{"id":"093b40ef-45e8-46eb-8aba-94c7e26a112b","shortId":"6dTUyn","kind":"skill","title":"p0-needs-orchestrator","tagline":"需求发现编排器。协调微需求检测、真需求验证、需求拆解、需求考古、好问题生成、Agent 边界设计、多元推荐改写、AI 产品三重平衡八个工具卡，","description":"# 需求发现编排器\n\n## 一句话定位\n\n从一个模糊的痛点线索出发，系统性地跑完六个工具卡，输出可直接进入方向定界的需求发现报告。\n\n## 何时触发\n\n- 你有一个产品想法或痛点线索，需要系统性验证\n- 需要从需求发现到方向定界的完整过程\n- 想要确保需求判断有结构化依据\n\n## 输入\n\n一个模糊的产品想法或痛点描述。\n\n**示例输入**：\n```\n\"我想做一个 AI 客服产品，帮企业自动回复客户问题\"\n```\n\n## 编排流程\n\n```\n用户输入\n  ↓\n【Step 1: 微需求检测】p0a-micro-needs-detector\n  → 输出: 是否存在被忽视的微需求\n  ↓\n【Step 2: 需求四层拆解】p0c-needs-decomposer\n  → 输出: 表达层/场景层/处境层/代价层\n  ↓\n【Step 3: 真需求验证】p0b-real-needs-validator\n  → 输出: 真/伪需求判断\n  ↓\n【Step 4: 需求考古】p0d-needs-archaeologist\n  → 输出: 深层需求 + 历史约束\n  ↓\n【Step 5: 好问题生成】p0e-good-question-generator\n  → 输出: 六维度研究问题\n  ↓\n【Step 6: Agent 边界设计】p0f-agent-boundary-designer\n  → 输出: 完整边界文档\n  ↓\n输出: 需求发现报告\n```\n\n## 每个 Step 的输入输出\n\n### Step 1: 微需求检测\n\n**输入**：用户原始想法\n**输出**：\n```yaml\nmicro_needs:\n  found: true/false\n  needs: [\"发现的微需求列表\"]\n  recommendation: \"是否需要重新定义问题\"\n```\n\n### Step 2: 需求四层拆解\n\n**输入**：用户原始想法\n**输出**：\n```yaml\ndecomposition:\n  layer1: \"表达层\"\n  layer2: \"场景层\"\n  layer3: \"处境层\"\n  layer4: \"代价层\"\n  reframed_problem: \"重定义的问题\"\n```\n\n### Step 3: 真需求验证\n\n**输入**：重定义后的需求\n**输出**：\n```yaml\nvalidation:\n  is_real: true/false\n  pass_count: \"X/5\"\n  confidence: \"high/medium/low\"\n  if_fake: \"如果是伪需求，真正的问题可能是\"\n```\n\n### Step 4: 需求考古\n\n**输入**：已验证的需求\n**输出**：\n```yaml\narchaeology:\n  deep_need: \"深层需求\"\n  constraints: [\"约束条件\"]\n  historical_attempts: [\"历史尝试\"]\n  productizable: \"yes/no\"\n```\n\n### Step 5: 好问题生成\n\n**输入**：深层需求\n**输出**：\n```yaml\ngood_questions:\n  dimensions: [\"六个维度的问题\"]\n  best_question: \"最佳研究问题\"\n  research_direction: \"研究方向\"\n```\n\n### Step 6: Agent 边界设计\n\n**输入**：产品场景\n**输出**：\n```yaml\nboundary:\n  decision: \"决策权边界\"\n  data: \"数据边界\"\n  action: \"行为边界\"\n  responsibility: \"责任边界\"\n  human_ai: \"人机协作边界\"\n```\n\n## 工具卡方法详解（自包含）\n\n以下八个工具卡已合并到编排器中，不再作为独立 Skill 存在。每个工具卡的核心方法浓缩为 1-2 句话，便于快速参考。\n\n### § p0a: 微需求五问检测器\n\n用五个问题检测那些\"太小不值得做\"的问题是否是真正的产品起点：(1) 是否每天发生但每次很小？(2) 用户是否已发展出稳定 workaround？(3) 不做的话谁在默默承担代价？(4) 负担是否带着羞耻/疲惫/责任风险而不易表达？(5) 系统一旦接住，用户体感是否明显变轻？微需求靠重复出现的代价成立，不靠声量成立。\n\n### § p0b: 真需求判断五问\n\n五问给团队装刹车——三问答不扎实先不做方案：(1) 是否长期存在？(2) 让谁持续付出了什么代价？(3) 用户有没有为它发展出补偿行为？(4) 背后是不是有结构而不只是偏好？(5) 没人讨论它还会不会继续存在？真需求靠现实反复支付，伪需求靠热度和顺滑感成立。\n\n### § p0c: 需求四层拆解\n\n把用户原话逐层拆到表达层（用户原话是什么）、场景层（问题发生在何时何地与谁有关）、处境层（为什么被困住、谁在补位党底）、代价层（不接住会持续损失什么），最终重定义问题。任何一层说不清，先不进方案讨论。\n\n### § p0d: 需求考古五步法\n\n五步挖掘深层需求：(1) 现状层——描绘当前\"正常\"是什么；(2) 历史层——追溯\"正常\"是怎么来的；(3) 约束层——识别让大家不能做更好的约束条件；(4) 失败层——分析之前尝试过什么、为什么没成功、留下了什么遗产；(5) 深层需求层——提取真正要解决的问题。用户说出来的需求是最新的土壤层，真正的需求往往埋得更深。\n\n### § p0e: 好问题六维观察表\n\n从六个维度发现好问题：用户维度（用户在做什么/想什么/痛什么）、任务维度（任务流程哪里卡住）、系统维度（各系统怎么关联哪里是瓶颈）、组织维度（角色分工与权力分布）、时间维度（过去/现在/未来的变化）、对比维度（别人怎么做的有什么可借鉴）。好问题让正确的答案自然浮现。\n\n### § p0f: Agent 边界清单\n\n系统定义 AI 的五类边界：决策权边界（能不能做决定）、数据边界（能不能访问什么数据）、行为边界（能不能做什么行为）、责任边界（出了问题谁负责）、人机协作边界（什么时候停下来等人）。好的 Agent 边界不是限制 AI 能力，而是让 AI 在安全范围内发挥最大价值。\n\n### § p0g: 多元推荐改写清单\n\n从\"猜你喜欢\"进化到\"帮你发现\"：五个改写维度——推荐目标重定义（准确性→价值发现）、多元性引入（多算法混合七种推荐类型）、控制权交还用户（可切换/可解释/可关闭）、透明度设计（可解释推荐）、评估指标升级（准确率+多样性+用户成长）。附带审计六项检查：目标函数多样性、用户主动切换探索模式、低冲突异质内容入口、现实世界连接、新可能性衡量、跳出默认轨迹。多元推荐不是精度的对立面，而是对单一目标精度的修正。\n\n### § p0h: AI 产品三重平衡表\n\n评估商业（能不能创造价值）、人性（对人有没有侵害）、技术（能不能做到）三个维度的平衡。权衡规则：人性风险不可逆则人性优先；技术不成熟但商业机会重大可先 MVP 验证；技术能力不决定人性边界，人性边界决定技术能用多少。附带三层评估伴侣——商业层（长期成本 vs. 价值是否靠高成本堆出）、人性层（负担转移 vs. 主体性保留是否让人更依赖）、文化层（训练了什么价值观现实扩大还是缩小）。核心规则：如果只有商业层有答案，先不要推进。\n\n## 综合输出格式\n\n```yaml\nneeds_discovery_report:\n  input: \"原始想法\"\n  \n  executive_summary:\n    verdict: \"需求是否成立\"\n    confidence: \"high/medium/low\"\n    key_finding: \"最重要的发现\"\n    recommendation: \"建议动作\"\n  \n  detailed_findings:\n    micro_needs: \"Step 1 结果\"\n    decomposition: \"Step 2 结果\"\n    validation: \"Step 3 结果\"\n    archaeology: \"Step 4 结果\"\n    good_questions: \"Step 5 结果\"\n    boundary: \"Step 6 结果\"\n  \n  next_steps:\n    if_proceed: \"如果继续，进入方向定界的准备\"\n    if_revisit: \"如果需要回顾，重新定义的方向\"\n    if_stop: \"如果停止，为什么\"\n  \n  artifacts:\n    direction_brief_input: \"可以直接作为 ai-native-direction-framing 输入的内容\"\n```\n\n## 使用方式\n\n### 方式一：完整流程\n\n```\n我有一个想法: [描述]\n帮我跑完需求发现流程\n```\n\n### 方式二：单独调用某个工具卡\n\n```\n帮我用微需求五问检测这个场景: [描述]\n帮我做需求四层拆解: [需求]\n帮我验证这个需求是不是真需求: [需求]\n```\n\n### 方式三：跳过某些步骤\n\n```\n需求已经验证过了，直接进入需求考古\n边界设计已经有了，跳过 Step 6\n```\n\n## 与其他 Skill 的关系\n\n- **上游输入**：用户的灵感、痛点、市场观察\n- **下游输出**：ai-native-direction-framing（方向定界）\n- **并行使用**：可以在 p1 过程中反复调用验证\n\n## 一句判断\n\n> 需求发现不是一次性活动，而是持续验证的过程。每个工具卡都是一个检查点，而不是最终答案。\n\n## 核心概念\n\n### 概念一：编排的本质——不是串行执行，而是构建判断链\n\n需求发现编排器不是简单地把六个工具卡串起来跑一遍。它的核心价值在于：每一步的输出改变下一步的输入，形成一条不断收紧的判断链。\n\n```\n模糊想法 → 微需求检测（是否有被忽视的小问题）\n         → 四层拆解（问题到底在哪一层）\n         → 真需求验证（这个问题值不值得做）\n         → 需求考古（深层需求是什么）\n         → 好问题生成（怎么研究这个问题）\n         → 边界设计（AI 能做到哪里）\n```\n\n> 编排器的价值不是\"帮你跑完六个步骤\"，而是\"在每一步告诉你该不该继续\"。\n\n### 概念二：六步之间的依赖关系\n\n步骤之间不是平等的——前面的步骤决定后面的步骤是否有意义：\n\n| 依赖关系 | 含义 |\n|----------|------|\n| Step 1 → Step 2 | 如果微需求检测发现需要重新定义问题，Step 2 应该基于新定义 |\n| Step 2 → Step 3 | 四层拆解不清楚时，真需求验证没有意义 |\n| Step 3 → Step 4 | 伪需求不需要考古——先验证再深挖 |\n| Step 4 → Step 5 | 深层需求不清楚时，好问题无的放矢 |\n| Step 5 → Step 6 | 问题方向不确定时，边界设计缺乏依据 |\n\n**关键规则**：任何一步输出 confidence < 50%，应该停下来重新审视，而不是继续往下跑。\n\n### 概念三：八张工具卡的自包含方法\n\n编排器已内嵌八张工具卡的核心方法，无需外部依赖：\n\n1. **p0a 微需求五问**：用五个问题检测\"太小不值得做\"的问题是否是真正的产品起点\n2. **p0b 真需求五问**：五问给团队装刹车——三问答不扎实先不做方案\n3. **p0c 四层拆解**：表达层→场景层→处境层→代价层\n4. **p0d 需求考古五步**：现状→历史→约束→失败→深层需求\n5. **p0e 好问题六维**：用户/任务/系统/组织/时间/对比\n6. **p0f Agent 边界**：决策/数据/行为/责任/人机协作五类边界\n7. **p0g 多元推荐改写**：五维度改写 + 六项检查\n8. **p0h 三重平衡**：商业/人性/文化三层评估\n\n> 编排器是自包含的——即使没有单独的工具卡 Skill，编排器也能独立完成完整的需求发现。\n\n### 概念四：输出物的下游价值\n\n编排器的最终输出不是\"一份报告\"，而是可以直接喂给下一个阶段的结构化输入：\n\n- **Direction Brief 输入**：问题定义 + 场景切入 + 资料条件\n- **风险预判**：Agent 边界 + 三重平衡评估\n- **研究方向**：好问题列表 + 建议的研究方法\n\n> 好的需求发现报告，应该让方向定界阶段的人读完就知道\"该怎么做实验\"。\n\n### 概念五：何时跳步、何时回头\n\n编排器不是死板的流水线。以下情况应该灵活处理：\n\n| 场景 | 建议动作 |\n|------|----------|\n| 需求已经验证过 | 跳过 Step 3，直接进入 Step 4 |\n| 边界设计已有 | 跳过 Step 6 |\n| Step 3 判定为伪需求 | 回到 Step 1 重新定义问题 |\n| Step 4 发现深层需求与原需求不同 | 回到 Step 2 重新拆解 |\n| 用户只想快速验证 | 只跑 Step 1 + Step 3 |\n\n> 编排器的价值在于\"知道该跑哪几步\"，而不是\"每次都跑完全部六步\"。\n\n## 分步执行\n\n### Step 1：初始化——接收用户输入并建立上下文\n\n**输入**：用户原始想法或痛点描述\n\n**处理**：\n1. 记录原始输入（保留用户原话，不翻译）\n2. 判断输入的模糊程度：灵感级 / 场景级 / 需求级\n3. 根据模糊程度决定后续步骤的详略程度\n4. 初始化 Product Context\n\n**输出**：输入记录 + 模糊度评估 + 初始上下文\n\n---\n\n### Step 2：微需求检测——是否存在被忽视的小问题\n\n**输入**：用户原始想法\n\n**处理**：\n1. 用五问检测微需求：(1) 每天发生但每次很小？(2) 用户有稳定 workaround？(3) 谁在默默承担代价？(4) 代价带着羞耻/疲惫？(5) 系统接住后体感变轻？\n2. 如果发现微需求，标记并建议重新定义问题\n3. 如果没有微需求，继续\n\n**输出**：微需求检测结果 + 问题重定义建议（如有）\n\n---\n\n### Step 3：需求四层拆解——从表达到代价\n\n**输入**：用户原始想法（或 Step 2 重定义后的问题）\n\n**处理**：\n1. 表达层：用户原话是什么\n2. 场景层：问题发生在何时何地与谁有关\n3. 处境层：为什么被困住、谁在补位兜底\n4. 代价层：不接住会持续损失什么\n5. 任何一层说不清，先不进方案讨论\n\n**输出**：四层拆解结果 + 重定义的问题\n\n---\n\n### Step 4：真需求验证——五问判断\n\n**输入**：Step 3 重定义后的需求\n\n**处理**：\n1. 是否长期存在？\n2. 让谁持续付出了什么代价？\n3. 用户有没有为它发展出补偿行为？\n4. 背后是不是有结构而不只是偏好？\n5. 没人讨论它还会不会继续存在？\n\n**输出**：真/伪需求判定 + 置信度 + 如果是伪需求的真正问题推测\n\n---\n\n### Step 5：需求考古——挖掘深层需求\n\n**输入**：已验证的需求\n\n**处理**：\n1. 现状层：描绘当前\"正常\"是什么\n2. 历史层：追溯\"正常\"是怎么来的\n3. 约束层：识别让大家不能做更好的约束条件\n4. 失败层：分析之前尝试过什么、为什么没成功\n5. 深层需求层：提取真正要解决的问题\n\n**输出**：深层需求 + 约束条件 + 历史尝试\n\n---\n\n### Step 6：好问题生成 + 边界设计\n\n**输入**：深层需求 + 产品场景\n\n**处理**：\n1. 从六维度生成研究问题（用户/任务/系统/组织/时间/对比）\n2. 设计 Agent 五类边界（决策/数据/行为/责任/人机协作）\n3. 评估是否需要多元推荐改写或三重平衡评估\n4. 综合输出需求发现报告\n\n**输出**：需求发现报告（含好问题列表、边界文档、方向定界输入）\n\n### 示例 1：AI 客服产品的完整需求发现\n\n**场景描述**：用户说\"我想做一个 AI 客服产品，帮企业自动回复客户问题\"。\n\n**Step 1 初始化**：\n- 原始输入：\"AI 客服产品，帮企业自动回复客户问题\"\n- 模糊度：灵感级（功能描述，不是问题描述）\n- 建议：需要从功能语言转换为问题语言\n\n**Step 2 微需求检测**：\n- 五问结果：\n  - (1) 每天发生？✅ 客服每天处理大量咨询\n  - (2) 有 workaround？✅ 资深客服凭经验快速回复，新人靠问老同事\n  - (3) 谁在承担代价？⚠️ 新人客服在承担\"不知道怎么回\"的压力\n  - (4) 代价带着羞耻？✅ 新人不好意思总问老同事\n  - (5) 系统接住后变轻？✅ 如果有标准回复库，新人压力大减\n- 微需求发现：新人客服的\"不敢问\"问题是被忽视的微需求\n\n**Step 3 四层拆解**：\n- 表达层：\"帮企业自动回复客户问题\"\n- 场景层：客服工作台，高峰时段，新人面对复杂咨询\n- 处境层：新人不敢问老同事（怕显得不行），又怕回错客户\n- 代价层：回复质量不稳定 → 客户流失 → 新人离职率高\n\n**Step 4 真需求验证**：\n- 长期存在？✅ 客服培训是永恒问题\n- 代价持续？✅ 每月都有新人入职\n- 补偿行为？✅ 新人偷偷看老同事的历史对话记录\n- 有结构？✅ 不只是\"不够聪明\"，而是知识传递机制缺失\n- 自然存续？✅ 即使没人讨论，问题依然存在\n- **判定：真需求**（5/5 通过，置信度 high）\n\n**Step 5 需求考古**：\n- 深层需求：不是\"自动回复\"，而是\"让新人也能给出资深水平的回复\"\n- 约束条件：企业知识分散在各处（FAQ、工单、内部群）\n- 历史尝试：试过知识库搜索，但新人不知道搜什么关键词\n\n**Step 6 好问题 + 边界**：\n- 最佳研究问题：\"新人客服在什么场景下最需要帮助？他们目前是怎么解决的？\"\n- Agent 边界：AI 提供候选回复（数据边界：FAQ + 历史工单），人工确认后发送（决策边界），高风险承诺必须人工（责任边界）\n\n**输出摘要**：\n```yaml\nneeds_discovery_report:\n  verdict: \"需求成立\"\n  confidence: \"high\"\n  key_finding: \"核心问题不是'自动回复'，而是'知识传递'——新人无法快速获得资深客服的判断力\"\n  recommendation: \"进入方向定界，聚焦'新人客服知识辅助'场景\"\n```\n\n---\n\n### 示例 2：AI 学习计划产品的伪需求识别\n\n**场景描述**：用户说\"我想做一个 AI 学习计划产品，帮大学生自动制定考研复习计划\"。\n\n**Step 1 初始化**：\n- 原始输入：\"AI 学习计划产品，帮大学生自动制定考研复习计划\"\n- 模糊度：灵感级\n- 建议：需要验证这是否是真需求\n\n**Step 2 微需求检测**：\n- 五问结果：\n  - (1) 每天发生？⚠️ 制定计划只发生一次\n  - (2) 有 workaround？✅ 学长学姐的经验帖、考研论坛\n  - (3) 谁在承担代价？⚠️ 学生自己在承担\"不知道怎么规划\"的焦虑\n  - (4) 代价带着羞耻？❌ 不羞耻，只是焦虑\n  - (5) 系统接住后变轻？⚠️ 计划给出来之后，执行才是真正的痛\n- 微需求发现：没有明显的微需求信号\n\n**Step 3 四层拆解**：\n- 表达层：\"帮大学生自动制定考研复习计划\"\n- 场景层：考研备考初期，学生感到迷茫\n- 处境层：信息过载（太多经验帖、太多教材推荐），不知道哪个适合自己\n- 代价层：如果规划错了，浪费时间 → 考研失败\n\n**Step 4 真需求验证**：\n- 长期存在？✅ 每年都有考研季\n- 代价持续？⚠️ 制定计划只是一次性事件\n- 补偿行为？✅ 看学长学姐经验帖、加入考研群\n- 有结构？⚠️ 问题可能不是\"缺计划\"，而是\"缺执行力和反馈\"\n- 自然存续？✅ 问题存在，但表达方式可能有误\n- **判定：伪需求风险**（3/5 通过，置信度 medium）\n- 真正问题推测：学生真正缺的不是计划，而是\"执行过程中的反馈和调整\"\n\n**决策**：需要回到 Step 1 重新定义问题。建议聚焦\"考研执行过程中的实时反馈和调整\"，而非\"制定计划\"。\n\n**输出摘要**：\n```yaml\nneeds_discovery_report:\n  verdict: \"伪需求（需要重新定义）\"\n  confidence: \"medium\"\n  key_finding: \"用户表达的是'制定计划'，但真正的痛点是'执行过程中的反馈缺失'\"\n  recommendation: \"回到 Step 1，重新定义问题为'考研执行过程中的智能反馈系统'\"\n```\n\n> 需求发现的价值不在于\"帮你确认想法是对的\"，而在于\"在你投入资源之前告诉你真正的方向\"。","tags":["needs","orchestrator","native","product","agent","skills","gmaxxxie","agent-skills","ai-agent","ai-native","ai-product","methodology"],"capabilities":["skill","source-gmaxxxie","skill-p0-needs-orchestrator","topic-agent-skills","topic-ai-agent","topic-ai-native","topic-ai-product","topic-methodology","topic-product-management","topic-product-methodology","topic-product-thinking","topic-skills"],"categories":["ai-native-product-agent-skills"],"synonyms":[],"warnings":[],"endpointUrl":"https://skills.sh/gmaxxxie/ai-native-product-agent-skills/p0-needs-orchestrator","protocol":"skill","transport":"skills-sh","auth":{"type":"none","details":{"cli":"npx skills add gmaxxxie/ai-native-product-agent-skills","source_repo":"https://github.com/gmaxxxie/ai-native-product-agent-skills","install_from":"skills.sh"}},"qualityScore":"0.478","qualityRationale":"deterministic score 0.48 from registry signals: · indexed on github topic:agent-skills · 56 github stars · SKILL.md body (8,847 chars)","verified":false,"liveness":"unknown","lastLivenessCheck":null,"agentReviews":{"count":0,"score_avg":null,"cost_usd_avg":null,"success_rate":null,"latency_p50_ms":null,"narrative_summary":null,"summary_updated_at":null},"enrichmentModel":"deterministic:skill-github:v1","enrichmentVersion":1,"enrichedAt":"2026-05-18T18:57:25.937Z","embedding":null,"createdAt":"2026-05-01T01:02:51.757Z","updatedAt":"2026-05-18T18:57:25.937Z","lastSeenAt":"2026-05-18T18:57:25.937Z","tsv":"'-2':221 '1':36,105,220,229,249,278,430,557,598,701,713,722,728,754,756,789,817,839,871,898,908,924,1053,1067,1138,1163 '2':46,120,231,251,283,434,559,562,565,604,708,732,748,758,768,786,792,819,844,879,921,927,1043,1064,1070 '3':58,139,234,253,288,438,567,571,609,688,697,715,737,761,771,779,795,814,821,849,888,932,949,1075,1091 '3/5':1127 '4':69,159,236,255,291,442,573,577,616,691,704,739,763,799,809,823,852,890,937,966,1080,1108 '5':79,177,240,257,296,447,579,583,624,766,802,825,833,856,940,988,1084 '5/5':983 '50':591 '6':89,194,451,499,585,633,695,864,1004 '7':642 '8':647 'action':206 'agent':11,90,94,195,322,338,635,669,881,1010 'ai':14,30,211,325,340,343,377,473,509,544,899,904,911,1012,1044,1049,1056 'ai-native-direction-fram':472,508 'archaeolog':165,440 'archaeologist':74 'artifact':467 'attempt':172 'best':187 'boundari':95,201,449 'brief':469,663 'confid':152,418,590,1028,1152 'constraint':169 'context':742 'count':150 'data':204 'decis':202 'decompos':51 'decomposit':126,432 'deep':166 'design':96 'detail':425 'detector':42 'dimens':185 'direct':191,468,475,511,662 'discoveri':410,1024,1147 'execut':414 'fake':155 'faq':997,1015 'find':421,426,1031,1155 'found':113 'frame':476,512 'generat':85 'good':83,183,444 'high':986,1029 'high/medium/low':153,419 'histor':171 'human':210 'input':412,470 'key':420,1030,1154 'layer1':127 'layer2':129 'layer3':131 'layer4':133 'medium':1130,1153 'micro':40,111,427 'mvp':389 'nativ':474,510 'need':3,41,50,63,73,112,115,167,409,428,1023,1146 'next':453 'orchestr':4 'p0':2 'p0-needs-orchestrator':1 'p0a':39,224,599 'p0a-micro-needs-detector':38 'p0b':61,245,605 'p0b-real-needs-validator':60 'p0c':49,261,610 'p0c-needs-decomposer':48 'p0d':72,275,617 'p0d-needs-archaeologist':71 'p0e':82,301,625 'p0e-good-question-generator':81 'p0f':93,321,634 'p0f-agent-boundary-designer':92 'p0g':345,643 'p0h':376,648 'p1':516 'pass':149 'problem':136 'proceed':456 'product':741 'productiz':174 'question':84,184,188,445 'real':62,147 'recommend':117,423,1037,1160 'refram':135 'report':411,1025,1148 'research':190 'respons':208 'revisit':460 'skill':217,501,655 'skill-p0-needs-orchestrator' 'source-gmaxxxie' 'step':35,45,57,68,78,88,102,104,119,138,158,176,193,429,433,437,441,446,450,454,498,556,558,561,564,566,570,572,576,578,582,584,687,690,694,696,700,703,707,712,714,721,747,778,785,808,813,832,863,907,920,948,965,987,1003,1052,1063,1090,1107,1137,1162 'stop':464 'summari':415 'topic-agent-skills' 'topic-ai-agent' 'topic-ai-native' 'topic-ai-product' 'topic-methodology' 'topic-product-management' 'topic-product-methodology' 'topic-product-thinking' 'topic-skills' 'true/false':114,148 'valid':64,145,436 'verdict':416,1026,1149 'vs':396,400 'workaround':233,760,929,1072 'x/5':151 'yaml':110,125,144,164,182,200,408,1022,1145 'yes/no':175 '一个模糊的产品想法或痛点描述':27 '一份报告':660 '一句判断':518 '一句话定位':17 '三个维度的平衡':385 '三重平衡':649 '三重平衡评估':671 '三问答不扎实先不做方案':248,608 '上游输入':503 '下游输出':507 '不做的话谁在默默承担代价':235 '不再作为独立':216 '不只是':975 '不够聪明':976 '不接住会持续损失什么':271,801 '不敢问':946 '不是':991 '不是串行执行':526 '不是问题描述':917 '不知道哪个适合自己':1102 '不知道怎么回':935 '不知道怎么规划':1078 '不羞耻':1082 '不翻译':731 '不靠声量成立':244 '与其他':500 '为什么':466 '为什么没成功':294,855 '为什么被困住':268,797 '主体性保留是否让人更依赖':401 '五个改写维度':351 '五步挖掘深层需求':277 '五类边界':882 '五维度改写':645 '五问判断':811 '五问结果':923,1066 '五问给团队装刹车':247,607 '产品三重平衡八个工具卡':15 '产品三重平衡表':378 '产品场景':198,869 '人工确认后发送':1017 '人性':381,651 '人性层':398 '人性边界决定技术能用多少':392 '人性风险不可逆则人性优先':387 '人机协作':887 '人机协作五类边界':641 '人机协作边界':212,335 '什么时候停下来等人':336 '从':347 '从一个模糊的痛点线索出发':18 '从六个维度发现好问题':303 '从六维度生成研究问题':872 '从表达到代价':781 '他们目前是怎么解决的':1009 '代价层':56,134,270,615,800,961,1103 '代价带着羞耻':764,938,1081 '代价持续':970,1112 '以下八个工具卡已合并到编排器中':215 '以下情况应该灵活处理':682 '价值发现':354 '价值是否靠高成本堆出':397 '任何一层说不清':273,803 '任何一步输出':589 '任务':628,874 '任务流程哪里卡住':309 '任务维度':308 '企业知识分散在各处':996 '伪需求':1150 '伪需求不需要考古':574 '伪需求判定':829 '伪需求判断':67 '伪需求靠热度和顺滑感成立':260 '伪需求风险':1126 '但新人不知道搜什么关键词':1002 '但真正的痛点是':1158 '但表达方式可能有误':1124 '低冲突异质内容入口':370 '何时回头':680 '何时触发':21 '何时跳步':679 '你有一个产品想法或痛点线索':22 '使用方式':478 '依赖关系':554 '便于快速参考':223 '保留用户原话':730 '信息过载':1099 '先不要推进':406 '先不进方案讨论':274,804 '先验证再深挖':575 '八张工具卡的自包含方法':595 '六个维度的问题':186 '六步之间的依赖关系':551 '六维度研究问题':87 '六项检查':646 '关键规则':588 '内部群':999 '决策':637,883,1135 '决策权边界':203,327 '决策边界':1018 '准确性':353 '准确率':364 '出了问题谁负责':334 '分析之前尝试过什么':293,854 '分步执行':720 '初始上下文':746 '初始化':723,740,909,1054 '判定':981,1125 '判定为伪需求':698 '判断输入的模糊程度':733 '别人怎么做的有什么可借鉴':319 '制定计划':1143,1157 '制定计划只发生一次':1069 '制定计划只是一次性事件':1113 '前面的步骤决定后面的步骤是否有意义':553 '功能描述':916 '加入考研群':1116 '协调微需求检测':6 '单独调用某个工具卡':485 '即使没人讨论':979 '即使没有单独的工具卡':654 '历史':620 '历史尝试':173,862,1000 '历史层':284,845 '历史工单':1016 '历史约束':77 '原始想法':413 '原始输入':910,1055 '又怕回错客户':960 '发现深层需求与原需求不同':705 '发现的微需求列表':116 '句话':222 '只是焦虑':1083 '只跑':711 '可以在':515 '可以直接作为':471 '可关闭':360 '可切换':358 '可解释':359 '可解释推荐':362 '各系统怎么关联哪里是瓶颈':311 '含义':555 '含好问题列表':894 '商业':650 '商业层':394 '四层拆解':535,611,950,1092 '四层拆解不清楚时':568 '四层拆解结果':806 '回到':699,706,1161 '回复质量不稳定':962 '在你投入资源之前告诉你真正的方向':1169 '在安全范围内发挥最大价值':344 '在每一步告诉你该不该继续':549 '场景':683,1041 '场景切入':666 '场景层':54,130,265,613,793,953,1095 '场景描述':901,1046 '场景级':735 '处境层':55,132,267,614,796,957,1098 '处理':727,753,788,816,838,870 '多元性引入':355 '多元推荐不是精度的对立面':374 '多元推荐改写':13,644 '多元推荐改写清单':346 '多样性':365 '多算法混合七种推荐类型':356 '太多教材推荐':1101 '太多经验帖':1100 '太小不值得做':227,602 '失败':622 '失败层':292,853 '好的':337 '好的需求发现报告':675 '好问题':1005 '好问题六维':626 '好问题六维观察表':302 '好问题列表':673 '好问题无的放矢':581 '好问题生成':10,80,178,541,865 '好问题让正确的答案自然浮现':320 '如有':777 '如果停止':465 '如果发现微需求':769 '如果只有商业层有答案':405 '如果微需求检测发现需要重新定义问题':560 '如果是伪需求':156 '如果是伪需求的真正问题推测':831 '如果有标准回复库':942 '如果没有微需求':772 '如果继续':457 '如果规划错了':1104 '如果需要回顾':461 '存在':218 '学习计划产品':1050,1057 '学习计划产品的伪需求识别':1045 '学生感到迷茫':1097 '学生真正缺的不是计划':1132 '学生自己在承担':1077 '学长学姐的经验帖':1073 '它的核心价值在于':529 '完整流程':480 '完整边界文档':98 '客户流失':963 '客服产品':31,905,912 '客服产品的完整需求发现':900 '客服培训是永恒问题':969 '客服工作台':954 '客服每天处理大量咨询':926 '对人有没有侵害':382 '对比':632,878 '对比维度':318 '工具卡方法详解':213 '工单':998 '已验证的需求':162,837 '市场观察':506 '帮企业自动回复客户问题':32,906,913,952 '帮你发现':350 '帮你确认想法是对的':1167 '帮你跑完六个步骤':547 '帮大学生自动制定考研复习计划':1051,1058,1094 '帮我做需求四层拆解':488 '帮我用微需求五问检测这个场景':486 '帮我跑完需求发现流程':483 '帮我验证这个需求是不是真需求':490 '并行使用':514 '应该停下来重新审视':592 '应该基于新定义':563 '应该让方向定界阶段的人读完就知道':676 '建议':918,1061 '建议动作':424,684 '建议的研究方法':674 '建议聚焦':1140 '形成一条不断收紧的判断链':531 '微需求五问':600 '微需求五问检测器':225 '微需求发现':944,1088 '微需求检测':37,106,533,749,922,1065 '微需求检测结果':775 '微需求靠重复出现的代价成立':243 '怎么研究这个问题':542 '怕显得不行':959 '想什么':306 '想要确保需求判断有结构化依据':25 '我想做一个':29,903,1048 '我有一个想法':481 '或':784 '执行才是真正的痛':1087 '执行过程中的反馈和调整':1134 '执行过程中的反馈缺失':1159 '技术':383 '技术不成熟但商业机会重大可先':388 '技术能力不决定人性边界':391 '把用户原话逐层拆到表达层':263 '挖掘深层需求':835 '接收用户输入并建立上下文':724 '控制权交还用户':357 '推荐目标重定义':352 '描绘当前':280,841 '描述':482,487 '提供候选回复':1013 '提取真正要解决的问题':298,858 '数据':638,884 '数据边界':205,329,1014 '文化三层评估':652 '文化层':402 '新人不好意思总问老同事':939 '新人不敢问老同事':958 '新人偷偷看老同事的历史对话记录':973 '新人压力大减':943 '新人客服在什么场景下最需要帮助':1008 '新人客服在承担':934 '新人客服的':945 '新人客服知识辅助':1040 '新人无法快速获得资深客服的判断力':1036 '新人离职率高':964 '新人靠问老同事':931 '新人面对复杂咨询':956 '新可能性衡量':372 '方向定界':513 '方向定界输入':896 '方式一':479 '方式三':492 '方式二':484 '无需外部依赖':597 '时间':631,877 '时间维度':314 '是什么':282,843 '是否存在被忽视的小问题':750 '是否存在被忽视的微需求':44 '是否有被忽视的小问题':534 '是否每天发生但每次很小':230 '是否长期存在':250,818 '是否需要重新定义问题':118 '是怎么来的':287,848 '最佳研究问题':189,1007 '最终重定义问题':272 '最重要的发现':422 '有':928,1071 '有结构':974,1117 '未来的变化':317 '权衡规则':386 '标记并建议重新定义问题':770 '核心概念':523 '核心规则':404 '核心问题不是':1032 '根据模糊程度决定后续步骤的详略程度':738 '概念一':524 '概念三':594 '概念二':550 '概念五':678 '概念四':657 '模糊度':914,1059 '模糊度评估':745 '模糊想法':532 '正常':281,286,842,847 '步骤之间不是平等的':552 '每一步的输出改变下一步的输入':530 '每个':101 '每个工具卡的核心方法浓缩为':219 '每个工具卡都是一个检查点':521 '每天发生':925,1068 '每天发生但每次很小':757 '每年都有考研季':1111 '每月都有新人入职':971 '每次都跑完全部六步':719 '没人讨论它还会不会继续存在':258,826 '没有明显的微需求信号':1089 '浪费时间':1105 '深层需求':76,168,180,623,860,868,990 '深层需求不清楚时':580 '深层需求层':297,857 '深层需求是什么':540 '灵感级':734,915,1060 '猜你喜欢':348 '现在':316 '现实世界连接':371 '现状':619 '现状层':279,840 '用五个问题检测':601 '用五个问题检测那些':226 '用五问检测微需求':755 '用户':627,873 '用户主动切换探索模式':369 '用户体感是否明显变轻':242 '用户原始想法':108,123,752,783 '用户原始想法或痛点描述':726 '用户原话是什么':264,791 '用户只想快速验证':710 '用户在做什么':305 '用户成长':366 '用户是否已发展出稳定':232 '用户有没有为它发展出补偿行为':254,822 '用户有稳定':759 '用户的灵感':504 '用户维度':304 '用户表达的是':1156 '用户说':902,1047 '用户说出来的需求是最新的土壤层':299 '用户输入':34 '留下了什么遗产':295 '疲惫':238,765 '痛什么':307 '痛点':505 '的五类边界':326 '的关系':502 '的压力':936 '的焦虑':1079 '的输入输出':103 '的问题是否是真正的产品起点':228,603 '目标函数多样性':368 '直接进入':689 '直接进入需求考古':495 '看学长学姐经验帖':1115 '真':66,828 '真正的问题可能是':157 '真正的需求往往埋得更深':300 '真正问题推测':1131 '真需求':982 '真需求五问':606 '真需求判断五问':246 '真需求靠现实反复支付':259 '真需求验证':7,59,140,537,810,967,1109 '真需求验证没有意义':569 '知识传递':1035 '知道该跑哪几步':717 '研究方向':192,672 '示例':897,1042 '示例输入':28 '系统':629,875 '系统一旦接住':241 '系统定义':324 '系统性地跑完六个工具卡':19 '系统接住后体感变轻':767 '系统接住后变轻':941,1085 '系统维度':310 '约束':621 '约束层':289,850 '约束条件':170,861,995 '组织':630,876 '组织维度':312 '结果':431,435,439,443,448,452 '继续':773 '综合输出格式':407 '综合输出需求发现报告':891 '编排器不是死板的流水线':681 '编排器也能独立完成完整的需求发现':656 '编排器已内嵌八张工具卡的核心方法':596 '编排器是自包含的':653 '编排器的价值不是':546 '编排器的价值在于':716 '编排器的最终输出不是':659 '编排流程':33 '编排的本质':525 '缺执行力和反馈':1121 '缺计划':1119 '置信度':830,985,1129 '考研备考初期':1096 '考研失败':1106 '考研执行过程中的实时反馈和调整':1141 '考研执行过程中的智能反馈系统':1165 '考研论坛':1074 '而不是':718 '而不是最终答案':522 '而不是继续往下跑':593 '而在于':1168 '而是':548,993,1034,1120,1133 '而是可以直接喂给下一个阶段的结构化输入':661 '而是对单一目标精度的修正':375 '而是持续验证的过程':520 '而是构建判断链':527 '而是知识传递机制缺失':977 '而是让':342 '而非':1142 '聚焦':1039 '背后是不是有结构而不只是偏好':256,824 '能不能做什么行为':332 '能不能做决定':328 '能不能做到':384 '能不能创造价值':380 '能不能访问什么数据':330 '能做到哪里':545 '能力':341 '自动回复':992,1033 '自包含':214 '自然存续':978,1122 '行为':639,885 '行为边界':207,331 '补偿行为':972,1114 '表达层':53,128,612,790,951,1093 '角色分工与权力分布':313 '计划给出来之后':1086 '让新人也能给出资深水平的回复':994 '让谁持续付出了什么代价':252,820 '训练了什么价值观现实扩大还是缩小':403 '记录原始输入':729 '设计':880 '评估商业':379 '评估指标升级':363 '评估是否需要多元推荐改写或三重平衡评估':889 '识别让大家不能做更好的约束条件':290,851 '试过知识库搜索':1001 '该怎么做实验':677 '谁在承担代价':933,1076 '谁在补位党底':269 '谁在补位兜底':798 '谁在默默承担代价':762 '负担是否带着羞耻':237 '负担转移':399 '责任':640,886 '责任边界':209,333,1020 '责任风险而不易表达':239 '资料条件':667 '资深客服凭经验快速回复':930 '跳出默认轨迹':373 '跳过':497,686,693 '跳过某些步骤':493 '输入':26,107,122,141,161,179,197,664,725,751,782,812,836,867 '输入的内容':477 '输入记录':744 '输出':43,52,65,75,86,97,99,109,124,143,163,181,199,743,774,805,827,859,892 '输出可直接进入方向定界的需求发现报告':20 '输出摘要':1021,1144 '输出物的下游价值':658 '边界':636,670,1006,1011 '边界不是限制':339 '边界文档':895 '边界清单':323 '边界设计':12,91,196,543,866 '边界设计已有':692 '边界设计已经有了':496 '边界设计缺乏依据':587 '过去':315 '过程中反复调用验证':517 '这个问题值不值得做':538 '进入方向定界':1038 '进入方向定界的准备':458 '进化到':349 '追溯':285,846 '透明度设计':361 '通过':984,1128 '重定义后的问题':787 '重定义后的需求':142,815 '重定义的问题':137,807 '重新定义的方向':462 '重新定义问题':702,1139 '重新定义问题为':1164 '重新拆解':709 '长期存在':968,1110 '长期成本':395 '问题依然存在':980 '问题到底在哪一层':536 '问题发生在何时何地与谁有关':266,794 '问题可能不是':1118 '问题存在':1123 '问题定义':665 '问题方向不确定时':586 '问题是被忽视的微需求':947 '问题重定义建议':776 '附带三层评估伴侣':393 '附带审计六项检查':367 '需求':489,491 '需求发现不是一次性活动':519 '需求发现报告':100,893 '需求发现的价值不在于':1166 '需求发现编排器':5,16 '需求发现编排器不是简单地把六个工具卡串起来跑一遍':528 '需求四层拆解':47,121,262,780 '需求已经验证过':685 '需求已经验证过了':494 '需求成立':1027 '需求拆解':8 '需求是否成立':417 '需求级':736 '需求考古':9,70,160,539,834,989 '需求考古五步':618 '需求考古五步法':276 '需要从功能语言转换为问题语言':919 '需要从需求发现到方向定界的完整过程':24 '需要回到':1136 '需要系统性验证':23 '需要重新定义':1151 '需要验证这是否是真需求':1062 '风险预判':668 '验证':390 '高峰时段':955 '高风险承诺必须人工':1019","prices":[{"id":"1713d13f-35df-448b-b4f6-7774f405f0e5","listingId":"093b40ef-45e8-46eb-8aba-94c7e26a112b","amountUsd":"0","unit":"free","nativeCurrency":null,"nativeAmount":null,"chain":null,"payTo":null,"paymentMethod":"skill-free","isPrimary":true,"details":{"org":"gmaxxxie","category":"ai-native-product-agent-skills","install_from":"skills.sh"},"createdAt":"2026-05-01T01:02:51.757Z"}],"sources":[{"listingId":"093b40ef-45e8-46eb-8aba-94c7e26a112b","source":"github","sourceId":"gmaxxxie/ai-native-product-agent-skills/p0-needs-orchestrator","sourceUrl":"https://github.com/gmaxxxie/ai-native-product-agent-skills/tree/main/skills/p0-needs-orchestrator","isPrimary":false,"firstSeenAt":"2026-05-01T01:02:51.757Z","lastSeenAt":"2026-05-18T18:57:25.937Z"}],"details":{"listingId":"093b40ef-45e8-46eb-8aba-94c7e26a112b","quickStartSnippet":null,"exampleRequest":null,"exampleResponse":null,"schema":null,"openapiUrl":null,"agentsTxtUrl":null,"citations":[],"useCases":[],"bestFor":[],"notFor":[],"kindDetails":{"org":"gmaxxxie","slug":"p0-needs-orchestrator","github":{"repo":"gmaxxxie/ai-native-product-agent-skills","stars":56,"topics":["agent-skills","ai-agent","ai-native","ai-product","methodology","product-management","product-methodology","product-thinking","skills"],"license":null,"html_url":"https://github.com/gmaxxxie/ai-native-product-agent-skills","pushed_at":"2026-05-06T07:19:36Z","description":"AI Native Product Methodology — 80 executable skills across P0-P14 stages, covering needs discovery to aesthetic authority. From 8 books.","skill_md_sha":"2dd5041642a890ae502b0220cb163e1af011eb9a","skill_md_path":"skills/p0-needs-orchestrator/SKILL.md","default_branch":"main","skill_tree_url":"https://github.com/gmaxxxie/ai-native-product-agent-skills/tree/main/skills/p0-needs-orchestrator"},"layout":"multi","source":"github","category":"ai-native-product-agent-skills","frontmatter":{"name":"p0-needs-orchestrator","description":"需求发现编排器。协调微需求检测、真需求验证、需求拆解、需求考古、好问题生成、Agent 边界设计、多元推荐改写、AI 产品三重平衡八个工具卡，"},"skills_sh_url":"https://skills.sh/gmaxxxie/ai-native-product-agent-skills/p0-needs-orchestrator"},"updatedAt":"2026-05-18T18:57:25.937Z"}}