智能家居产业观察（CSHIA Research 数据源）

这个技能干什么

智能家居产业观察是一个常驻的产业数据入口。用户一句「找报告」，就从 ima 知识库「CSHIA Research 中智盟咨询」 里把相关行业数据捞出来，对齐口径，产成一份能直接用的行业报告 / 市场内容分析。

数据源固定，不换、不猜。 除非用户另指知识库，一律走下面这张卡。

前置依赖与数据源可用性（别人装上能不能跑，全看这节）

本技能的主数据源是 ima 知识库。按以下顺序逐级降级，别一上来就判定"跑不了"。

> 导知识库是一次性动作，导入后本技能回到主路径，不需要重复操作。
> 降级产物要保证可用，不能因为换了源就交白卷——但不许把公开检索的数字伪装成 CSHIA 白皮书数据。

库内内容速查（找数据先对号入座，别盲搜）：

何时触发

• 「找报告」「找份报告」「找行业报告」「找行业数据」「找白皮书」「智能家居产业观察」「产业观察」→ 直接触发（这是本技能的主入口）
• 具体说法：「找一下智能窗帘的市场数据」「找份智能门锁的报告」「找 CSHIA 的数据」「找中智盟的白皮书」「用产业观察看一下智能晾晒」
• 需要智能家居/全屋智能任意品类的规模、增速、渗透率、渠道、品牌格局、用户需求画像
• 要做「市场内容分析」「行业趋势报告」「数据复盘」

不触发：用户明确要写公众号文章（wechat-write）、排版（wechat-xiaonengshou-style）、做 PPT 而不要数据底稿（tencent-pptx）。这几种是本技能的下游，不是入口。

工具准备（必须第一步做）

本环境 ima 是 MCP 工具，不在默认工具列表里，必须先 ToolSearch 加载 schema 再调用：

ToolSearch({ tool_names: [
  "mcp__ima-mcp__search_knowledge_base",
  "mcp__ima-mcp__get_knowledge_list",
  "mcp__ima-mcp__search_knowledge",
  "mcp__ima-mcp__fetch_media_content"
]})

调用走 DeferExecuteTool({ toolName: "...", params: {...} })，toolName 必须写在 params 里，漏了直接报 toolName is required。

五步流水线

Step 0 · 定题（缺关键约束才问，最多一轮）

用户通常只说「找报告」。默认按「智能家居大盘 + 最新可得数据」出，但一次问清这 4 项，别反复追问：

> 用户回「可以」「都行」之类短确认，立刻按默认值开跑，不要卡住。

Step 1 · 定位知识库

// search_knowledge_base
{ "query": "CSHIA Research", "limit": 10 }

核对返回 id == 7473010407663050。这个 ID 已核实，直接用，不必每次搜。如果 ima 报未授权/找不到，走 workbuddy_request_mcp_connection 请求连接 ima-mcp。

Step 2 · 检索（跑 2–4 组关键词）

// search_knowledge
{ "knowledge_base_id": "7473010407663050",
  "folder_id": "folder_7473010818705629",
  "query": "智能晾晒 市场规模 渗透率 品牌格局" }

要点：

• 没有 limit 参数 —— 传了直接报 must NOT have additional properties。返回的相关结果自己按 highlight_content 判读，用 cursor 翻页。
• 关键词组合跑几组：① 品类名 + 市场规模 ② 品类名 + 增速/渗透率 ③ 品类名 + 品牌格局/份额 ④ 品类名 + 渠道/用户需求。
• highlight_content 带 <em> 高亮标签，引用前必须清掉（str.replace('<em>','').replace('</em>','')），否则交付物里会有 HTML 残渣。
• 优先拿年份最新的那份做主源；老年份用来补时间序列。

Step 3 · 去重 + 深读

库里有成对重复文件（水印版 / 发布版 / 完整版 / 无前缀同名）。去重规则：

1. 文件名去掉「水印」「完整版」「发布版」「final」「-V1」「（细化修改版）」等前缀后缀后归一
2. 同归一名的取一份（优先文件名干净、无「水印」字样的）
3. 已知重复组：智能门、智慧卧室、智能窗帘（2019/2022）、智能家居生态（2019/2020）、智能晾衣机 —— 别重复读全文，浪费 context

深读：

// fetch_media_content
{ "media_id": "pdf_49322df4e920ac85877a2feb3a2f292b_c00bcc4b78d1ef5e27656acd6db017147473010407663050" }

• 返回全文解析文本（几十 KB 级别），PDF 里的表格已转成 markdown 表格文本，mermaid 流程图转成 graph TD 文本，图片是 ![](parseimages/xxx.png) 占位符不是图 —— 凡结论依赖图片的信息（如柱状图数据），要么从正文表格里找，要么明确标注「原图数据无法直接提取」，绝不能凭占位符编数字。
• 单篇最多读 3–5 篇主源。先读最新年份的，再补前一年做对照。
• 抽取的数据点落盘到 _work/：

~/.workbuddy/outputs/_work/智能家居报告_<日期>/
  ├── raw_notes_<报告简称>.md      # 每篇的原文摘录（按章节）
  └── data_points.md               # 结构化数据：指标 | 数值 | 年份 | 出自哪份报告

Step 4 · 跨年份对齐（本技能的核心价值）

同一品类在不同年份白皮书里，指标口径常常不同（有的报零售额亿元，有的报出货量万台/万套）。硬比会把读者带沟里。规则：

1. 同口径才连成走势；口径不同的两个数，并列呈现并注明「口径 A / 口径 B」，不强行算增速。
2. 输出一张时间序列表：指标 | 2019 | 2022 | 2024 | 2025 | 出处
3. 只取单点数据的指标，标注「仅 <年份> 有数据」。
4. 2018–2020 的老数据带一句提示：当时为预测值，现已兑现/已过时，引用时写明年份，别当成当期事实。
5. 数据打架时（多家调研机构口径不同）——如实并列，标出机构名，不下「唯一正确答案」的判断。

Step 5 · 出稿

按 references/report_template.md 的结构写，存到：

~/.workbuddy/outputs/智能家居行业报告/<YYYYMMDD>_<主题slug>/<主题>-行业报告.md

同时给一张数据来源清单表（报告名 | 发布方/合作方 | 年份 | 用在哪一段 | media_id），方便复核和后续复跑。

报告骨架（默认）

1. 一句话结论 + 3–5 条要点（每条 = 一个判断 + 一个数字）
2. 市场规模与走势（表 + 图）
3. 品类/赛道格局（品类 | 规模 | 增速 | 主要玩家 | 主力报告年份）
4. 渠道与需求端（B 端精装 / C 端零售 / 集成商侧）
5. 产业链与技术（芯片、通信协议、Matter、AI 落地）
6. 竞争与生态（平台格局、阵营、并购）
7. 案例拆解（1–2 个，要具体数字与动作）
8. 机会与风险（落到品牌 / 集成商 / 渠道三方的可执行建议）
9. 数据来源与口径说明

详细模板见 references/report_template.md。

交付与下游路由

写作口径：结论先行、结构化、多用表格；数据一律带年份和出处；避免"把主体抽掉也能成立"的空话；品牌稿用第三方行业媒体口吻，别写软文腔。

已知的坑（踩过就别再踩）

速查

KB ID       7473010407663050
FOLDER ID   folder_7473010818705629   （「CSHIA Research往期报告」，23 份）
主入口      search_knowledge（库内语义检索，无 limit 参数）
深读        fetch_media_content（media_id）
清单        get_knowledge_list（可带 folder_id + sort_type=UPDATE_TS_DESC_SORT_TYPE）
产出目录    ~/.workbuddy/outputs/智能家居行业报告/<日期>_<主题>/
中间件目录  ~/.workbuddy/outputs/_work/智能家居报告_<日期>/