 18+
- Gemini API Key
- Bright Data API Key
git clone https://github.com/bright-cn/competitive-intelligence.git
cd competitive-intelligence# 安装 Python 依赖
cd api && pip install -r requirements.txt
# 设置环境变量
export GEMINI_API_KEY="your_gemini_api_key"
export BRIGHTDATA_API_KEY="your_brightdata_api_key"
# 启动 API 服务
python app.pyAPI 将在 http://localhost:8000 提供服务
# 进入前端目录
cd ci-agent-ui
# 安装依赖
npm install
# 启动开发服务器
npm run dev前端将运行于 http://localhost:5173
- 在浏览器打开前端
- 选择一个演示场景（Slack、Notion、Figma）或输入自定义公司
- 点击“Start Analysis”，观看 AI 代理的实时协作
- 几分钟内获取全面的竞品情报！
┌─────────────────┐ ┌─────────────────┐ ┌─────────────────┐
│ 📊 Researcher │───▶│ 🔍 Analyst │───▶│ 📝 Writer │
│ Agent │ │ Agent │ │ Agent │
└─────────────────┘ └─────────────────┘ └─────────────────┘
│ │ │
▼ ▼ ▼
Data Collection Strategic Analysis Report Generation
- Web scraping - SWOT analysis - Executive summary
- Market research - Threat assessment - Recommendations
- Company intel - Competitive position - Action items
▲
│
┌─────────────────┐
│ 🌐 FastAPI │
│ Backend │
└─────────────────┘
▲
│
┌─────────────────┐
│ ⚛️ React │
│ Frontend │
└─────────────────┘
后端：
- FastAPI：现代、高性能的 API 框架
- Strands Agents：自治 AI 代理框架
- Bright Data：企业级网页抓取与数据采集
- Google Gemini 2.0：高级语言模型用于分析
- LiteLLM：多模型统一接口
前端：
- React 18：现代化 UI 框架（Hooks）
- TypeScript：类型安全的 JavaScript 开发
- Vite：极速构建工具与开发服务器
- Tailwind CSS：原子化样式框架
- shadcn/ui：优雅、可访问的组件库
- 克隆并设置后端：
git clone https://github.com/bright-cn/competitive-intelligence.git
cd competitive-intelligence
# 创建虚拟环境
python -m venv .venv
source .venv/bin/activate # Windows: .venv\Scripts\activate
# 安装依赖
pip install -r requirements-api.txt- 设置前端：
cd ci-agent-ui
npm install- 配置环境变量：
# 复制示例环境文件
cp .env.example .env
# 编辑 .env，填入你的 API keys
GEMINI_API_KEY=your_gemini_api_key_here
BRIGHTDATA_API_KEY=your_brightdata_api_key_here- 启动开发服务：
# 终端 1：后端
python app.py
# 终端 2：前端
cd ci-agent-ui && npm run dev请查看 Docker 部署 章节获取生产环境部署说明。
基础 URL
http://localhost:8000
健康检查
GET /health竞品分析（流式）
POST /analyze/stream
Content-Type: application/json
{
"competitor_name": "Slack",
"competitor_website": "https://slack.com",
"stream": true
}获取演示场景
GET /demo-scenarios会话管理
GET /sessions
GET /sessions/{session_id}响应示例
{
"competitor": "Slack",
"website": "https://slack.com",
"research_findings": "Comprehensive research data...",
"strategic_analysis": "SWOT and competitive analysis...",
"final_report": "Executive summary and recommendations...",
"timestamp": "2025-09-17T10:30:00Z",
"status": "success"
}交互式文档
- Swagger UI: http://localhost:8000/docs
- ReDoc: http://localhost:8000/redoc
- OpenAPI Schema: http://localhost:8000/openapi.json
关键组件
CompetitiveIntelligenceForm：主分析界面，支持实时流DemoScenarios：预配置公司示例Header：导航与品牌ProgressTracker：代理工作流可视化
可用脚本
npm run dev # 启动开发服务器
npm run build # 生产构建
npm run preview # 预览生产构建
npm run lint # 运行 ESLint自定义
- 样式：修改
tailwind.config.js - 组件：使用
npx shadcn@latest add [component]添加组件 - API 端点：在组件文件中更新
API_BASE_URL
环境变量
| 变量 | 描述 | 必需 | 默认值 |
|---|---|---|---|
GEMINI_API_KEY |
Google AI Studio API key | 是 | - |
BRIGHTDATA_API_KEY |
Bright Data API key | 是 | - |
GEMINI_MODEL_NAME |
Gemini 模型版本 | 否 | gemini-2.0-flash |
API_HOST |
API 服务主机 | 否 | 0.0.0.0 |
API_PORT |
API 服务端口 | 否 | 8000 |
LOG_LEVEL |
日志级别 | 否 | info |
代理配置
可在 api/ci_agent.py 中通过修改 System Prompt 定制各代理：
- 研究员代理：数据采集与抓取行为
- 分析师代理：分析深度与战略侧重
- 撰稿人代理：报告结构与排版
使用 Docker Compose
# 启动全部服务
docker-compose up -d
# 查看日志
docker-compose logs -f
# 停止服务
docker-compose down手动构建
后端：
cd api
docker build -t ci-backend .
docker run -p 8000:8000 \
-e GEMINI_API_KEY=your_key \
-e BRIGHTDATA_API_KEY=your_key \
ci-backend前端：
cd ci-agent-ui
docker build -t ci-frontend .
docker run -p 3000:80 ci-frontend生产注意事项
- 使用按环境区分的配置文件
- 实施完善的日志与监控
- 配置 SSL/TLS 证书
- 设置限流与安全响应头
- 使用反向代理（nginx/Cloudflare）
Python 客户端
import requests
# Start streaming analysis
response = requests.post(
"http://localhost:8000/analyze/stream",
json={
"competitor_name": "Slack",
"competitor_website": "https://slack.com",
"stream": True
},
stream=True
)
for line in response.iter_lines(decode_unicode=True):
if line.startswith("data: "):
event = json.loads(line[6:])
print(f"Event: {event['type']}")
if event['type'] == 'complete':
print("Analysis completed!")
breakJavaScript/Fetch
const response = await fetch('/analyze/stream', {
method: 'POST',
headers: { 'Content-Type': 'application/json' },
body: JSON.stringify({
competitor_name: 'Slack',
stream: true
})
});
const reader = response.body.getReader();
const decoder = new TextDecoder();
while (true) {
const { value, done } = await reader.read();
if (done) break;
const chunk = decoder.decode(value);
// Process streaming events
}CLI 用法
# 运行交互式演示
python api/ci_agent.py
# 分析指定竞品
python -c "
from api.ci_agent import MultiAgentCompetitiveIntelligence
ci = MultiAgentCompetitiveIntelligence()
result = ci.run_competitive_intelligence_workflow('Slack')
print(result['final_report'])
"后端测试
cd api
pip install pytest httpx
pytest tests/前端测试
cd ci-agent-ui
npm test
npm run test:coverage集成测试
# 启动服务
docker-compose up -d
# 端到端测试
npm run test:e2e欢迎贡献！详情参见 贡献指南。
开发流程
- Fork 仓库
- 创建功能分支：
git checkout -b feature/amazing-feature - 开发并补充测试
- 规范化提交：
git commit -m "feat: add amazing feature" - 推送到你的 Fork：
git push origin feature/amazing-feature - 提交 Pull Request
代码风格
- Python：遵循 PEP 8，使用 Black
- TypeScript：遵循项目 ESLint 规则
- 提交规范：使用 Conventional Commits
详见 CHANGELOG.md。
- Bug 反馈：GitHub Issues
- 新功能建议：GitHub Discussions
- 文档：Wiki
本项目基于 MIT 协议开源，详见 LICENSE。
- Strands：自治 AI 代理框架
- Bright Data：企业级网页抓取平台
- Google Gemini：先进语言模型
- FastAPI：现代 Python Web 框架
- shadcn/ui：优雅的 React 组件库
- 博客文章：技术深度解析
由 Bright Data 用 ❤️ 打造
如果本仓库对你有帮助，欢迎 Star！