# competitive-intelligence

**Repository Path**: bright-data/competitive-intelligence

## Basic Information

- **Project Name**: competitive-intelligence
- **Description**: No description available
- **Primary Language**: Unknown
- **License**: Not specified
- **Default Branch**: master
- **Homepage**: None
- **GVP Project**: No

## Statistics

- **Stars**: 0
- **Forks**: 0
- **Created**: 2025-11-09
- **Last Updated**: 2025-11-09

## Categories & Tags

**Categories**: Uncategorized

**Tags**: None

## README

# 🤖 多智能体竞品情报平台

[![Python](https://img.shields.io/badge/Python-3.10+-blue.svg)](https://www.python.org/downloads/)
[![FastAPI](https://img.shields.io/badge/FastAPI-0.104+-green.svg)](https://fastapi.tiangolo.com/)
[![React](https://img.shields.io/badge/React-18+-61DAFB.svg)](https://reactjs.org/)
[![TypeScript](https://img.shields.io/badge/TypeScript-5+-blue.svg)](https://www.typescriptlang.org/)
[![License](https://img.shields.io/badge/License-MIT-yellow.svg)](LICENSE)

> 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。

![Platform Demo](https://via.placeholder.com/800x400/1f2937/ffffff?text=Multi-Agent+Intelligence+Platform)

## 🌟 功能特性

- 🤖 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

## 🚀 快速开始

### 前置条件

- Python 3.10+
- Node.js 18+
- [Gemini API Key](https://aistudio.google.com/app/apikey)
- [Bright Data API Key](https://www.bright.cn/)

### 1. 克隆仓库

```bash
git clone https://github.com/bright-cn/competitive-intelligence.git
cd competitive-intelligence
```

### 2. 后端配置

```bash
# 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.py
```

API 将在 `http://localhost:8000` 提供服务

### 3. 前端配置

```bash
# 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`

### 4. 开始体验！

1. 在浏览器打开前端
2. 选择一个演示场景（Slack、Notion、Figma）或输入自定义公司
3. 点击“Start Analysis”，观看 AI 代理的实时协作
4. 几分钟内获取全面的竞品情报！

## 📋 目录

- [架构](#-架构)
- [安装](#-安装)
- [API 文档](#-api-文档)
- [前端指南](#-前端指南)
- [配置](#-配置)
- [Docker 部署](#-docker-部署)
- [示例](#-示例)
- [贡献](#-贡献)
- [许可证](#-许可证)

## 🏗️ 架构

```
┌─────────────────┐    ┌─────────────────┐    ┌─────────────────┐
│   📊 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      │
                    └─────────────────┘
```

### 技术栈

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

## 🛠️ 安装

### 开发环境搭建

1) 克隆并设置后端：
```bash
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
```

2) 设置前端：
```bash
cd ci-agent-ui
npm install
```

3) 配置环境变量：
```bash
# 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
```

4) 启动开发服务：
```bash
# 终端 1：后端
python app.py

# 终端 2：前端
cd ci-agent-ui && npm run dev
```

### 生产部署

请查看 [Docker 部署](#-docker-部署) 章节获取生产环境部署说明。

## 📚 API 文档

基础 URL
```
http://localhost:8000
```

### 接口

健康检查
```http
GET /health
```

竞品分析（流式）
```http
POST /analyze/stream
Content-Type: application/json

{
  "competitor_name": "Slack",
  "competitor_website": "https://slack.com",
  "stream": true
}
```

获取演示场景
```http
GET /demo-scenarios
```

会话管理
```http
GET /sessions
GET /sessions/{session_id}
```

响应示例
```json
{
  "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

## 🎨 前端指南

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
```bash
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`

## ⚙️ 配置

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

## 🐳 Docker 部署

使用 Docker Compose
```bash
# 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：
```bash
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：
```bash
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）

## 💻 示例

Python 客户端
```python
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!")
            break
```

JavaScript/Fetch
```javascript
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
```bash
# 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'])
"
```

## 🧪 测试

后端测试
```bash
cd api
pip install pytest httpx
pytest tests/
```

前端测试
```bash
cd ci-agent-ui
npm test
npm run test:coverage
```

集成测试
```bash
# 启动服务
docker-compose up -d

# 端到端测试
npm run test:e2e
```

## 🤝 贡献

欢迎贡献！详情参见 [贡献指南](CONTRIBUTING.md)。

开发流程
1. Fork 仓库
2. 创建功能分支：`git checkout -b feature/amazing-feature`
3. 开发并补充测试
4. 规范化提交：`git commit -m "feat: add amazing feature"`
5. 推送到你的 Fork：`git push origin feature/amazing-feature`
6. 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](https://conventionalcommits.org/)

## 📝 变更日志

详见 [CHANGELOG.md](CHANGELOG.md)。

## 🐛 问题与支持

- Bug 反馈：[GitHub Issues](https://github.com/bright-cn/competitive-intelligence/issues)
- 新功能建议：[GitHub Discussions](https://github.com/bright-cn/competitive-intelligence/discussions)
- 文档：[Wiki](https://github.com/bright-cn/competitive-intelligence/wiki)

## 📄 许可证

本项目基于 MIT 协议开源，详见 [LICENSE](LICENSE)。

## 🙏 致谢

- [Strands](https://github.com/strands-ai/strands)：自治 AI 代理框架
- [Bright Data](https://www.bright.cn/)：企业级网页抓取平台
- [Google Gemini](https://ai.google.dev/)：先进语言模型
- [FastAPI](https://fastapi.tiangolo.com/)：现代 Python Web 框架
- [shadcn/ui](https://ui.shadcn.com/)：优雅的 React 组件库

## 🔗 链接

- 博客文章：[技术深度解析](https://dev.to/bright-cn/building-multi-agent-competitive-intelligence)

---

<div align="center">

由 [Bright Data](https://github.com/bright-cn) 用 ❤️ 打造  
如果本仓库对你有帮助，欢迎 Star！

</div>