在我们做新产品上市发布时，经常需要去调研一下市场，做市场洞察、客户当前痛点的捕捉，然后想办法突出我们产品的亮点。另外还要结合不同渠道的特点，针对行的做各个渠道的发布推广策略，因此一个产品的“发布策划方案” 是非常熬人的。今天给大家分享的 “智能产品发布策划Agent” 可以轻松帮您解决这件事请。

作者：百度智能云 谭文涛

系统架构

                    ┌──────────────┐
                    │   用户输入    │
                    │ (产品名+卖点) │
                    └──────┬───────┘
             ┌─────────────┴─────────────┐
             ▼                           ▼
    ┌──────────────┐            ┌──────────────┐
    │  市场洞察     │    并行    │  竞品分析     │
    │  Agent       │◄─────────►│  Agent       │
    └──────┬───────┘            └──────┬───────┘
           └─────────────┬─────────────┘
                         ▼
                ┌──────────────┐
                │  策略规划     │
                │  Agent       │
                └──────┬───────┘
                         ▼
                ┌──────────────┐
                │  内容生产     │
                │  Agent       │
                └──────┬───────┘
                         ▼
                ┌──────────────┐
                │  发布策划书    │
                │  (Markdown)  │
                └──────────────┘

四个 Agent

1. 市场洞察 Agent

• 输入

  ：产品名称 + 核心卖点

• 输出

  ：四维度结构化洞察（市场规模、用户画像、行业趋势、用户痛点）

• LLM调用

  ：1次搜索词生成 + 4次维度提取

2. 竞品分析 Agent

• 输入

  ：产品名称 + 核心卖点

• 输出

  ：竞品画像（定位、优劣势、差异化机会）

• LLM调用

  ：1次竞品识别 + N次竞品深度分析（N=竞品数）

3. 策略规划 Agent（汇聚点）

• 输入

  ：市场洞察 + 竞品分析 + 产品信息

• 输出

  ：完整发布策略（定位、核心信息、渠道、时间线、预算）

• LLM调用

  ：1次综合策略生成

4. 内容生产 Agent

• 输入

  ：发布策略 + 市场洞察 + 竞品分析

• 输出

  ：各渠道发布物料（微信公众号/微博/产品落地页/新闻通稿）+ 执行摘要

• LLM调用

  ：M次渠道内容生成 + 1次执行摘要（M=渠道数）

技术栈

组件	选型	理由
LLM	千帆 ernie-x1-turbo-32k	32k上下文，适合策略综合
LLM调用	原生 requests	零SDK依赖，轻量可控
搜索	百度 AI Search	千帆生态，中文数据质量高
并行执行	concurrent.futures.ThreadPoolExecutor	Python标准库，I/O密集型友好
输出格式	Markdown	可转PDF/Word/PPT

项目结构

product-launch-planner/
├── config.py              # 全局配置（API Key、模型参数、渠道要求）
├── llm_client.py          # 千帆 LLM 客户端（原生 requests，零 SDK）
├── search_client.py       # 百度 AI Search 客户端
├── pipeline.py            # 扇出-汇聚编排器（含并行执行 + 降级容错）
├── main.py                # CLI 入口脚本
├── agents/
│   ├── __init__.py
│   ├── base_agent.py      # Agent 基类（ABC）
│   ├── market_insight.py  # 市场洞察 Agent
│   ├── competitor.py      # 竞品分析 Agent
│   ├── strategy.py        # 策略规划 Agent
│   └── content.py         # 内容生产 Agent
└── output/                # 输出目录（运行后生成）
    ├── {产品名}_1_market_insights.json
    ├── {产品名}_1_competitor_analysis.json
    ├── {产品名}_2_strategy.json
    └── {产品名}_发布策划书.md

快速开始

环境要求

• Python 3.10+（需 concurrent.futures）

• 依赖库：requests（唯一外部依赖）

• 千帆 API Key（ernie-x1-turbo-32k 模型）

• 百度 AI Search API Key（可与千帆共用同一 Key）

安装依赖

pip install requests

配置 API Key

方式一：环境变量（推荐）

export QIANFAN_API_KEY="bce-v3/your-api-key-here"
export BAIDU_SEARCH_API_KEY="bce-v3/your-api-key-here"

方式二：直接修改 config.py 中的默认值。

运行

cd product-launch-planner

# 基本用法
python main.py --product "小度学习平板X1" --selling-points "AI个性化辅导、护眼屏、家长管控"

# 指定发布渠道
python main.py \
  --product "小度智能耳机Pro" \
  --selling-points "主动降噪、AI翻译、骨传导" \
  --channels "微信公众号,微博,产品落地页"

# 不保存中间结果
python3 main.py --no-save --product "产品名" --selling-points "卖点"

参数说明

参数	缩写	说明
--product	-p	产品名称
--selling-points	-s	核心卖点（逗号或顿号分隔）
--channels	-c	发布渠道，逗号分隔（默认：微信公众号,微博,产品落地页,新闻通稿）
--no-save		不保存中间JSON结果

输出示例

运行后会在 output/ 目录下生成：

output/
├── 小度学习平板X1_1_market_insights.json    # 市场洞察四维度数据
├── 小度学习平板X1_1_competitor_analysis.json # 竞品分析结果
├── 小度学习平板X1_2_strategy.json            # 发布策略JSON
└── 小度学习平板X1_发布策划书.md               # 最终策划书

最终策划书包含：

• 执行摘要

• 市场洞察概要

• 发布策略（定位、核心信息、渠道、时间线、预算、风险预案）

• 各渠道发布物料全文

具体输出示例详见本公众号同期发布的“小度智能耳机Pro_发布策划书_示例”

核心设计要点

降级容错

• 并行Agent中任一失败，另一个结果仍然有效

• 失败Agent返回空结构（data_sufficient: false），保证下游不崩溃

• 策略Agent根据数据完整性标记自动调整策略信心程度

渠道差异化

每个渠道有独立的格式要求：

渠道	字数要求	格式
微信公众号	1500~2500字	长图文，含标题备选、CTA
微博	≤280字	短图文，含话题标签
产品落地页	结构化	卡片式卖点+用户评价
新闻通稿	800~1200字	标准新闻稿，含高管引用

LLM 调用统计

Agent	LLM调用次数	百度搜索次数
市场洞察	1+4	8~12
竞品分析	1+N	6~15
策略规划	1	0
内容生产	M+1	0
合计	~15~20次	~14~27次

项目源码

详见文章顶部绑定资源包