AI 技能AI 插件【免费下载链接】agentic-awesome-skillsAAS Core is the local, agent-first control plane for complete catalog discovery, agent-owned selection, stack validation, and planning, backed by 2,115 agentic skills. Includes CLI, local MCP, catalog, plugins, and Workbench.项目地址https://gitcode.com/gh_mirrors/an/agentic-awesome-skills点击查看免费下载导读本文以agentic-awesome-skills仓库中的apify-competitor-intelligence技能Skill为骨架系统讲解如何在 Agent 工作流中利用 Apify Actors 采集并分析竞争对手在 Google Maps、Booking.com、Facebook、Instagram、YouTube、TikTok 六大平台上的策略、内容、定价、广告与市场定位。读完本文你将掌握从 Actor 选型、Schema 动态获取、三种结果导出模式到错误处理与使用边界的完整实操流程并能结合仓库源码理解每一步背后的实现原理。技能定位一条面向竞品情报的自动化管道apify-competitor-intelligence是agentic-awesome-skills插件体系中一个风险级别标记为critical、来源为community的社区技能其官方描述为Analyze competitor strategies, content, pricing, ads, and market positioning across Google Maps, Booking.com, Facebook, Instagram, YouTube, and TikTok.在仓库的目录索引中该技能被归入automation分类携带apify、competitor、intelligence等标签并定义了analyze、content、pricing、ads、market、positioning、google、maps、booking等触发词便于 Agent 在对话中自动识别匹配。从使用时机看该技能适用于三类典型任务需要对内容、评论、定价、广告、受众或渠道表现做竞品对标benchmark任务涉及跨地图、预订、社交、视频平台的 Actor 选择与数据对比需要结构化的竞品数据 提炼后的战略建议用于策略与定位决策。技能本体位于 plugins/agentic-awesome-skills-claude/skills/apify-competitor-intelligence/SKILL.md配套的驱动脚本位于 reference/scripts/run_actor.js仓库的plugins/agentic-awesome-skills目录下保留了同构副本两处均可作为阅读与运行入口。环境准备技能文档明确要求三项前置条件无需提前逐项核查运行时报错再处理即可前置条件说明.env文件需包含APIFY_TOKEN用于鉴权调用 Apify APINode.js 20.6需要原生--env-file支持用于安全加载环境变量mcpcCLI 工具通过npm install -g apify/mcpc全局安装用于动态获取 Actor 详情从源码层面看run_actor.js在main()中通过process.env.APIFY_TOKEN读取令牌若缺失会打印Error: APIFY_TOKEN not found in .env file并直接退出同时该脚本使用 ESMimport语法与fetch、node:util等现代 Node API这也是要求 Node.js 20.6 的根本原因。五步工作流总览技能内置了一份可复制的进度清单Agent 执行时应逐项勾选Task Progress: - [ ] Step 1: Identify competitor analysis type (select Actor) - [ ] Step 2: Fetch Actor schema via mcpc - [ ] Step 3: Ask user preferences (format, filename) - [ ] Step 4: Run the analysis script - [ ] Step 5: Summarize findings下面逐一展开每个步骤。Step 1选择竞品分析类型Actor 选型这是整个流程中最关键的一步根据用户需求从下表中选择最合适的 Apify Actor。Actor ID 采用作者/名称格式选型依据按平台分组如下。地图与本地商家Google Maps用户需求Actor ID最佳用途竞品商家数据compass/crawler-google-places位置分析竞品联系方式挖掘poidata/google-maps-email-extractor邮箱提取功能对标compass/google-maps-extractor详细商家数据竞品评论分析compass/Google-Maps-Reviews-Scraper评论对比酒店预订Booking.com用户需求Actor ID最佳用途酒店竞品数据voyager/booking-scraper酒店对标酒店评论对比voyager/booking-reviews-scraper评论分析Facebook 全家桶用户需求Actor ID最佳用途竞品广告策略apify/facebook-ads-scraper广告创意分析竞品主页指标apify/facebook-pages-scraper页面表现竞品内容分析apify/facebook-posts-scraper帖子策略竞品 Reels 表现apify/facebook-reels-scraperReels 分析竞品受众分析apify/facebook-comments-scraper评论情绪竞品活动监控apify/facebook-events-scraper活动追踪竞品受众重叠apify/facebook-followers-following-scraper粉丝分析竞品评论对标apify/facebook-reviews-scraper评论对比竞品广告监控apify/facebook-search-scraper广告发现Instagram用户需求Actor ID最佳用途竞品主页指标apify/instagram-profile-scraper主页分析竞品内容监控apify/instagram-post-scraper帖子追踪竞品互动分析apify/instagram-comment-scraper评论分析竞品 Reel 表现apify/instagram-reel-scraperReel 指标竞品增长追踪apify/instagram-followers-count-scraper粉丝追踪综合竞品数据apify/instagram-scraper全量分析基于 API 的竞品分析apify/instagram-api-scraperAPI 访问YouTube 与 TikTok用户需求Actor ID最佳用途竞品视频分析streamers/youtube-scraper视频指标竞品情绪分析streamers/youtube-comments-scraper评论情绪竞品频道指标streamers/youtube-channel-scraper频道分析TikTok 竞品分析clockworks/tiktok-scraperTikTok 数据竞品视频策略clockworks/tiktok-video-scraper视频分析竞品 TikTok 主页clockworks/tiktok-profile-scraper主页数据需要说明Actor 清单是技能内置的静态映射实际运行时以 Apify 平台上的最新可用性为准若目标平台不在上表中可退回 Step 2 用 mcpc 动态检索。Step 2动态获取 Actor Schema选定 Actor 后通过mcpc调用 Apify MCP 服务端的fetch-actor-details工具动态拉取该 Actor 的输入 Schema 与详细信息export $(grep APIFY_TOKEN .env | xargs) mcpc --json mcp.apify.com --header Authorization: Bearer $APIFY_TOKEN tools-call fetch-actor-details actor:ACTOR_ID | jq -r .content将ACTOR_ID替换为实际选中的 Actor例如compass/crawler-google-places。命令拆解export $(grep APIFY_TOKEN .env | xargs)从.env提取APIFY_TOKEN并导出到当前 shell 环境mcpc --json mcp.apify.com以 JSON 模式连接 Apify 的 MCP 端点--header Authorization: Bearer $APIFY_TOKEN携带令牌完成鉴权tools-call fetch-actor-details actor:ACTOR_ID调用工具查询 Actor 详情jq -r .content提取响应中的内容字段便于阅读。返回内容通常包含三部分Actor 的描述与 README必填与可选输入参数input schema输出字段如果可用。拿到 Schema 后即可为 Step 4 的--input参数构造正确的 JSON 输入。Step 3确认用户偏好正式运行前向用户确认两个关键偏好输出格式三选一Quick answer仅在对话中展示前几条结果不落盘保存文件CSV全字段导出为 CSV 文件JSON全量数据导出为 JSON 文件。结果数量根据具体用例性质如关键词数量、目标竞品数、时间范围确定采集规模。Step 4运行分析脚本技能通过插件内预置的run_actor.js完成「提交运行 → 轮询状态 → 拉取数据集 → 导出/展示」的完整闭环。三种模式命令如下。Quick answer对话内展示不保存文件node --env-file.env ${CLAUDE_PLUGIN_ROOT}/reference/scripts/run_actor.js \ --actor ACTOR_ID \ --input JSON_INPUTCSV 导出node --env-file.env ${CLAUDE_PLUGIN_ROOT}/reference/scripts/run_actor.js \ --actor ACTOR_ID \ --input JSON_INPUT \ --output YYYY-MM-DD_OUTPUT_FILE.csv \ --format csvJSON 导出node --env-file.env ${CLAUDE_PLUGIN_ROOT}/reference/scripts/run_actor.js \ --actor ACTOR_ID \ --input JSON_INPUT \ --output YYYY-MM-DD_OUTPUT_FILE.json \ --format json其中${CLAUDE_PLUGIN_ROOT}是插件根目录环境变量对应仓库中的实际脚本路径为plugins/agentic-awesome-skills-claude/skills/apify-competitor-intelligence/reference/scripts/run_actor.js。源码级解析run_actor.js 的内部实现对照 run_actor.js 源码可以清晰看到整个执行链路1. 参数解析parseCliArgs脚本基于 Node 内置node:util的parseArgs定义全部 CLI 参数参数短名类型默认值说明--actor-astring必填Actor ID如compass/crawler-google-places--input-istring必填Actor 输入的 JSON 字符串--output-ostring无输出文件路径不传则进入 Quick answer 模式--format-fstringcsv输出格式csv或json--timeout-tstring600最长等待秒数--poll-interval无string5状态轮询间隔秒数--help-hboolean无打印帮助信息其中--timeout与--poll-interval是错误处理表中「Timeout」场景的调节手段见下文。2. 启动运行startActor先将author/actor形式的 ID 转换为 Apify API 兼容的author~actor格式向https://api.apify.com/v2/acts/{actorId}/runs发起POST携带令牌与用户输入的 JSON请求头中附带User-Agent: apify-agent-skills/apify-competitor-intelligence-1.0.1用于在 Apify 侧统计技能使用情况返回runId与defaultDatasetId供后续轮询与下载使用。3. 轮询状态pollUntilComplete每--poll-interval秒默认 5 秒请求一次运行状态仅在状态变化时打印SUCCEEDED/FAILED/ABORTED/TIMED-OUT为终态超过--timeout默认 600 秒仍运行中则判定为超时非SUCCEEDED终态会打印Error: Actor run 状态并提示前往 Apify console 查看运行详情后以非零码退出。4. 结果导出downloadResults/displayQuickAnswerCSV以首条记录字段为表头单元格做了两层防护——若值以、、、-等公式注入字符开头则前置单引号规避 CSV 注入含逗号、引号或换行的值会正确加引号转义超过 200 字符的长文本被截断数组/对象字段序列化为 JSON 字符串。JSON以JSON.stringify(data, null, 2)格式化写入。Quick answer仅拉取前 5 条结果在对话中展示单值超过 100 字符会被截断并输出数据集总条数。5. 汇总报告reportSummary导出文件后打印记录数与文件大小字节其中 CSV 的记录数按「非空行数减表头」统计。Step 5汇总发现运行结束后向用户汇报以下四项内容分析的竞品数量结果文件位置与名称关键竞争洞察如定价差异、广告创意方向、评论情绪趋势、渠道表现对比建议的下一步动作更深入的定向分析、跨周期对标等。错误处理对照表技能文档给出了一份明确的错误处理清单结合源码可确认每条对应的处理位置错误信息处理动作源码依据APIFY_TOKEN not found请用户创建.env并写入APIFY_TOKENyour_tokenmain()中令牌缺失即报错退出mcpc not found请用户执行npm install -g apify/mcpc属 CLI 前置条件Actor not found检查 Actor ID 拼写startActor对 HTTP 404 的专门分支Run FAILED请用户查看错误输出中的 Apify console 运行链接非SUCCEEDED终态分支Timeout减小输入规模或通过--timeout增大等待时间pollUntilComplete的超时判定使用边界与注意事项技能的Limitations部分明确了三条边界使用时务必遵守仅在任务与上述范围明确匹配时使用本技能不要泛化套用采集结果不能替代环境专属的验证、测试或专家评审——竞品数据仅作情报参考落地决策仍需人工把关当必填输入、权限、安全边界或成功标准缺失时应停止执行并向用户澄清而不是擅自猜测。此外需注意该技能依赖 Apify 平台鉴权APIFY_TOKEN与外部数据源运行会产生真实的 Actor 执行涉及成本与第三方平台使用条款建议在受控环境下按需运行。结语apify-competitor-intelligence演示了agentic-awesome-skills中「技能即工作流」的典型形态一份可勾选的任务清单 一次动态 Schema 获取 一个可复用的运行脚本即可覆盖从 Google Maps 本地商家到 TikTok 视频策略的跨平台竞品情报采集。理解其选型表、mcpc用法与run_actor.js的调用链你便能将该模式迁移到其他 Apify 类技能如仓库内的apify-brand-reputation-monitoring、apify-market-research、apify-lead-generation等同族技能快速构建自己的数据采集与分析管道。赞分享AI 技能AI 插件【免费下载链接】agentic-awesome-skillsAAS Core is the local, agent-first control plane for complete catalog discovery, agent-owned selection, stack validation, and planning, backed by 2,115 agentic skills. Includes CLI, local MCP, catalog, plugins, and Workbench.项目地址https://gitcode.com/gh_mirrors/an/agentic-awesome-skills点击查看免费下载相关推荐agentic-awesome-skills 中 apify-market-research Skill 实战指南基于 Apify Actors 的多平台市场调研工作流agentic awesome skills 中 apify market research Skill 实战指南基于 Apify Actors 的多平台市场AI 技能AI 插件agentic-awesome-skills 实战用 Andru.ia Niche Intelligence 为 Agent 注入垂直领域情报agentic awesome skills 实战用 Andru.ia Niche Intelligence 为 Agent 注入垂直领域情报 本篇文章围绕AI 技能AI 插件Agentic Awesome Skills 实战基于 Apify Actors 的跨平台趋势分析技能apify-trend-analysis全解析Agentic Awesome Skills 实战基于 Apify Actors 的跨平台趋势分析技能apify trend analysis全解析 导读AI 技能AI 插件上一篇PathPicker正则表达式瀑布流理解文件路径匹配的核心算法下一篇Corne键盘LED灯效终极指南从RGB背光到底灯完全配置教程创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考