吹牛逼可以，但你要有一个过得去的产品。

---

AI 产品结构化分析框架。给一个 URL、一份文件、或者一段融资稿，拆开来看它到底行不行。

主要用法是 Claude Code / Codex 的 skill — 装完直接 /funeralai，零 Python 依赖，复用你已有的 AI 编码环境。

安装

git clone https://github.com/FrichXi/funeralai.git
cd funeralai
./install.sh

脚本自动检测环境，装 Claude Code 和/或 Codex 的 skill。也可以单独装：./scripts/install_claude.sh 或 ./scripts/install_codex.sh。

使用

/funeralai https://github.com/xxx/yyy        # GitHub 仓库
/funeralai https://example.com                # 网页 / 产品
/funeralai path/to/article.md                 # 本地文件
/funeralai                                    # 交互式，会问你要分析什么

支持：GitHub 仓库 URL · 网页 URL · 本地文件（.md / .txt / .pdf）· 粘贴文本

分析框架

四层拆解，判断完全基于提交的材料，不基于对公司的已有认知：

层级	问题
第零层（实查）	代码/产品实际跑通了吗？
第一层	有人在用吗？是真需求还是补贴驱动？
第二层	长板有多长？用户会留下来吗？
第三层	吹的和做的差多远？

结论三档：整挺好 · 吹牛逼呢 · 整不明白

分析流水线不是一把梭让模型胡说八道，而是分三步：

1. extract — 结构化事实提取，不急着判断
2. ask — 追问一手体验（3 核心 + 最多 2 补充）
3. parallel judge — 4 路并行：广告检测 · 产品概述 · 证据抽取 · 核心结论

项目结构

.agents/skills/funeral/    共享核心（唯一事实源）
.claude/skills/funeral/    Claude Code 镜像（sync 脚本维护）
.codex/prompts/            Codex 包装层
scripts/                   安装与同步脚本
funeralai/                 Python 参考实现

Python 参考实现

funeralai/ 目录是原始 CLI 版本（pip install funeralai），独立仓库在 funeral-cli。Skill 版本不依赖 Python，复用你已有的 AI 编码环境。Python 版保留用于对照分析质量和批量分析。

PDF 读取依赖 pymupdf（AGPL-3.0），pip 安装时注意 license 兼容性。Skill 版本不受影响。

常见问题

/funeralai 没出现？ — 检查 install.sh 是否执行成功，确认 skill 文件在对应平台目录。

GitHub 分析需要什么？ — 装 gh CLI。

网页抓取失败？ — 部分网站有反爬限制，分析器会要求你手动粘贴内容。

相关项目

• funeral-cli — CLI / TUI 交互工具，pip install funeralai
• funeralai-web4 — 知识图谱可视化站点 → funeralai.cc

License

AGPL-3.0