opportunity-radar
Skill100 starsChanged 10 days agoMITView on GitHub
检索带来源证据的产品机会候选。用户要扫描机会、找某领域痛点或收集产品线索(如「帮我扫扫这个方向有没有产品机会」)时调用;只发现取证,不打分、不做 PRD。可独立运行,OPC 内服从既有编排。
4 other projects use a version of this.
Adopted by
Most recently taken up by
- Job-Yang/jobyang-ai-skillsword for word, first seen Nov 6, 2026
- Nunchi-trade/agent-clitheir own version, first seen Oct 8, 2026
- ky776/opportunity-radartheir own version, first seen Aug 25, 2026
- guihai24/openskillstheir own version, first seen Jul 24, 2026
Other versions4 projects use a version of this.
Word for word · 1
- Job-Yang/jobyang-ai-skills★ 100100% same
Edited · 0
None found.
Wrote their own version · 3
- Nunchi-trade/agent-cli★ 521same name
- guihai24/openskills★ 2same name
- ky776/opportunity-radar★ 0same name
How matches are found. Word for word: the exact same text. Edited: shares passages with this file (“99% same” means 99% of its five-word phrases also appear here; 10% or more counts). Their own version: similar meaning, or, weakest, the same name. We can’t tell which project had it first. Projects are counted among the 200 most-starred candidates, and mentions are links to the repository we found, up to 50 per site, so both counts are a floor.
In this repository25 other files it gives its agents.
- ai-briefingSkill
- argument-readingSkill
- claim-checkSkill
- content-infographicSkill
- cuihuoSkill
- engineering-docsSkill
- feynman-explainerSkill
- haohao-evalSkill
- haohao-shuohuaSkill
- me-contextSkill
- minimum-experimentSkill
- opportunity-scorecardSkill
- outside-viewSkill
- png-compressSkill
- product-briefSkill
- reverse-teardownSkill
- root-rethinkSkill
- sansi-erhouxingSkill
- skill-library-keeperSkill
- steelman-choiceSkill
- style-compassSkill
- talk-smithSkill
- tangshan-styleSkill
- vddSkill
- video-readerSkill
The file
Files
Opportunity Radar · 机会雷达
先读包内 references/handoff.md:显式 OPC 上下文优先,否则独立运行。输出位置由调用方传入,不扫描本机固定目录。可用 Python 3.9+ 自检,无 Python 时交付完整文本并标注未执行机器校验。
版本口径(2026-10-20 起):信封 schema 版本 0.2.0,由冻结的 scripts/artifact_io.py seal 出,代表信封结构;本 kit(技能包)版本 0.4.1,见 CHANGELOG.md。两者不是一回事。
这个 kit 是什么
一个可移植的机会侦察能力:每天先由 scripts/collect.py 从十六个公开结构化源宽口径采出一张原始机会池(0.4.1 起默认 5 天窗口,实测 480 条以上),再按当天的垂直镜头从中挖正在变热、还没被大量注意的产品机会,每条挂真实证据,收敛成一张候选清单。
它是自包含的、不绑定任何 harness。 只需要"能联网搜"这一项能力(WebSearch/WebFetch 或等价物),就能在 Mira、云端 agent、任意 AI 软件里跑。iLoop 只是它的老家之一。 输入(可空):兴趣领域 / 技能标签 / 一句方向。空则按"solo 可做的 AI 原生小产品"全域扫。 输出:一张候选机会清单。下一步由用户或调用方编排决定。
立身前提(决定每一步怎么做)
机会不是想出来的,是取证取出来的。 侦察兵的天职是带回情报,不是编故事。所以铁律:
每条候选必须挂真实证据(来源链接 + 原话/数据引用)。挖不到证据的臆想,标
evidence: assumption,不许伪装成真需求。
只做 / 禁止
- 只做:定向扫五源 + 全网搜验证、给每条候选挂真实证据、判信号强度、出结构化清单。
- 禁止:改任何代码;编造证据;只抄热榜不挖 gap;把无证据的臆想当真候选;自己打分(那是 scorecard kit 的活,防止侦察和评估互相污染)。
每日运行契约(与 cron / 云电脑的边界)
调度归宿主,技能只管"扫什么、怎么判、怎么留痕"。 每日定时由宿主 cron/云电脑拉起本技能;技能不内置 token、不自建 app、不负责定时。一天的固定动作:
- 采池(0.4.0 新增,入口动作):
python3 scripts/collect.py --out <工作目录>(默认 5 天窗口,可用 --since-days 调) → 多源并发采集,产出pool.json/pool.md,并逐源记状态。退出码 4 = 所有源都空,按"失败留痕"处理而不是静默结束。 - 定镜头:
python3 scripts/rotate.py --date <今天> [--coverage <历史覆盖.json>]→ 从 v2 池(10 个垂直人群镜头 + 2 个方法道)选今天的 anchor 垂直和补位方向,附 lens/keywords/queries。coverage 由追踪台历史整理,必须传,否则缺扫记录时补位会反复选同一方向。 - 取证:先按当天镜头的 keywords 在 pool.json/pool.md 里过滤和归并相关信号;再对最强的 5~8 条用
references/search-queries.md的词做补充网页搜和差评挖(评论原话、付费证据、竞品)。信源可达性见references/sources.md,不可达源(云电脑上的 Reddit JSON/X/即刻/小红书/G2/Trends)不要硬搜。 - 与历史去重:把追踪台历史 markdown 拉下来 + 今日候选 JSON,跑
python3 scripts/dedup.py --history <追踪台.md|目录> --candidates <今日.json>。每条判 NEW/DUP/RELATED;退出码 4 = 全是 DUP/RELATED(安静日),0 = 有 NEW。跨条目通用词由 df 折扣自动剔除。 - 证据对抗自检:
python3 scripts/freshness.py --candidates <今日.json> --dedup <上一步输出>。硬旗(旧证据、未来日期、垃圾源、坏链接、DUP)挡候选;软旗(缺日期、付费未验证、RELATED)只提醒补证,不挡新供给。退出码 4 只在全部被硬旗挡住时返回。 - 进场自诊断 + 留痕分支:
python3 scripts/preflight.py check --doc-writable <宿主探测> --group-sendable <宿主探测> --group-error <码>。文档可写+群可发=full(文档留痕+群卡片);群不可发(如 230002)=degrade-docs(只文档留痕+回报 blocker,不发群卡片);文档不可写=block。这是确定性分支,不临场发挥。 - 渲染留痕卡片:
python3 scripts/preflight.py render-card --template no_opportunity|strong_opportunity --data '<json>'→ 产出可直接喂宿主 im 的卡片 JSON。
召回节奏要求(0.4.1,宽进严出):召回端尽量宽——默认 5 天窗口、十六个源、最新流和热门流都采;筛选端严格。目标是每 1~2 个工作日产出一条值得深挖的机会。池子有 480 条左右还判"无强机会"时,必须在条目里写明漏斗各层的数量(采池数、镜头命中数、去重后数、硬旗后数),证明是筛掉的而不是没采到。连续两个工作日无强机会时,下一次自动放宽:镜头扩到相邻垂直、补充网页搜加码,并在条目里标注"连续静默日扩源"。
无论成功、无机会、失败,追踪台都必须留一条。
执行流程
第 1 步 · 先采池,再按镜头取证 —— 见 references/sources.md
- 每天先跑
scripts/collect.py:PH/hunted、GitHub Trending 与新高星、Show HN/Ask HN/HN 评论许愿、HF Spaces、DEV、V2EX、Lobsters、Reddit RSS、App Store 畅销榜一次采全,逐源容错。具体源和云电脑不可达清单见 references。 - 当天镜头过滤:用 rotate.py 给的 keywords 在池子里筛相关信号,按"同一痛点"归并,再人工读最强的十六条。
- 补充网页搜:对最强候选用
references/search-queries.md的高信号词补差评和付费原话。通用搜只是补充,不再是唯一入口(0.3.x 每天只靠它捞 4 条,召回率必然低)。 - 今天扫哪个垂直由
scripts/rotate.py确定性选出,不凭感觉挑。
第 2 步 · 按黄金信号筛 —— 见 references/golden-signals.md
- 蓝海判据(最强 solo 信号):钱已经在流动(流向医生/补剂/PDF/课程/私教)但还没流向 app = 高需求零供给。
- 按范围筛选:上述蓝海偏好和常见红海是 OPC 一人公司预设,不是所有用户的禁区。用户是团队、或明确不是 AI 原生产品时,按
references/golden-signals.md的"非 solo / 团队用户怎么用这把尺"换判据。用户指定其他领域或研究竞品时遵守其范围,保留差异化证据。 - 重心放"正在慢慢变热、还没被大量注意",不是已经霸榜的。
- 筛完先过
scripts/dedup.py(与历史去重)和scripts/freshness.py(硬旗挡旧愿/垃圾源/DUP;软旗只提醒补付费证据、注明近亲)。
第 3 步 · 每条候选落成结构化条目
按下面「输出格式」写。一条候选一个 block,证据必须是真链接+真引用。候选超量(>20 条)时用 scripts/paginate.py split 分页分包(manifest + pageNNN),merge 还原;每页自身过冻结信封校验。
第 4 步 · 收口
交付清单和证据局限。可以建议后续评估,不能自动启动另一个流程。
输出格式(下游打分 kit 的输入契约)
文件顶部带 front-matter(完整标准在包内 references/handoff.md):
---
schema: opc-artifact/v1 # 信封版本,导入方据此判能否处理
opc_node: radar
artifact_kind: radar
opc_version: 0.2.0
topic: null # 雷达阶段还没定 topic,逐条候选各自起
created: <ISO8601>
upstream: null
produced_by: <mira|iloop|...> # 哪个环境产的,留痕
human_review: pending
---每条候选一个 block:
## 候选:<一句话机会>
- 领域:<健康/效率/女性健康/...>
- 来源:<X / GitHub / PH / 差评 / Trends / 全网搜>
- 证据:<链接> — "<原话/数据引用>"
- 信号强度:<强/中/弱> + 理由(按 `references/golden-signals.md` 的映射表定档:强=付费流向+差评量+Trends 斜率三证齐,中=两证,弱=一证)
- evidence: real | assumption
- 建议 topic slug:<如 perimenopause-navigator>(供下游打分沿用)何时停手升级用户
- 信息源需要登录态 / 疑似公司内部 URL → 先过环境的 URL 放行 gate(iLoop 里是
url_capability_gate),未放行不浏览。 - 需要付费数据源 → 停并问用户。
- 宿主没有联网检索能力 → 降级为请用户贴链接/原始材料,就着材料做取证与筛选,不硬编造。 这是保证"哪都能跑"的兜底路径。
诚实边界
- 雷达只负责"发现+取证候选",不判断值不值得做(那是打分 kit)、更不做需求/设计/编码。
- 它给的是"有证据的线索",不是"确定的机会"——去留由打分和人拍板。
目录结构
opportunity-radar/
├── SKILL.md # 本文件:方法论 + 契约
├── CHANGELOG.md # 版本记录
├── scripts/
│ ├── artifact_io.py # opc-envelope 0.2.0 公共副本:校验、打包、导入(冻结)
│ ├── scoring-rules.json # opc-envelope 0.2.0 公共副本(冻结;本节点不读它做评分)
│ ├── check_vendored.py # 公共副本一致性自检
│ ├── vendor-manifest.json # 本包携带的公共副本清单
│ ├── collect.py # 0.4.0 新增、0.4.1 加宽:16 源采集(pool.json/pool.md)
│ ├── rotate.py # 每日镜头轮换(v2:10 垂直 + 2 方法道)
│ ├── dedup.py # 与历史追踪台去重(NEW/DUP/RELATED,幂等核心)
│ ├── freshness.py # 证据对抗自检(硬旗/软旗分层,软旗不挡候选)
│ ├── paginate.py # 候选超量分页分包(manifest + pageNNN,split/merge)
│ ├── preflight.py # 进场自诊断 + 留痕三分支 + 卡片渲染
│ └── check_handoff.py # handoff 示例 opc_node drift 检查
├── references/
│ ├── handoff.md # 包内完整交接协议(radar 节点定制)
│ ├── sources.md # 五源怎么读、怎么防垃圾站
│ ├── search-queries.md # 高信号搜索词库
│ ├── golden-signals.md # 蓝海/红海判据、信号分档、非 solo 适配、蓝海陷阱反例
│ ├── rotation-pool.json # 方向池(rotate.py 的数据源)
│ └── cards.json # 留痕卡片模板(无强机会/强机会)
└── tests/ # 全部回归(python3 -m unittest discover -s tests -v)
├── fixtures/ # 三条历史记录 + 今日候选 JSON(2026-10-16 实跑归档)
├── test_dedup.py test_freshness.py test_paginate.py
├── test_rotate.py test_preflight.py test_e2e_handoff.py在不同环境怎么跑
- iLoop 流程内:由
opc.product-pipeline.radar调用,按适配器传入的目录交付;由当前编排决定后续节点。 - 独立/别的 harness(如 Mira)→ 交接回本地:把本 kit 目录整体拷过去当 skill 用。产出时严格照上面的信封格式(含
schema/produced_by)。交接三步:- 远端自检:
python3 scripts/artifact_io.py validate --input <你产的.md>(或--stdin),不合规时先修正。 - 把文件/内容拿回本地(复制、粘贴、下载都行)。
- 本地导入:
python3 scripts/artifact_io.py ingest --input <文件> --output-root <接收目录>。工具校验信封,写入显式接收目录,不需要 iLoop。
- 远端自检:
- 命名规则(消除"随便叫 vs 强制改名"的矛盾):远端文件名任意,harness 自己存什么名都可以;本地 ingest 会按元数据强制改名为 canonical 名
radar-<created 日期>.md(radar 节点 topic 恒为 null,canonical 名只由日期生成)。同一天扫两批会撞同名:同日多份请换不同--output-root分目录存放;同名异内容会被拒绝覆盖,不会悄悄顶掉旧结果。 - 已明确进入 OPC 时,也可通过
bash "$ILOOP_HELPER" pattern opc.product-pipeline:artifact_io.py -- ingest --input <文件>接入流程;这是可选适配器。导入会留待人审,不自动放行。
维护说明
本包自带 opc-envelope 0.2.0 公共文件副本(scripts/artifact_io.py、scripts/scoring-rules.json,见 scripts/vendor-manifest.json),本轮冻结不改内容。发布前跑:
python3 scripts/check_vendored.py自检冻结副本 sha;python3 -m unittest discover -s tests -v跑全部回归(含 dedup/freshness 对 2026-10-16 实跑的复现);python3 scripts/check_handoff.py <本包> <scorecard包> <brief包>确认三包 handoff 示例 opc_node 无 drift;- 与其他流水线包并排时跑
python3 scripts/check_vendored.py --drift <各技能根>确认无漂移。
Does it work?
Reviews from people and from AI agents that ran it: what they used it for, and whether it worked.
No reviews yet
People and AI agents can review whether this works in practice. Say what you used it for, and whether it worked.
- It worked
- Partly
- It didn't
Using an agent? It can post a review for you after it has run the file: the MCP tool registry_write, action report. How to connect one.
Your trail
Files you open will collect here, so you can find them again.
Open two or more, and you can remix the rules you like from each into one list. Kept in this browser only.
Now do this for your own.
Bring your CLAUDE.md, AGENTS.md or skills. agentleFS shows which of your rules are common, which are yours and which only fit one project, and keeps one version your agents read everywhere.

