第 17 课 | 智能分析让 LLM 生成竞品洞察数据有了清洗过了但那一堆新闻和产品信息仍然是数据而不是洞察。这节课我们让 LLM 从数据中提炼出业务价值——自动识别产品差异、判断市场趋势、发现潜在威胁。一、业务价值从数据到洞察1.1 数据的最后一公里前 16 课我们搭建了完整的数据管道爬取 → 清洗 → 增强 → 存储但数据本身不产生价值洞察才产生价值。来看一个典型场景原始数据第 15 课输出[手机] 苹果发布iOS 19AI功能大幅升级 [芯片] 华为Mate 80搭载麒麟9100芯片3nm工艺 [AI] OpenAI发布GPT-5推理能力提升10倍 [汽车] 小米SU7 Ultra发布0-100加速1.98秒人工分析传统做法需要 2-3 小时“本周值得关注苹果和华为同时在高端市场发力苹果聚焦AI生态整合华为聚焦芯片突破。OpenAI的GPT-5可能对国内大模型厂商形成压力。小米汽车定价策略激进可能冲击特斯拉Model S市场…”LLM 自动分析5 秒同样的输出甚至更结构化、更全面。这就是最后一公里的价值——把数据变成决策依据。1.2 效率对比环节人工LLM 自动化提升阅读 50 条新闻30 分钟0 秒-识别关键信息20 分钟5 秒240x归纳趋势30 分钟5 秒360x撰写分析报告40 分钟10 秒240x合计2 小时20 秒360x二、System Prompt 设计洞察质量的灵魂2.1 为什么 System Prompt 决定一切普通 Prompt 和 System Prompt 的差距就像随便问问和专业咨询的差距# ❌ 普通 Prompt输出质量不稳定分析以下新闻找出重要信息。# ✅ System Prompt结构化、专业化输出你是一位资深的市场竞争分析师拥有 15 年科技行业经验。 你的分析框架 1. 产品动态识别新产品发布、功能更新、定价策略 2. 技术趋势判断技术方向、研发投入、专利布局 3. 市场竞争分析竞争格局、市场份额变化、渠道策略 4. 风险预警发现潜在威胁、政策风险、供应链变化 输出要求 - 每个维度 2-3 条洞察 - 每条洞察包含事实依据 影响分析 建议行动 - 用中文专业但不晦涩2.2 System Prompt 设计五原则原则 1角色设定赋予专业身份原则 2分析框架给出思考维度原则 3输出格式定义结构化模板原则 4质量要求每条洞察含事实分析建议原则 5约束条件限制长度、排除无关信息原则 1角色设定# ❌ 模糊你是一个助手# ✅ 具体你是一位在科技行业有 15 年经验的市场竞争分析师曾为多家 Fortune 500 企业提供战略咨询角色越具体LLM 的输出越专业。15 年经验、Fortune 500 这些细节不是在骗模型而是在锚定它的输出风格。原则 2分析框架给出思考维度引导 LLM 系统化思考而不是想到哪说到哪分析框架1.产品动态——新产品、功能更新、定价变化2.技术趋势——技术方向、研发投入、专利布局3.竞争格局——市场份额变化、渠道策略、生态建设4.风险预警——潜在威胁、政策变化、供应链风险原则 3输出格式用 Pydantic 定义输出结构第 16 课的技巧classInsight(BaseModel):dimension:str# 所属维度产品动态/技术趋势/竞争格局/风险预警fact:str# 事实依据引用的具体新闻analysis:str# 影响分析这对行业意味着什么action:str# 建议行动我们该做什么importance:str# 重要程度高/中/低原则 4质量要求每条洞察必须包含三个要素事实依据What→ 影响分析So What→ 建议行动Now What原则 5约束条件约束条件-总共输出5-8条洞察不要贪多-每条分析不超过80字-只分析最近7天的新闻-排除纯广告、软文、重复内容三、实战竞品洞察生成器3.1 系统架构清洗后数据SQLite加载最近 7 天新闻按公司/类别分组构造分析 Prompt含原始数据 分析框架LLM 分析Qwen2 7B / GPT-4Output Parser结构化洞察洞察报告JSON Markdown3.2 核心代码fromlangchain_core.promptsimportChatPromptTemplatefromlangchain_core.output_parsersimportJsonOutputParserfrompydanticimportBaseModel,FieldclassCompetitorInsight(BaseModel):dimension:strField(description产品动态/技术趋势/竞争格局/风险预警)title:strField(description洞察标题不超过20字)fact:strField(description事实依据引用具体新闻)analysis:strField(description影响分析不超过80字)action:strField(description建议行动不超过50字)importance:strField(description高/中/低)classInsightReport(BaseModel):summary:strField(description总体概述100字以内)insights:list[CompetitorInsight]Field(description洞察列表5-8条)SYSTEM_PROMPT你是一位资深的市场竞争分析师拥有 15 年科技行业经验。 请基于提供的新闻数据生成结构化的竞品洞察报告。 分析框架 1. 产品动态——新产品发布、功能更新、定价策略调整 2. 技术趋势——技术方向变化、研发投入、专利突破 3. 竞争格局——市场份额变化、渠道策略、生态建设 4. 风险预警——潜在威胁、政策变化、供应链风险 质量要求 - 每条洞察包含事实依据 影响分析 建议行动 - 事实必须引用具体新闻不可编造 - 分析要具体避免泛泛而谈 - 建议要可操作能落地执行parserJsonOutputParser(pydantic_objectInsightReport)chainChatPromptTemplate.from_messages([(system,SYSTEM_PROMPT),(human,新闻数据\n{news_data}\n\n{format_instructions}),])|llm|parser3.3 运行cdcode/lesson-17-competitor-insight uv run insight_generator.py输出示例 竞品洞察周报2026-08-09 ~ 2026-08-15 总体概述 本周科技行业焦点集中在 AI 能力升级和高端手机市场竞争。苹果和华为 同时发力OpenAI 和腾讯在基础模型领域展开军备竞赛。 高重要度 (3 条) 1. [产品动态] 苹果 iOS 19 全面 AI 化 事实苹果发布 iOS 19 开发者预览版深度整合 AI 功能 分析苹果正在从硬件公司转型为 AI 平台公司这可能改变 手机行业的竞争维度 建议关注 iOS 19 的 AI API 开放程度评估对第三方应用的影响 中重要度 (4 条) 4. [技术趋势] 3nm 芯片成为新战场 事实华为麒麟 9100 采用 3nm 工艺性能提升 40% 分析3nm 工艺竞赛进入白热化芯片自研能力成为核心竞争力 建议关注供应链动态评估芯片供应风险四、System Prompt 调试技巧4.1 输出不稳定的处理LLM 的输出有时不稳定对策问题原因解决输出格式错误模型理解偏差在 Prompt 中加format_instructions分析太泛泛缺乏具体约束要求每条必须引用一条具体新闻洞察数量不对没设上下限明确输出 5-8 条不要多也不要少编造事实模型幻觉强调只基于提供的新闻不要编造语言风格不一致缺乏角色锚定强化角色设定给出示例4.2 降温策略# 分析类任务用低温度保证输出稳定和一致llmChatOpenAI(modelqwen2:7b,temperature0.3,# 低温度 更确定性、更一致)# 创意类任务用高温度# temperature0.8 # 高温度 更多样性五、总结这节课完成了从数据到洞察的最后一公里能力技术效果角色设定System Prompt 锚定专业身份输出质量提升 50%结构化分析四维分析框架覆盖全面不遗漏格式化输出Pydantic JsonOutputParser稳定、可解析质量控制事实分析建议三段式每条洞察可落地至此场景一「竞品监控」的核心分析能力已就位。下一课我们将让洞察自动生成 Word 周报——配上图表、排版、格式直接发给老板。本课代码code/lesson-17-competitor-insight/insight_generator.py