代码包 · SCT AI 超级个体营 · 第一期 · Week 1
Week 1 代码包:选品需求挖掘 starter
开营项目:把公开渠道的用户吐槽收进 input/,让 AI 产出需求地图和选品证据包
包里有什么
30 个文件 · 解压后 0.1 MB ├── week-01-product-research │ ├── docs │ │ ├── computer-use-runbook.md (2 KB) │ │ ├── report-pet-hair-remover-demand.md (9 KB) │ │ └── source-runbook.md (2 KB) │ ├── input │ │ ├── amazon-bad-reviews.md │ │ ├── capture-queue.md │ │ ├── forum-notes.md │ │ ├── google-trends-notes.md │ │ ├── keywords.md │ │ ├── manual-captures.md │ │ ├── reddit-notes.md │ │ ├── supply-chain.md │ │ └── tiktok-comments.md │ ├── prompts │ │ ├── cluster-pain-points.md │ │ ├── extract-demand.md (1 KB) │ │ └── search-plan.md │ ├── scripts │ │ ├── agent_run.py (1 KB) │ │ ├── append_capture.py (2 KB) │ │ ├── build_research_brief.py (3 KB) │ │ ├── fetch_amazon_reviews.py (7 KB) │ │ ├── fetch_reddit_public.py (4 KB) │ │ ├── fetch_search_results.py (3 KB) │ │ ├── fetch_tiktok_tag_browser.js (2 KB) │ │ ├── google_trends_sample.py (3 KB) │ │ └── make_search_queries.py (2 KB) │ ├── 00-打开项目先看这里.md (3 KB) │ ├── AGENTS.md (3 KB) │ ├── README.md (4 KB) │ ├── package.json │ └── requirements.txt └── README.md (2 KB)
README
打开项目先看这里
这个项目可以直接对话,但要用对问法。
如果你是第一周学员,先不要急着跑脚本。
第一步是让 Codex 读懂这个项目,再让它帮你规划。
最简单的开局方式:
你现在就是这个文件夹里的选品挖掘 agent。
请按 AGENTS.md、README.md 和 docs/source-runbook.md 工作。
我的品类方向是:
目标市场是:
请你先生成搜索任务,再告诉我哪些地方需要我配合你用浏览器/Computer Use 半自动采集。
如果你完全不懂代码,先用这个更稳:
你现在就是这个文件夹里的选品挖掘 agent。
请先读取 AGENTS.md、README.md、00-打开项目先看这里.md 和 input/keywords.md。
我的品类方向是:
目标市场是:
目标用户是:
我已有的竞品链接是:
我自己的供应链情况是:
请你先给我一份需求挖掘计划。
不要直接判断这个品能不能做。
不要先让我运行命令。
先告诉我应该收集哪些原始证据,以及每种证据放到哪个 input 文件里。
不要这样问:
帮我看看这个品能不能做。
更好的问法是:
请你先读取这个项目的 README、input 文件夹和 prompts 文件夹。
我现在想研究一个品类,请你不要直接判断能不能做,而是先帮我做一份需求挖掘计划:
品类方向:
目标市场:
目标用户:
目标平台:
我现在已有的材料:
请输出:
1. 我应该去哪几个地方找需求证据
2. 每个平台应该搜什么词
3. 我应该复制哪些评论/帖子/差评
4. 哪些信号算真需求,哪些只是噪音
5. 收集完后怎么判断微创新方向
如果你已经把材料填进 input/,可以这样问:
请你读取 input/ 里的所有材料,再结合 prompts/extract-demand.md 的结构,帮我输出一份需求挖掘地图。
要求:
- 不要编数据
- 不要直接推荐上品
- 每个判断都要引用我给的材料
- 最后列出 3 个最值得拿样验证的微创新方向
最小可用流程
- 改
input/keywords.md:填你要研究的品类和关键词。 - 运行:
python scripts/make_search_queries.py
- 按
output/search-queries.md去搜 Reddit、Quora、Amazon 差评、TikTok 评论。 - 把看到的用户原话粘到
input/。 - 运行:
python scripts/build_research_brief.py
- 把
output/research-brief.md交给 AI,让它输出需求地图。
Agent 辅助流程
在项目目录里运行:
python scripts/agent_run.py queries
这个命令会生成第一轮搜索任务。
如果你已经从 TikTok / Quora / Amazon / Google Trends 页面复制了材料,用这个命令写回项目:
python scripts/append_capture.py --source tiktok --url "https://..." --text "复制到的用户评论或页面内容"
然后再运行:
python scripts/agent_run.py brief
课堂里的标准输出
最终不是一份“选品报告”,而是:
- 用户是谁
- 真实场景是什么
- 他们在吐槽什么
- 现有产品哪里失败
- 哪些微创新值得做
- 需要怎么拿样验证
- 哪些短视频角度能测试需求