机会雷达 · Opportunity Radar

把分散的公开信息整理成可追溯的信号、证据与持续演化的研究命题。

机会雷达是一个面向中文研究者、产品从业者与一人公司的开源研究工作台。它从公开产品、开源项目、社区讨论、用户反馈和行业媒体中采集信息，经过清洗、去重、中文转译、事实抽取、证据分层与主题归并，形成可以继续核验的研究线索。

公开信号 + 机会账本

互联网上每天都在发生产品发布、代码更新、用户抱怨、价格变化和公司动作。单条信息很容易被误读为趋势；真正困难的是把新信息放回历史证据中，判断一个命题正在被支持、削弱，还是仍然缺乏关键证据。

机会雷达把研究过程组织成两层：

• 公开信号记录外部世界刚刚发生了什么；
• 机会账本持续记录一个研究命题的证据、反证、变化与缺口。

Note

你可以不安装 Skill，直接把这个仓库当成公开信号研究方法和可运行工作台。Skill 只是让 Codex、Claude 等智能体能够复用采集、构建、质检与查询流程。

它如何工作

公开来源
  → 原始信号
  → 清洗、去重与中文转译
  → 事件 / 对象结构化
  → 事实、推断、证据缺口
  → 候选证据
  → 动向 / 主题 / 研究命题
  → 机会账本

系统不把产品发布、Star、投票或一篇报道直接写成趋势。每条判断都应能够回到来源，并回答三个问题：

层次	回答什么
事实	原始来源明确表达或可以直接核验什么？
推断	多条事实共同指向什么可能解释？
证据缺口	还缺少哪些需求、付费、采购、留存或独立来源证据？

三个研究视图

1. 今天有哪些命题发生变化

首页不追求每天制造一个新结论，而是显示哪些持续命题获得了新证据、哪些仍然没有变化，以及多少噪声被过滤。

2. 哪些方向正在形成

主题列表按“新动向、正在增强、趋势形成、商业验证”等阶段组织研究对象，同时显示关联证据和外部证据数量。主题代表“值得继续研究”，不代表因果关系已经成立。

3. 一个判断是如何走到今天的

主题详情把当前判断、关键证据时间线、市场判断、证据缺口、影响与机会放在同一条可追溯链路中。时间先后只表示演化与可能血缘，不自动等同于因果关系。

核心对象

对象	用途
Signal	一条带原始 URL、发布时间和来源身份的公开信号
Event	从信号中抽取的产品发布、价格变化、融资、采用或用户行为事件
Entity	公司、产品、模型、项目、应用与其他研究对象
Evidence	能支持、削弱或限制某个命题的可核验材料
Theme	由多条相关证据形成、仍可继续演化的研究主题
Hypothesis	明确标注证据状态和下一步验证动作的研究假设

快速开始

git clone https://github.com/ky776/opportunity-radar.git
cd opportunity-radar
npm install
npm run dev

随后打开终端显示的本地地址。

仓库附带一份小型公开演示数据。没有实时数据时页面会自动回退；也可以使用 ?demo=1#home 强制查看演示模式。

运行数据流水线

完整增量采集、构建、质检和原子发布：

python3 scripts/run_daily_pipeline.py

只使用当前本地数据重建：

python3 scripts/run_daily_pipeline.py --skip-fetch

先演练、不替换正式数据：

python3 scripts/run_daily_pipeline.py --dry-run

部分来源需要自行配置访问凭证。不要把 token、cookie、客户端密钥或本地凭证文件提交到仓库。

Agent Skill

仓库包含一个可选 Skill，用于让智能体按相同规则操作机会雷达：

Skill	适合做什么
opportunity-radar	采集指定来源、重建数据、运行质量检查、查询信号和主题、整理待人工复核清单

支持 Skills CLI 的客户端可以从仓库安装：

npx skills add ky776/opportunity-radar

Skill 只调用仓库现有脚本，不复制另一套业务逻辑，也不包含任何凭证。

为什么暂不提供 MCP

MCP 更适合稳定运行的工具服务。只有当项目具备长期可用的读取 API，并明确处理部署、权限、速率和数据更新后，才适合增加 list_signals、get_signal、list_themes、get_theme 等工具。

当前开源重点是可检查的数据管线、研究方法和本地工作台，而不是维护一个远程服务。

研究边界

请把系统输出理解为研究线索和证据账本，而不是投资建议、市场规模结论或确定性商业机会。

• 高热度不等于高价值；
• 产品发布不等于真实需求；
• GitHub Star、评论数或投票数不能单独证明付费意愿；
• 中文转译不改变证据等级；
• 单一来源默认不能支撑趋势结论；
• 自动聚合只生成候选命题，不能伪装成人工确认结论；
• 采集时间与事件发生时间必须分开记录。

项目结构

design-handoff/   页面、视觉规范与交互实现
data/demo/        可随代码分发的小型公开演示数据
data/             来源配置与本地数据工作区
scripts/          采集、结构化、翻译、质检与发布脚本
schemas/          数据结构定义
skills/           可选 Agent Skill

贡献与引用

欢迎提交新的公开来源适配器、数据质量规则、证据分层方法和主题研究模板。提交前请阅读 CONTRIBUTING.md。

项目代码采用 Apache-2.0；第三方数据、文章、仓库、产品名称和商标仍归各自权利人所有。引用和再分发边界见 THIRD_PARTY_NOTICES.md。

这个项目仍是一个实验性研究工具。它不承诺自动找到机会，但尝试让“为什么值得继续研究”变得更清楚、更可核验。