Mapa de Mindshare de IA
Ferramenta de inteligência competitiva: descubra sua audiência, consulte sistemas de IA, analise respostas, construa rankings competitivos, identifique lacunas de fontes.
Sintaxe do Comando
/mindshare-map --entity <url> [--frame "..."] [--name <slug>] [--skip-validation] [--intents-per-track=N] [--intents=N]
Modo entidade: rastreia uma empresa/marca específica.
/mindshare-map --market "<descrição>" [--frame "..."] [--name <slug>] [--skip-validation] [--intents-per-track=N] [--intents=N]
Modo mercado: análise de paisagem sem uma entidade focal.
Opções:
--frame "..."Diálogos de intenção/persona — quem está pesquisando e por quê (padrão: compradores pesquisando opções)--name <slug>Nome do diretório de trabalho (padrão: derivado do domínio da URL ou descrição do mercado)--skip-validationPular confirmação de ICP (usar ICPs inferidos; comprador → tracks padrão, outros → sem tracks)--intents-per-track=NIntenções por track no modo tracked (padrão: 6)--intents=NIntenções por ICP no modo trackless (padrão: 12)
Exemplos:
/mindshare-map --entity https://example.com→work/example-com-20260213//mindshare-map --market "agências criativas"→work/agencias-criativas-20260213//mindshare-map --entity https://foo.com --name=foo-q1-2026→work/foo-q1-2026//mindshare-map --entity https://foo.com --frame "investidores avaliando líderes de categoria"
Dependências
- Playwright MCP: Pesquisa de descoberta de audiência
- WebFetch: Pesquisa de descoberta de audiência
- Bash: Execução do pipeline
- OpenAI API: GPT-5.2 para consultas, GPT-5-mini para avaliação de fontes de nível completo, GPT-5-nano para extração/análise/avaliação de nível leve
- tuff-lil-unit: Execução do pipeline — recuperação de falhas, memoização de etapas, concorrência
Diretório de Trabalho
Cada execução gera um diretório com data sob work/:
work/agencias-criativas-20260213/
audience-profile.json # ICPs + intenções + target_focus (identidade do projeto)
subject-context.json # Conhecimento da pesquisa
tuff.db # SQLite: steps tuff + tabelas de domínio (consultável)
distillation.json # Saída completa da paisagem competitiva
Saídas
- distillation.json — arquivo único com a paisagem competitiva completa:
meta— versão do esquema, ID da execução, modo, timestamp, contagem de consultas, taxa de resposta, tipos de entidade primárialandscape— entidades de query_answer agrupadas por tipo (empresa, produto, …), ranqueadas por alcanceother_entities— entidades de authority_source/platform agrupadas por tipoby_icp— detalhamento por ICP:{ icp_001: { landscape: {…}, other_entities: {…} } }sources.market— por publisher_type, avaliações por domínio (cada uma comsource_type,is_competitor,authority,citation_count,citation_count_by_icp)client— posição, posição na categoria, saliência, visibilidade, reputação (apenas modo entidade)
- tuff.db — consultável via
sqlite3: status das etapas, uso de tokens, tabelas de domínio
DB: detalhes por trás dos resumos de destilação
tuff.db mantém todos os detalhes que a destilação resume. Consulte com sqlite3 tuff.db:
| Deseja | Tabela → coluna |
|---|---|
| Raciocínio de autoridade da fonte + sinais | assessments.result → authority |
| Formato da fonte + relação concorrente | assessments → source_type, is_competitor |
| Todas as URLs citadas por domínio | assessments.result → urls |
| Detalhe de menção por resposta (saliência, ICP, consulta) | analysed.mentions |
| Texto completo da resposta GPT | queries.response |
| Conteúdo da página da fonte obtida | sources.content |
| Extrações brutas de entidades por fonte | extractions.entities |
Configuração (primeira execução)
Um hook SessionStart instala tuff-lil-unit em ${CLAUDE_PLUGIN_DATA} automaticamente e o reexecuta se package.json mudar. Confirme que OPENAI_API_KEY está definida via shell (recomendado com suporte a Keychain, exportada de ~/.zshenv — veja o README). Playwright MCP é opcional (a pesquisa de site no modo entidade usa WebFetch como fallback sem ele).
Se uma fase do pipeline falhar com Could not locate the bindings file (um erro de bindings nativos do better-sqlite3), a instalação pulou sua etapa de compilação nativa. Corrija com: cd ${CLAUDE_PLUGIN_DATA} && npm rebuild better-sqlite3 e repita a fase.
Fase 0: Configuração do Diretório de Trabalho
Antes de qualquer outra coisa, resolva o diretório de trabalho:
- Derivar slug da entrada:
--entity: extrair domínio, slugify →exemplo-com--market: slugify descrição →agencias-criativas- A flag
--name=sobrescreve (sem sufixo de data)
- Adicionar sufixo de data:
${slug}-${AAAAMMDD}(ex.:agencias-criativas-20260213)- Pular se
--name=foi fornecido (usuário controla o nome completo)
- Pular se
- Definir
WORK_DIR=work/${slug}-${AAAAMMDD}/ - Verificar se existe: se
WORK_DIRjá contiver dados, perguntar ao usuário:work/agencias-criativas-20260213/ já existe. Sobrescrever ou usar um nome diferente? - Criar diretório:
mkdir -p ${WORK_DIR}
Todas as fases subsequentes usam --work-dir=${WORK_DIR}.
Fase 1: Descoberta de Audiência
Pesquisa orientada por subagentes + validação do usuário. Produz audience-profile.json.
Passo 1.0: Enquadramento
Capturar a flag --frame (padrão: quadro de comprador).
Passo 1.1: Gerar ICPs
Task({
subagent_type: 'general-purpose',
prompt: `Execute: references/${'entity' in subject
? 'entity-mode-instructions' : 'market-mode-instructions'}.md\n\n${
'entity' in subject ? `Entity URL: ${subject.entity}` : `Market: "${subject.market}"`}\n\nWORK_DIR: ${WORK_DIR} — write subject-context.json into this directory, not a hardcoded work/ path.`
})
Passo 1.2: Validar ICPs
Apresentar os ICPs propostos ao usuário. Coletar feedback, refinar se necessário. Pular se --skip-validation.
Se a descoberta retornou research_limited (modo entidade, site renderizado com JS que o WebFetch não conseguiu ler), informe o usuário — mesmo com --skip-validation:
{entidade}parece ser renderizado com JS, então esses ICPs dependem mais de pesquisa geral na web do que do site. Instalar o Playwright MCP permitiria ler o site completo — adicione-o e execute a descoberta novamente, ou prossiga com estes?
Passo 1.2a: Seleção de Tracks
Após os ICPs serem confirmados, decidir os tracks de mapeamento de mercado:
| Quadro | Com --skip-validation | Interativo |
|---|---|---|
| Comprador | Tracks padrão (4) | Oferecer tracks padrão ou trackless |
| Personalizado | Trackless | Propor tracks personalizados ou trackless |
Tracks padrão: landscape, recommendation, specialization, scenario. Todos os tracks devem gerar entidades. Veja references/intent-query-generation-instructions.md para orientação de redação.
Passo 1.3: Gerar Intenções + Consultas
Um subagente por ICP, em paralelo. Construir um brief de roleplay para cada ICP usando três slots neutros interpretados pelo quadro:
| Slot | Comprador | Investidor | Jornalista |
|---|---|---|---|
motivations | objetivos | tese de investimento | pauta e ângulo |
constraints | pontos de dor | preocupações de due diligence | restrições editoriais |
context | situação atual | contexto do portfólio | atribuições atuais |
Registrar o brief construído no bloco brief do ICP em audience-profile.json antes de enviar ao subagente.
Usar template tracked ou trackless de references/intent-query-generation-instructions.md. Tracked: --intents-per-track=N (padrão 6), JSON de intenção inclui track. Trackless: --intents=N (padrão 12), track omitido.
const icpResults = await Promise.all(confirmedICPs.map(icp =>
Task({
subagent_type: 'general-purpose',
model: 'sonnet',
prompt: buildRoleplayBrief(icp, confirmedTracks, trackless)
})
))
Passo 1.3b: Revisão de Consultas
Um subagente de revisão único (Sonnet) examina todas as consultas geradas em busca de problemas de metodologia. Retorna consultas sinalizadas com motivos; o orquestrador corrige ou descarta antes de apresentar ao usuário.
Task({
subagent_type: 'general-purpose',
model: 'sonnet',
prompt: `Review these generated queries for research methodology problems...\n${allQueries}`
// See references/query-review-instructions.md for criteria and output format
})
Passo 1.4: Validar Intenções + Escrever Perfil
Apresentar as intenções ao usuário, coletar feedback. Escrever ${WORK_DIR}/audience-profile.json. Pular validação se --skip-validation.
Fase 2: Pipeline (baseado em tarefas, jobs em segundo plano)
Passo 2.1: Criar Tarefas + Definir Dependências
const query = TaskCreate({
subject: "Consultar GPT para todos os ICPs",
description: "Bash({ run_in_background: true, command: 'NODE_PATH=${CLAUDE_PLUGIN_DATA}/node_modules npm run --prefix ${CLAUDE_PLUGIN_ROOT} pipeline:query -- --work-dir=${WORK_DIR}' })",
activeForm: "Consultando GPT"
})
const fetch = TaskCreate({
subject: "Buscar URLs citadas",
description: "Bash({ run_in_background: true, command: 'NODE_PATH=${CLAUDE_PLUGIN_DATA}/node_modules npm run --prefix ${CLAUDE_PLUGIN_ROOT} pipeline:fetch -- --work-dir=${WORK_DIR}' })",
activeForm: "Buscando URLs"
})
const extract = TaskCreate({
subject: "Extrair entidades das fontes",
description: "Bash({ run_in_background: true, command: 'NODE_PATH=${CLAUDE_PLUGIN_DATA}/node_modules npm run --prefix ${CLAUDE_PLUGIN_ROOT} pipeline:extract -- --work-dir=${WORK_DIR}' })",
activeForm: "Extraindo entidades"
})
const assess = TaskCreate({
subject: "Avaliar autoridade das fontes",
description: "Bash({ run_in_background: true, command: 'NODE_PATH=${CLAUDE_PLUGIN_DATA}/node_modules npm run --prefix ${CLAUDE_PLUGIN_ROOT} pipeline:assess -- --work-dir=${WORK_DIR}' })",
activeForm: "Avaliando fontes"
})
const analyse = TaskCreate({
subject: "Analisar respostas GPT",
description: "Bash({ run_in_background: true, command: 'NODE_PATH=${CLAUDE_PLUGIN_DATA}/node_modules npm run --prefix ${CLAUDE_PLUGIN_ROOT} pipeline:analyse -- --work-dir=${WORK_DIR}' })",
activeForm: "Analisando respostas"
})
const distill = TaskCreate({
subject: "Destilar paisagem competitiva",
description: "Bash({ run_in_background: true, command: 'NODE_PATH=${CLAUDE_PLUGIN_DATA}/node_modules npm run --prefix ${CLAUDE_PLUGIN_ROOT} pipeline:distill -- --work-dir=${WORK_DIR}' }). Outputs: distillation.json",
activeForm: "Destilando paisagem"
})
// Grafo de dependências:
// Query → Fetch → Extract → Assess ─┐
// └──→ Analyse ────────────────────┴→ Distill
TaskUpdate({ taskId: fetch.id, addBlockedBy: [query.id] })
TaskUpdate({ taskId: extract.id, addBlockedBy: [fetch.id] })
TaskUpdate({ taskId: assess.id, addBlockedBy: [extract.id] })
TaskUpdate({ taskId: analyse.id, addBlockedBy: [query.id] })
TaskUpdate({ taskId: distill.id, addBlockedBy: [assess.id, analyse.id] })
Passo 2.2: Executar Grafo de Tarefas
Começar com query. A cada conclusão: marcar tarefa como concluída, iniciar dependentes desbloqueados.
Monitorando progresso — cada fase escreve no DB por item. Verifique o progresso a qualquer momento:
NODE_PATH=${CLAUDE_PLUGIN_DATA}/node_modules npm run --prefix ${CLAUDE_PLUGIN_ROOT} pipeline:progress -- --work-dir=${WORK_DIR} query # fase única: "query: 24/24"
NODE_PATH=${CLAUDE_PLUGIN_DATA}/node_modules npm run --prefix ${CLAUDE_PLUGIN_ROOT} pipeline:progress -- --work-dir=${WORK_DIR} # todas as fases
Em caso de falha ou interrupção: execute novamente a fase que falhou — a memoização de etapas do tuff pula itens já concluídos.
Pipeline completo (não interativo): NODE_PATH=${CLAUDE_PLUGIN_DATA}/node_modules npm run --prefix ${CLAUDE_PLUGIN_ROOT} pipeline -- --work-dir=${WORK_DIR} executa todas as 6 fases sequencialmente.
Fase 3: Entrega
Assim que o pipeline for concluído, apresente os resultados ao usuário:
**Mapa de Mindshare de IA completo** → `${WORK_DIR}/`
**Saídas:**
- `${WORK_DIR}/distillation.json` — dados da paisagem competitiva
- `${WORK_DIR}/audience-profile.json` — ICPs + intenções
**Principais descobertas:**
- Entidades descobertas: {{entities_discovered}}
- Com suporte de fontes: {{source_backed_count}}
- Posição alvo: #{{rank}} de {{rank_of}} *(apenas modo entidade)*