Process: Competitor Research

End-to-end flagship use-case для MVP. Проверка всей архитектуры на одном реальном сценарии.

Trigger

Запрос: “Разведай конкурентов в нише X”.

Участники

Роль	Агент
Инициатор	User (Telegram)
Gateway	OpenClaw
Оркестратор	Agent-CEO
Координатор	Agent-IntelDirector
Сбор данных	Agent-CompetitorScout
Анализ	Agent-MarketResearcher
Качество	Agent-Judge
Память	Agent-Librarian

Шаги

1. Intake

User → Telegram → OpenClaw → synth-brain API

Создаётся root task:

{"to_agent": "ceo", "type": "user_request", "payload": {"message": "..."}}

2. Intent Classification (CEO)

Agent-CEO:

• Парсит сообщение пользователя
• Классифицирует: intel.competitor_research
• Формулирует hypothesis (если первый запрос такого типа)
• Создаёт child task для Agent-IntelDirector

3. Decomposition (Intel Director)

Agent-IntelDirector создаёт 2 child tasks:

Task A — CompetitorScout:

{
  "to_agent": "competitor_scout",
  "type": "intel.collect",
  "payload": {"segment": "...", "region": "...", "depth": "standard", "max_competitors": 10}
}

Task B — MarketResearcher:

{
  "to_agent": "market_researcher",
  "type": "intel.analyze",
  "payload": {"segment": "...", "wait_for": "task_a_id", "questions": [...]}
}

4. Scout Execution

Agent-CompetitorScout:

• web_search + web_fetch по сегменту
• Структурирует данные по 5-10 конкурентам
• Каждый факт с source URL + date
• Agent-Librarian индексирует промежуточный артефакт
• status = 'judging'

5. Scout Judgement

Agent-Judge проверяет Scout output:

• Все конкуренты с source URL?
• Sampling: проверяет 2-3 URL через web_fetch
• Нет придуманных данных?
• accept → Scout done, Researcher unblocked

6. Researcher Execution

Agent-MarketResearcher:

• Читает результат Scout (task.read)
• Анализирует: сегменты, gaps, pricing, dynamics
• TAM/SAM/SOM с методикой
• Формирует отчёт
• status = 'judging'

7. Researcher Judgement

Agent-Judge проверяет Researcher output:

• Evidence для каждого gap?
• Methodology для market sizing?
• Confidence обоснован?
• accept → Researcher done

8. Director Aggregation

Agent-IntelDirector получает notify (оба child done):

• Агрегирует Scout data + Researcher analysis
• Формирует сводный отчёт по Template-IntelReport
• Указывает общий confidence
• status = 'done'

9. CEO Final Response

Agent-CEO получает результат от Director:

• Формирует ответ пользователю:

TL;DR: 3 строки ключевых выводов

📊 Key findings:
- Finding 1 (confidence: 0.8)
- Finding 2 (confidence: 0.7)

🔍 Gaps & Opportunities:
- Gap 1 with evidence
- Gap 2 with evidence

❓ What we don't know:
- Unknown 1
- Unknown 2

📊 Confidence: 0.75  💰 Cost: $2.10  ⏱ Time: 18 min

Next steps:
1. Deep dive on competitor X
2. Customer interviews in segment Y

• Отправляет через OpenClaw → Telegram

10. Memory

Agent-Librarian индексирует финальный отчёт:

• scope = 'department' (intelligence)
• При повторном запросе — сначала проверяет memory

SLO (MVP)

Метрика	Target
End-to-end time	≤ 30 мин
Total cost	≤ $3
Success rate	≥ 80% (Judge accept на normal path)
Human intervention	Не требуется на normal path

Failure Modes

Проблема	Реакция
Scout нашёл < 3 конкурентов	Эскалация: “помогите уточнить сегмент”
Researcher противоречит Scout	Director перепроверка, возможно re-task Scout
Judge reject оба	CEO эскалация + ADR о методике
Timeout на web_fetch	Scout продолжает с доступными данными
Budget exceeded	Hard stop, partial results + escalation

Пример первого теста

Запрос: “Исследуй конкурентов seeding.synth-nova.com”

Ожидаемый результат:

• 5-10 конкурентов с профилями
• 2-3 gap с evidence
• Pricing benchmark
• Confidence ≥ 0.7
• Time < 30 мин
• Cost < $3

Связанные документы

• Process-TaskLifecycle — жизненный цикл каждой задачи
• Template-IntelReport — формат выходного отчёта
• MVP-Phase — этот процесс = flagship test
• _Processes-Index — реестр процессов