本文へ移動
cccskills
無料GitHub で公開

customer-requirement-discovery

客户需求发现与澄清助手:当用户是销售、客户成功或售前,拿到客户模糊、宽泛、缺少产品边界的需求,需要先在内部最多五轮补齐关键事实,再生成一次性客户澄清问题清单、需求摘要与通用技术可行性判断时使用;当确认需求将落入 StyleWork 时加载可选产品与 UI 上下文,并可在信息足够或明确要求时输出带假设标记的轻量 Demo。

不要用于直接报价、承诺交期、替代正式 PRD 或在信息不足时假装已有能力。

インストール方法を見る

含まれるファイル(13)

  • SKILL.md7.3 KB
  • agents/openai.yaml300 B
  • assets/demo-brief-template.md1.3 KB
  • evals/evals.json3.3 KB
  • evals/green-forward-test.md2.6 KB
  • evals/red-baseline.md2.1 KB
  • evals/release-review.md3.3 KB
  • references/discovery-playbook.md3.2 KB
  • references/feasibility-and-boundaries.md2.2 KB
  • references/output-templates.md1.8 KB
  • references/stylework-product-context.md3.3 KB
  • references/stylework-source-manifest.md3.0 KB
  • references/stylework-ui-baseline.md2.5 KB

SKILL.md(原文)

インストールする前に、エージェントに与えられる指示の中身を確認できます。

客户需求发现与澄清助手

Overview

帮助销售、客户成功和售前先在内部把模糊需求问清楚,再生成一份可一次发给客户的澄清清单。核心不是套固定问卷,而是识别当前最影响目标、方案、可行性、范围和验收的未知项。

默认输出 Markdown。用户明确要求 Excel 时,再调用可用的电子表格能力转换;本 Skill 不直接报价。

Phase Routing

先判断当前处于哪个阶段,只执行当前阶段:

  1. 内部需求发现:信息模糊,先向销售/客户成功追问。
  2. 客户澄清清单:内部信息已基本榨干,整理一次性外发问题。
  3. 客户回复回收:拿到客户回答后,形成需求摘要和可行性判断。
  4. 轻量 Demo:需求达到 Demo 门槛,或用户明确要求带假设先做概念验证。
  5. 下游交接:需要报价范围、正式 PRD 或研发实施时交给对应流程。

不要在第一轮同时完成所有阶段。内部需求发现阶段必须提出问题并等待内部用户回答。

Internal Discovery

读取 references/discovery-playbook.md,建立并持续更新需求台账:

  • 已确认事实;
  • 假设;
  • 未知项;
  • 冲突;
  • 风险;
  • 证据来源;
  • 当前需求成熟度。

每轮只选择 1-3 个信息增益最高的问题。最多五轮,但信息足够时必须提前停止;不要为了用满轮次而继续问。优先利用销售已有信息,不要把可由内部确认的问题直接甩给客户。

问题选择原则:

  • 回答会改变业务目标、用户流程、输入输出或验收;
  • 回答会改变通用技术可行性、数据/集成路径、合规边界或 Demo 形态;
  • 回答会消除当前事实冲突或高风险假设。

平台、数量、频率、时效、准确率不是固定必问项。只有它们确实会改变当前需求的实现或验收时才问。

每轮回复保持简洁:先用一小段复述本轮理解,再列本轮问题。不要提前生成最终客户清单。

Customer Clarification List

当内部用户明确要求生成清单、连续两轮没有新的高价值信息,或已到第五轮时,读取 references/output-templates.md,合并并重写问题:

  • 必答不超过 8 个;
  • 选答不超过 5 个;
  • 一个问题只确认一个核心决策;
  • 使用客户语言,避免内部技术术语;
  • 给出建议回答方式或示例,使客户可以一次答完;
  • 删除销售已经确认、可以内部推断或不会改变方案的问题;
  • 对仍不可避免的假设,明确标记为“如未回复,将按此假设讨论,不构成交付承诺”。

清单只用于一次性收集客户信息,不包含内部可行性结论、产品能力底牌、成本或交期承诺。

Post-Reply Assessment

客户回复回来后,输出四部分:

  1. 内部需求评估:目标、角色、业务流程、输入、处理、输出、依赖、约束、验收、风险和剩余未知项。
  2. 客户确认版需求摘要:只写客户已确认内容;假设单列。
  3. 通用技术可行性:按 references/feasibility-and-boundaries.md 判断为通常可行、有条件可行、需技术验证或当前不建议,并写出证据和条件。
  4. 下一步建议:补充验证、轻量 Demo、报价范围或正式 PRD。

不要把“AI 可以理解”“理论上能做”当作可行性证据。不要承诺准确率、平台数据稳定性、工期、价格或最终架构。

Conditional StyleWork Context

只有在用户或客户明确提到 StyleWork,或内部用户确认需求要落入 StyleWork 时,才读取:

  • references/stylework-product-context.md
  • references/stylework-ui-baseline.md
  • references/stylework-source-manifest.md

StyleWork 场景必须把两类判断分开:

  • 通用技术可行性:不依赖某个产品,判断数据、模型、集成、流程、合规和验收是否成立。
  • StyleWork 适配判断:映射为现有能力、直接复用、配置、扩展、新建或技术验证,并指出依据版本。

StyleWork 适配不能反向改写通用可行性。未经版本证据确认的 UI、菜单、数据源和第三方连接不得写成现有能力。

Lightweight Demo

满足以下任一条件时才进入 Demo:

  • 目标用户、核心任务、主要输入、关键处理、期望输出和 Demo 验证目标已基本明确;
  • 用户明确要求在信息不足时先做概念 Demo,并接受显式假设。

先使用 assets/demo-brief-template.md 生成并展示 Demo Brief,再制作线框或带模拟数据的 HTML。信息不足但被要求立即制作时,必须在 Brief 和 Demo 中标记显式假设、待确认项、模拟数据和非生产边界。

Demo 不接生产后端,不暗示已接真实客户数据、外部平台或模型效果,不构成交付承诺。StyleWork 场景必须沿用现有 workspace/session/conversation 产品壳、资源选择卡、任务状态和 artifact 交互基线;不要凭空另造传统多菜单后台。

Handoffs

  • 需要只读排期建议时,交给 stylework-requirement-planning;需要正式 PRD 时交给 prd-architect。本 Skill 不再拆出一次性的独立报价/方案 Skill。
  • 需要正式 PRD 时,交给适用的 PRD 工作流。
  • 需要生产级 UI、接口和研发计划时,先完成正式需求与技术方案,不以轻量 Demo 替代。

交接时携带:客户原始表述、需求台账、客户回答、确认版摘要、可行性判断、风险、待验证项和 Demo Brief(如有)。

Definition of Done

  • 内部访谈未超过五轮,每轮 1-3 个高价值问题。
  • 最终客户清单可一次回答,必答与选答数量受控。
  • 事实、假设、未知项、冲突和风险没有混写。
  • 通用技术可行性与产品适配判断分离。
  • StyleWork 资料仅条件加载并标明证据版本。
  • Demo 有明确验证目标、显式假设、模拟数据与非生产说明。
  • 没有价格、工期、准确率、外部数据稳定性或现有能力的虚假承诺。

Resource Guide

  • references/discovery-playbook.md:内部访谈、问题选择和成熟度判断。
  • references/feasibility-and-boundaries.md:通用技术可行性分级与承诺边界。
  • references/output-templates.md:内部台账、客户清单和回收摘要模板。
  • references/stylework-product-context.md:条件加载的产品能力与适配规则。
  • references/stylework-ui-baseline.md:条件加载的产品结构与 Demo UI 规则。
  • references/stylework-source-manifest.md:StyleWork 证据版本、可信度与更新规则。
  • assets/demo-brief-template.md:轻量 Demo 开始前的必填 Brief。
  • evals/evals.json:触发、非触发与历史失败回归场景。

レビュー

まだレビューはありません。使ってみた感想をお寄せください。

同じリポジトリのスキル

概要と使いどころ

Agent trace 诊断器:当用户提供 trace、日志 JSON、agent 执行记录、工具调用序列,或说“看下这个日志/trace,定位根因”“只说明问题不要改文件”时使用;用中文输出核心根因、可视化执行流程图、trace 证据链、可能文件/行和修复建议,默认只读。不用于没有日志证据的新功能设计、普通代码解释或直接修复代码。

日本語の概要は準備中です。原文の説明を表示しています。

PANGKAIFENG/ai-product-manager-skills162026年8月31日 更新

协作校准 / 认知校准 / 问题脑暴:当用户有模糊感受说不清问题、方案越补越复杂、想挑战假设、 想重新定义问题、想知道成熟领域里怎么叫这个问题时使用。 可用中文唤起:"帮我想想""先聊一下""一起脑暴""我感觉有问题但不清楚是什么" "先别执行,帮我看清问题""挑战我的假设""这个方案是不是想错了""帮我做认知校准" "双向钢人""钢人论证一下""正反最强论证,给我明确判断"。 也适用于:用户直接说"帮我做 X 功能""接入 Y 平台"但背景复杂、或对话早期感觉方向可能跑偏时, AI 主动识别并建议进入脑暴模式。 这里的“挑战假设”主要指问题定义、目标、约束和领域定位层面的假设;如果问题已确认且用户已有具体方案、 计划、架构或决策要压力测试,应转用 grill-me。不用于翻译、摘要、格式整理、单文件小改等简单执行任务。

日本語の概要は準備中です。原文の説明を表示しています。

PANGKAIFENG/ai-product-manager-skills162026年8月31日 更新

AI 工作资产化诊断器 / Assetization Router:当用户提供 AI 协作会话、重复任务、prompt、工作流描述、 团队 AI 使用场景或一次成功交付过程,并要求判断应该沉淀成 Prompt、Context Pack、Workflow、Skill、 Loop、System,或根本不值得沉淀时使用。它只做诊断、分层和下一步资产建议,不替代具体 Skill 创建、 PRD 起草、调研、实现或自动化执行。不用于普通事实查询、一次性文案、trace 根因分析或高责任专业判断。

日本語の概要は準備中です。原文の説明を表示しています。

PANGKAIFENG/ai-product-manager-skills162026年8月31日 更新

设计脑暴 / 实现前方案校准:当用户想把已基本成立的想法、功能方向或产品问题,在写 PRD、画 mockup 或进入开发计划前,先比较方案、确认取舍、对齐 UI/视觉约束,并收敛成可执行设计 spec 时使用。 可用中文唤起:“先脑暴一下方案”“先不要写 PRD,帮我设计几种路径”“参考 brainstorming 把这个需求变成设计 spec” “实现前先讨论设计”。问题还没定义清楚时先用 ai-collaboration-calibration;已有方案要压力测试时用 grill-me; 直接写 PRD 时用 prd-architect;grill-me 返回精确设计 gap 时,本 Skill 只输出 Design Delta。

日本語の概要は準備中です。原文の説明を表示しています。

PANGKAIFENG/ai-product-manager-skills162026年8月31日 更新

竞品决策分析 / Competitive Decision Brief:当用户要调研竞品、替代方案、新产品、SaaS/AI 产品或市场信号, 并希望把官网、定价、评论、文档、更新日志、登录态走查、截图或浏览器取证转成产品定位、路线图、定价、 功能优先级、差异化、Go/No-Go 或 PRD 输入时使用。核心行为是先锚定产品决策,再选择证据渠道, 最后输出可行动的 Product Decision Brief;不要把它降级成泛泛功能清单、纯 UX 走查或“点完所有按钮”报告。

日本語の概要は準備中です。原文の説明を表示しています。

PANGKAIFENG/ai-product-manager-skills162026年8月31日 更新

复杂探索资产化 / Complex Exploration:当用户面对复杂、不确定、多轮迭代的产品策略、Roadmap、商业化定价、竞品定位、复杂 PRD 前置探索、项目复盘或方法论沉淀任务时使用。它先判断任务类型,暴露隐含假设,重构真正问题,规划探索路径和中间产物,并在结束后沉淀认知、结构、方法论、工具和影响力资产。不用于简单润色、翻译、摘要、明确执行任务;问题只需早期认知校准时优先用 ai-collaboration-calibration,已有方案要压力测试时用 grill-me,系统专题研究用 research-topic-compiler。

日本語の概要は準備中です。原文の説明を表示しています。

PANGKAIFENG/ai-product-manager-skills162026年8月31日 更新

PANGKAIFENG のスキルをすべて見る

このスキルの問題を報告する