{"id":"09d8fc73-447e-41d0-890f-ef8e98c89763","shortId":"Br6mWP","kind":"skill","title":"p0c-needs-decomposer","tagline":"需求四层拆解卡。很多团队一听到用户表达，就直接拆功能。 这张卡强迫团队先把\"用户说了什么\"和\"用户真正被什么困住\"分开。 基于《AI rebuild","description":"# 需求四层拆解卡\n\n## 一句话定位\n\n把一条用户原话，逐层拆到表达、场景、处境、代价四层，找到真正该解决的问题。\n\n## 何时触发\n\n- 用户提出了一个需求，团队准备直接进入方案讨论\n- 需要区分\"用户说的\"和\"用户真正需要的\"\n- 需求评审时发现只有表达层，缺少深度\n\n## 输入\n\n用户的原始表达（一句话或一段话）。\n\n**示例输入**：\n```\n\"希望自动把消费分类做得更准\"\n```\n\n## 输出\n\n四层拆解结果 + 问题重定义 + 方案方向建议。\n\n## 四层拆解\n\n### Layer 1: 表达层（用户原话是什么）\n\n**任务**：原汁原味记录用户的表达，不加工、不翻译、不推断。\n\n**输出格式**：\n```\n用户原话: \"...\"\n表达方式: [direct/indirect/complaint/wish/compliment]\n表达场景: [where/when/how this was expressed]\n```\n\n### Layer 2: 场景层（问题发生在什么时候、哪一步、和谁有关）\n\n**任务**：描绘问题发生的具体场景，包括时间、地点、角色、流程位置。\n\n**输出格式**：\n```\n时间节点: [when it happens]\n地点/界面: [where it happens]\n涉及角色: [who is involved]\n流程位置: [which step in the workflow]\n频率: [how often]\n```\n\n### Layer 3: 处境层（他为什么在这里被困住，谁在补位，谁在党底）\n\n**任务**：探索用户被困住的深层原因，找出系统性缺失和隐性代价。\n\n**输出格式**：\n```\n被困原因: [why the user is stuck]\n系统缺失: [what the system fails to provide]\n补位角色: [who is filling the gap]\n党底角色: [who bears the cost]\n隐性劳动: [unseen work being done]\n```\n\n### Layer 4: 代价层（如果系统不接住，这个人会持续损失什么）\n\n**任务**：量化用户因此承受的持续损失，包括可见和不可见的。\n\n**输出格式**：\n```\n时间代价: [minutes/hours per occurrence]\n金钱代价: [direct cost]\n情绪代价: [frustration/anxiety/shame/etc]\n机会代价: [what they miss out on]\n长期损失: [churn/disengagement/etc]\n```\n\n## 综合输出格式\n\n```yaml\nneeds_decomposition:\n  input: \"用户原始表达\"\n  \n  layer1_expression:\n    verbatim: \"用户原话\"\n    expression_type: \"direct/indirect/complaint/wish/compliment\"\n    context: \"表达场景\"\n  \n  layer2_scenario:\n    timing: \"时间节点\"\n    location: \"地点/界面\"\n    roles: [\"涉及角色\"]\n    workflow_step: \"流程位置\"\n    frequency: \"频率\"\n  \n  layer3_situation:\n    stuck_reason: \"被困原因\"\n    system_gap: \"系统缺失\"\n    filler_role: \"补位角色\"\n    bearer_role: \"党底角色\"\n    hidden_labor: \"隐性劳动\"\n  \n  layer4_cost:\n    time_cost: \"时间代价\"\n    money_cost: \"金钱代价\"\n    emotion_cost: \"情绪代价\"\n    opportunity_cost: \"机会代价\"\n    long_term_loss: \"长期损失\"\n  \n  reframed_problem:\n    original: \"用户表面上说的\"\n    actual: \"真正该解决的\"\n    why_different: \"为什么不同\"\n  \n  solution_direction:\n    dont_do: \"不要做的（表达层方案）\"\n    should_do: \"该做的（处境层方案）\"\n    key_metric: \"怎么证明做对了\"\n```\n\n## 快速使用法\n\n1. 把一条需求写在白板/文档最上面\n2. 要求团队逐层补全四层内容\n3. **任何一层说不出来，先不要进入方案讨论**\n\n## 示例：完整走一遍\n\n**原始需求**：\n> \"希望自动把消费分类做得更准\"\n\n**四层拆解**：\n\n| 层次 | 内容 |\n|------|------|\n| 表达层 | 用户说\"不想每次都手动改分类\" |\n| 场景层 | 通常发生在下班后、睡前或月底对账时，想快速看懂钱花去了哪里 |\n| 处境层 | 他并不只是嫌麻烦，而是本来就对支出有点失控感；一旦分类不断出错，他还得重新回忆每笔钱为什么花，越改越想逃避 |\n| 代价层 | 如果产品长期接不住，用户失去的不只是几次修正动作，而是对财务状况的掌握感，最后很可能直接放弃记账 |\n\n**重定义**：\n- 不要做：只是提高分类准确率\n- 该做：帮助用户重新建立生活秩序感\n- 关键指标：不是\"分类准确率\"，而是\"月底对账时的焦虑程度下降\"\n\n## 常见误判\n\n- **只有表达层**：变成功能愿望清单\n- **只有场景层**：误把麻烦当成真问题\n- **缺少处境层**：无法区分\"想要更快\"和\"真的困扰\"\n- **缺少代价层**：无法判断优先级\n\n## 一句判断\n\n> 如果一条需求说不清处境和代价，它通常还不够成熟。\n\n## 核心概念\n\n### 概念一：表达不等于需求\n\n很多需求错误不是团队没听到用户说什么，而是太容易把用户说的话直接当成需求本身。\n\n用户说\"我想要自动同步\"，很容易放进 backlog。用户说\"我想要更少的重复确认\"，很容易理解为流程优化。但这些表达往往只是最容易说出的那一层——可能是动作层面的抱怨，可能是从环境中学来的产品语言，也可能是他们觉得系统更容易理解的请求。真正让他们疲惫的东西，往往没有被完全表达出来。\n\n> 来源：《AI rebuild product needs》第18章第1节——为什么表达看起来这么像需求本身。\n\n### 概念二：场景告诉你哪里出了问题，处境告诉你为什么沉重\n\n场景（scenario）防止需求漂浮在抽象中——谁在用、什么时间、在流程的哪一步、周围有什么角色和上下文。但场景仍然不是终点。\n\n场景能告诉你问题发生在哪里，但不能自动告诉你为什么这件事一直压在某一个人身上。这时候需要进入处境（situation）：\n\n- **目标压力**：这个人到底需要完成什么，完不成会怎样\n- **约束条件**：什么在限制他——时间、注意力、环境、资源、权限\n- **风险暴露**：如果失败、出错、被打断，主要后果是什么\n- **补偿成本**：产品没接住时，他必须额外付出什么动作、时间或心智负担\n- **情绪负担**：不只是不方便，还有焦虑、犹豫、羞耻、挫败或后悔\n\n> 来源：《AI rebuild product needs》第18章第2节——场景和处境的区别。\n\n### 概念三：处境的核心不是动作，而是代价\n\n为什么有些问题一直被产品团队低估？因为表面上很多问题看起来是\"小动作\"，而沉重的部分藏在动作背后的代价里。\n\n例如，一个人不断在系统外多发一条确认消息。表面动作很小——只是多几行文字。但深挖下去会发现：她在为不清的责任认领补位、在预防未来无人认领的问题、在用自己的额外注意力维持协作不崩塌。\n\n产品真正需要处理的，不是\"帮用户少发一条消息\"，而是那条消息背后的整段隐性劳动。\n\n> 来源：《AI rebuild product needs》第18章第3节——处境的核心是代价。\n\n### 概念四：AI 特别容易停在表达层\n\n模型天然擅长处理已经被表达、记录和整理过的东西。如果输入主要是表达层材料，模型就只能在表达层工作——这不是模型弱，而是输入本身已经把现实压平了。\n\nAI 时代不是让模型做需求工作的理由，而是让团队更谨慎地决定模型处理什么材料、在流程中坐在哪个位置的理由。否则模型越强，就越快把表达变成看起来更像答案的东西。\n\n> 来源：《AI rebuild product needs》第18章第4节——为什么 AI 特别容易停在表达层。\n\n### 概念五：成熟的需求条目应该长什么样\n\n如果\"需求不是一句话而是一种处境\"成立，那写需求条目的方式也必须重写。一个成熟的需求条目至少包含四部分：\n\n1. **表达层**：用户原话（保留原始措辞，不要过早翻译）\n2. **场景层**：问题在什么时间、什么空间、什么关系结构中发生\n3. **处境层**：这个人为什么被困在这里，多做了什么解释、确认、追踪或补位\n4. **代价层**：如果系统不处理，长期来看什么会持续累积\n\n只有四层同时出现时，需求才开始像真正的问题定义，而不只是一句容易记录的话。\n\n> 来源：《AI rebuild product needs》第18章第5节——成熟的需求条目应该长什么样。\n\n## 分步执行\n\n### Step 1：记录表达层——原汁原味，不加工\n\n**输入**：用户的原始表达（一句话或一段话）\n\n**处理**：\n1. 原汁原味记录用户的表达，不翻译、不推断、不\"优化\"\n2. 标注表达方式：direct/indirect/complaint/wish/compliment\n3. 标注表达场景：在哪里、什么时候、对谁说的\n4. 如果有多条表达，分别记录，不要合并\n\n**输出**：表达层记录（附表达方式和场景标注）\n\n---\n\n### Step 2：描绘场景层——时间、空间、角色、流程位置\n\n**输入**：Step 1 的表达层记录\n\n**处理**：\n1. 确定问题发生的时间节点：什么时候触发的？\n2. 确定地点/界面：在哪里发生的？\n3. 确定涉及角色：谁和谁有关？\n4. 确定流程位置：在工作流的哪一步？\n5. 确定频率：多久发生一次？\n\n**输出**：场景层描述（时间/地点/角色/流程/频率）\n\n---\n\n### Step 3：探索处境层——为什么被困住，谁在补位，谁在兜底\n\n**输入**：Step 2 的场景层描述\n\n**处理**：\n1. 追问\"为什么这个人在这里被困住？\"\n2. 找出系统缺失了什么\n3. 找出补位角色：谁在填补这个缺口？\n4. 找出兜底角色：谁在承担最终代价？\n5. 识别隐性劳动：有哪些\"看不见的工作\"在被做？\n\n关键追问句式：\n- \"他为什么不得不多做这一步？\"\n- \"如果他不做这一步，会怎样？\"\n- \"谁在为这个缺口买单？\"\n\n**输出**：处境层描述（被困原因/系统缺失/补位角色/兜底角色/隐性劳动）\n\n---\n\n### Step 4：量化代价层——如果系统不接住，持续损失什么\n\n**输入**：Step 3 的处境层描述\n\n**处理**：\n1. 估算时间代价：每次 X 分钟 × 频率\n2. 识别金钱代价：是否有直接成本\n3. 识别情绪代价：frustration/anxiety/shame/fatigue\n4. 识别机会代价：因此错过了什么更重要的事\n5. 评估长期损失：churn/disengagement/trust erosion\n\n**输出**：代价层描述（时间/金钱/情绪/机会/长期损失）\n\n---\n\n### Step 5：重定义问题——从\"用户说的\"到\"真正该解决的\"\n\n**输入**：Step 1-4 的四层完整记录\n\n**处理**：\n1. 对比表达层和处境层：用户说的 vs 用户真正被困住的\n2. 明确\"不要做的\"（表达层方案）\n3. 明确\"该做的\"（处境层方案）\n4. 设定关键指标：怎么证明做对了（不是功能指标，而是用户负担是否减轻）\n\n**输出**：问题重定义 + 方向建议\n\n---\n\n## 示例 1\n\n### 场景：在线问诊产品——\"希望医生回复快一点\"\n\n**原始需求**：\n\n> \"我希望医生能回复得快一点。\"\n\n表面上看，这是一个简单的需求——团队自然会想到供应排班、提醒机制和更好的轮值制度。\n\n**四层拆解**：\n\n| 层次 | 内容 |\n|------|------|\n| 表达层 | 用户说\"希望医生回复快一点\" |\n| 场景层 | 通常发生在深夜或周末，用户独自面对检查结果，不知道是否应该立刻去医院；或者在工作时间偷偷发了消息，不想让周围人知道此刻有多焦虑 |\n| 处境层 | 用户反复追问不只是因为\"等待烦人\"。他们处于信息不对称、情绪高压、无法自行判断的状态。可能已经问过家人、搜了大量资料，但越看越害怕 |\n| 代价层 | 如果产品长期接不住，用户损失的不只是等待时间，而是在最需要支持的时刻\"没人先接住\"的孤独感。长期来看，用户会放弃在线问诊，回归线下——或者更糟，在焦虑中做出错误判断 |\n\n**重定义**：\n\n- 不要做：只优化回复速度\n- 该做：在等待期间提供风险分层、期望管理和临时支撑——让用户在等待时有\"现在该做什么\"的感觉\n- 关键指标：不是\"平均回复时间\"，而是\"等待期间用户的焦虑程度\"\n\n> 来源：《AI rebuild product needs》第18章第2节示例——在线问诊场景。\n\n---\n\n## 示例 2\n\n### 场景：会后协作——\"希望自动推送待办事项\"\n\n**原始需求**：\n\n> \"希望会后自动推送待办事项。\"\n\n**四层拆解**：\n\n| 层次 | 内容 |\n|------|------|\n| 表达层 | 用户说\"希望会后自动推送待办事项\" |\n| 场景层 | 通常发生在跨部门会议结束后，参会者各自回到工位，开始处理自己手头的事 |\n| 处境层 | 对不同角色，这完全是不同的处境——普通参会者只是确认下一步该做什么；但如果没人再追一遍，项目负责人会担心事情悬空；新人即使没听懂也不敢问，只能回去按自己的理解做一个版本，等出错后再修 |\n| 代价层 | 如果产品只做\"平均推送\"，能覆盖很多人，但很难真正接住任何一个具体的人。项目负责人持续损失的是\"不敢放松\"的安全感；新人持续损失的是\"不怕犯错\"的信任感 |\n\n**重定义**：\n\n- 不要做：只做统一的待办推送\n- 该做：根据角色和处境差异，提供分层的信息暴露和确认机制\n- 关键指标：不是\"待办推送到达率\"，而是\"项目负责人是否还需要在系统外再追一遍\"\n\n> 来源：《AI rebuild product needs》第18章第2节示例——会后协作场景。\n\n---\n\n## 常见误判\n\n- **只有表达层**：变成功能愿望清单\n- **只有场景层**：误把麻烦当成真问题\n- **缺少处境层**：无法区分\"想要更快\"和\"真的困扰\"\n- **缺少代价层**：无法判断优先级\n- **过早翻译**：把用户原话\"优化\"成产品语言，丢失了原始信号","tags":["p0c","needs","decomposer","native","product","agent","skills","gmaxxxie","agent-skills","ai-agent","ai-native","ai-product"],"capabilities":["skill","source-gmaxxxie","skill-p0c-needs-decomposer","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/p0c-needs-decomposer","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 (6,363 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":"2026-05-18T18:57:26.294Z","embedding":null,"createdAt":"2026-05-01T01:02:52.557Z","updatedAt":"2026-05-18T18:57:26.294Z","lastSeenAt":"2026-05-18T18:57:26.294Z","tsv":"'-4':616 '1':44,248,435,467,475,505,508,542,580,615,619,641 '2':62,251,440,481,497,511,539,545,586,624,705 '3':97,253,445,484,515,532,547,577,589,628 '4':136,451,489,518,550,571,592,632 '5':521,553,595,607 'actual':229 'ai':14,325,372,398,405,413,420,426,459,698,753 'backlog':314 'bear':127 'bearer':201 'churn/disengagement/etc':160 'churn/disengagement/trust':597 'context':174 'cost':129,150,208,210,213,216,219 'decompos':4 'decomposit':164 'differ':232 'direct':149,235 'direct/indirect/complaint/wish/compliment':55,173,483 'done':134 'dont':236 'emot':215 'eros':598 'express':60,168,171 'fail':116 'fill':122 'filler':198 'frequenc':188 'frustration/anxiety/shame/etc':152 'frustration/anxiety/shame/fatigue':591 'gap':124,196 'happen':77,82 'hidden':204 'input':165 'involv':86 'key':244 'labor':205 'layer':43,61,96,135 'layer1':167 'layer2':176 'layer3':190 'layer4':207 'locat':180 'long':221 'loss':223 'metric':245 'minutes/hours':145 'miss':156 'money':212 'need':3,163,328,375,401,423,462,701,756 'occurr':147 'often':95 'opportun':218 'origin':227 'p0c':2 'p0c-needs-decomposer':1 'per':146 'problem':226 'product':327,374,400,422,461,700,755 'provid':118 'reason':193 'rebuild':15,326,373,399,421,460,699,754 'refram':225 'role':183,199,202 'scenario':177,335 'situat':191,345 'skill' 'skill-p0c-needs-decomposer' 'solut':234 'source-gmaxxxie' 'step':89,186,466,496,504,531,538,570,576,606,614 'stuck':111,192 'system':115,195 'term':222 'time':178,209 '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' 'type':172 'unseen':131 'user':109 'verbatim':169 'vs':622 'where/when/how':57 'work':132 'workflow':92,185 'x':583 'yaml':162 '一个人不断在系统外多发一条确认消息':386 '一个成熟的需求条目至少包含四部分':434 '一句判断':303 '一句话定位':17 '一句话或一段话':35,473 '一旦分类不断出错':273 '不':479 '不加工':49,470 '不只是不方便':366 '不怕犯错':739 '不想每次都手动改分类':265 '不想让周围人知道此刻有多焦虑':662 '不推断':51,478 '不敢放松':736 '不是':287,394,693,748 '不是功能指标':635 '不知道是否应该立刻去医院':660 '不翻译':50,477 '不要做':282,684,742 '不要做的':238,626 '不要合并':492 '不要过早翻译':439 '丢失了原始信号':775 '为什么':425 '为什么不同':233 '为什么有些问题一直被产品团队低估':381 '为什么表达看起来这么像需求本身':330 '为什么被困住':534 '为什么这个人在这里被困住':544 '主要后果是什么':360 '也可能是他们觉得系统更容易理解的请求':321 '产品没接住时':362 '产品真正需要处理的':393 '什么关系结构中发生':444 '什么在限制他':350 '什么时候':487 '什么时候触发的':510 '什么时间':338 '什么空间':443 '从':609 '他为什么不得不多做这一步':559 '他为什么在这里被困住':99 '他们处于信息不对称':666 '他并不只是嫌麻烦':271 '他必须额外付出什么动作':363 '他还得重新回忆每笔钱为什么花':274 '代价四层':22 '代价层':137,276,452,672,730 '代价层描述':600 '任何一层说不出来':254 '任务':47,67,102,140 '优化':480,773 '会后协作':707 '会后协作场景':758 '会怎样':561 '估算时间代价':581 '但不能自动告诉你为什么这件事一直压在某一个人身上':343 '但场景仍然不是终点':341 '但如果没人再追一遍':725 '但很难真正接住任何一个具体的人':734 '但深挖下去会发现':389 '但越看越害怕':671 '但这些表达往往只是最容易说出的那一层':318 '何时触发':24 '例如':385 '保留原始措辞':438 '先不要进入方案讨论':255 '党底角色':125,203 '兜底角色':568 '关键指标':286,692,747 '关键追问句式':558 '内容':262,653,713 '出错':358 '分别记录':491 '分开':12 '分步执行':465 '分类准确率':288 '分钟':584 '到':611 '包括可见和不可见的':142 '包括时间':69 '原始需求':258,645,709 '原汁原味':469 '原汁原味记录用户的表达':48,476 '参会者各自回到工位':719 '变成功能愿望清单':293,761 '只优化回复速度':685 '只做统一的待办推送':743 '只是多几行文字':388 '只是提高分类准确率':283 '只有四层同时出现时':455 '只有场景层':294,762 '只有表达层':292,760 '只能回去按自己的理解做一个版本':728 '可能已经问过家人':669 '可能是从环境中学来的产品语言':320 '可能是动作层面的抱怨':319 '否则模型越强':417 '周围有什么角色和上下文':340 '和':10,29,299,767 '和谁有关':66 '哪一步':65 '四层拆解':42,260,651,711 '四层拆解结果':39 '回归线下':680 '因为表面上很多问题看起来是':382 '因此错过了什么更重要的事':594 '团队准备直接进入方案讨论':26 '团队自然会想到供应排班':649 '在哪里':486 '在哪里发生的':514 '在工作流的哪一步':520 '在流程中坐在哪个位置的理由':416 '在流程的哪一步':339 '在焦虑中做出错误判断':682 '在用自己的额外注意力维持协作不崩塌':392 '在等待期间提供风险分层':687 '在线问诊产品':643 '在线问诊场景':703 '在被做':557 '在预防未来无人认领的问题':391 '地点':70,78,181,527 '场景':20,334,642,706 '场景告诉你哪里出了问题':332 '场景和处境的区别':377 '场景层':63,266,441,657,717 '场景层描述':525 '场景能告诉你问题发生在哪里':342 '基于':13 '处境':21 '处境告诉你为什么沉重':333 '处境层':98,270,446,663,721 '处境层描述':564 '处境层方案':243,631 '处境的核心不是动作':379 '处境的核心是代价':403 '处理':474,507,541,579,618 '多久发生一次':523 '多做了什么解释':448 '她在为不清的责任认领补位':390 '如果':430 '如果一条需求说不清处境和代价':304 '如果产品只做':731 '如果产品长期接不住':277,673 '如果他不做这一步':560 '如果失败':357 '如果有多条表达':490 '如果系统不处理':453 '如果系统不接住':138,573 '如果输入主要是表达层材料':409 '它通常还不够成熟':305 '完不成会怎样':348 '完整走一遍':257 '对不同角色':722 '对比表达层和处境层':620 '对谁说的':488 '小动作':383 '就直接拆功能':7 '就越快把表达变成看起来更像答案的东西':418 '层次':261,652,712 '希望会后自动推送待办事项':710,716 '希望医生回复快一点':644,656 '希望自动把消费分类做得更准':37,259 '希望自动推送待办事项':708 '帮助用户重新建立生活秩序感':285 '帮用户少发一条消息':395 '常见误判':291,759 '平均回复时间':694 '平均推送':732 '开始处理自己手头的事':720 '往往没有被完全表达出来':323 '待办推送到达率':749 '很多团队一听到用户表达':6 '很多需求错误不是团队没听到用户说什么':309 '很容易放进':313 '很容易理解为流程优化':317 '快速使用法':247 '怎么证明做对了':246,634 '情绪':603 '情绪代价':151,217 '情绪负担':365 '情绪高压':667 '想快速看懂钱花去了哪里':269 '想要更快':298,766 '成产品语言':774 '成熟的需求条目应该长什么样':429,464 '成立':432 '我希望医生能回复得快一点':646 '我想要更少的重复确认':316 '我想要自动同步':312 '或者在工作时间偷偷发了消息':661 '或者更糟':681 '找出兜底角色':551 '找出系统性缺失和隐性代价':104 '找出系统缺失了什么':546 '找出补位角色':548 '找到真正该解决的问题':23 '把一条用户原话':18 '把一条需求写在白板':249 '把用户原话':772 '持续损失什么':574 '挫败或后悔':370 '探索处境层':533 '探索用户被困住的深层原因':103 '描绘场景层':498 '描绘问题发生的具体场景':68 '提供分层的信息暴露和确认机制':746 '提醒机制和更好的轮值制度':650 '搜了大量资料':670 '文档最上面':250 '新人即使没听懂也不敢问':727 '新人持续损失的是':738 '方向建议':639 '方案方向建议':41 '无法判断优先级':302,770 '无法区分':297,765 '无法自行判断的状态':668 '时代不是让模型做需求工作的理由':414 '时间':351,499,526,601 '时间代价':144,211 '时间或心智负担':364 '时间节点':74,179 '明确':625,629 '是否有直接成本':588 '普通参会者只是确认下一步该做什么':724 '最后很可能直接放弃记账':280 '月底对账时的焦虑程度下降':290 '有哪些':555 '期望管理和临时支撑':688 '机会':604 '机会代价':153,220 '权限':355 '来源':324,371,397,419,458,697,752 '标注表达场景':485 '标注表达方式':482 '核心概念':306 '根据角色和处境差异':745 '概念一':307 '概念三':378 '概念二':331 '概念五':428 '概念四':404 '模型天然擅长处理已经被表达':407 '模型就只能在表达层工作':410 '每次':582 '没人先接住':676 '注意力':352 '流程':529 '流程位置':72,87,187,502 '涉及角色':83,184 '特别容易停在表达层':406,427 '犹豫':368 '环境':353 '现在该做什么':690 '用户会放弃在线问诊':679 '用户原始表达':166 '用户原话':53,170,437 '用户原话是什么':46 '用户反复追问不只是因为':664 '用户失去的不只是几次修正动作':278 '用户损失的不只是等待时间':674 '用户提出了一个需求':25 '用户独自面对检查结果':659 '用户的原始表达':34,472 '用户真正被什么困住':11 '用户真正被困住的':623 '用户真正需要的':30 '用户表面上说的':228 '用户说':264,311,315,655,715 '用户说了什么':9 '用户说的':28,610,621 '界面':79,182,513 '的信任感':740 '的四层完整记录':617 '的场景层描述':540 '的处境层描述':578 '的孤独感':677 '的安全感':737 '的感觉':691 '的表达层记录':506 '目标压力':346 '看不见的工作':556 '真正让他们疲惫的东西':322 '真正该解决的':230,612 '真的困扰':300,768 '睡前或月底对账时':268 '确定地点':512 '确定流程位置':519 '确定涉及角色':516 '确定问题发生的时间节点':509 '确定频率':522 '确认':449 '示例':256,640,704 '示例输入':36 '空间':500 '第18章第1节':329 '第18章第2节':376 '第18章第2节示例':702,757 '第18章第3节':402 '第18章第4节':424 '第18章第5节':463 '等出错后再修':729 '等待期间用户的焦虑程度':696 '等待烦人':665 '系统缺失':112,197,566 '约束条件':349 '综合输出格式':161 '缺少代价层':301,769 '缺少处境层':296,764 '缺少深度':32 '羞耻':369 '而不只是一句容易记录的话':457 '而是':289,695,750 '而是代价':380 '而是在最需要支持的时刻':675 '而是太容易把用户说的话直接当成需求本身':310 '而是对财务状况的掌握感':279 '而是本来就对支出有点失控感':272 '而是用户负担是否减轻':636 '而是让团队更谨慎地决定模型处理什么材料':415 '而是输入本身已经把现实压平了':412 '而是那条消息背后的整段隐性劳动':396 '而沉重的部分藏在动作背后的代价里':384 '能覆盖很多人':733 '补位角色':119,200,567 '补偿成本':361 '表达不等于需求':308 '表达场景':56,175 '表达层':45,263,436,654,714 '表达层方案':239,627 '表达层记录':494 '表达方式':54 '表面上看':647 '表面动作很小':387 '被困原因':106,194,565 '被打断':359 '要求团队逐层补全四层内容':252 '角色':71,501,528 '让用户在等待时有':689 '记录和整理过的东西':408 '记录表达层':468 '设定关键指标':633 '评估长期损失':596 '识别情绪代价':590 '识别机会代价':593 '识别金钱代价':587 '识别隐性劳动':554 '该做':284,686,744 '该做的':242,630 '误把麻烦当成真问题':295,763 '谁和谁有关':517 '谁在为这个缺口买单':562 '谁在党底':101 '谁在兜底':536 '谁在填补这个缺口':549 '谁在承担最终代价':552 '谁在用':337 '谁在补位':100,535 '资源':354 '越改越想逃避':275 '输入':33,471,503,537,575,613 '输出':38,493,524,563,599,637 '输出格式':52,73,105,143 '过早翻译':771 '还有焦虑':367 '这不是模型弱':411 '这个人为什么被困在这里':447 '这个人会持续损失什么':139 '这个人到底需要完成什么':347 '这完全是不同的处境':723 '这张卡强迫团队先把':8 '这时候需要进入处境':344 '这是一个简单的需求':648 '追踪或补位':450 '追问':543 '逐层拆到表达':19 '通常发生在下班后':267 '通常发生在深夜或周末':658 '通常发生在跨部门会议结束后':718 '那写需求条目的方式也必须重写':433 '重定义':281,683,741 '重定义问题':608 '量化代价层':572 '量化用户因此承受的持续损失':141 '金钱':602 '金钱代价':148,214 '长期损失':159,224,605 '长期来看':678 '长期来看什么会持续累积':454 '问题发生在什么时候':64 '问题在什么时间':442 '问题重定义':40,638 '防止需求漂浮在抽象中':336 '附表达方式和场景标注':495 '隐性劳动':130,206,569 '需求不是一句话而是一种处境':431 '需求四层拆解卡':5,16 '需求才开始像真正的问题定义':456 '需求评审时发现只有表达层':31 '需要区分':27 '项目负责人会担心事情悬空':726 '项目负责人持续损失的是':735 '项目负责人是否还需要在系统外再追一遍':751 '频率':93,189,530,585 '风险暴露':356","prices":[{"id":"311f49c2-48ae-47b5-8215-7d23c09af6ba","listingId":"09d8fc73-447e-41d0-890f-ef8e98c89763","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":"2026-05-01T01:02:52.557Z"}],"sources":[{"listingId":"09d8fc73-447e-41d0-890f-ef8e98c89763","source":"github","sourceId":"gmaxxxie/ai-native-product-agent-skills/p0c-needs-decomposer","sourceUrl":"https://github.com/gmaxxxie/ai-native-product-agent-skills/tree/main/skills/p0c-needs-decomposer","isPrimary":false,"firstSeenAt":"2026-05-01T01:02:52.557Z","lastSeenAt":"2026-05-18T18:57:26.294Z"}],"details":{"listingId":"09d8fc73-447e-41d0-890f-ef8e98c89763","quickStartSnippet":null,"exampleRequest":null,"exampleResponse":null,"schema":null,"openapiUrl":null,"agentsTxtUrl":null,"citations":[],"useCases":[],"bestFor":[],"notFor":[],"kindDetails":{"org":"gmaxxxie","slug":"p0c-needs-decomposer","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":"8af066fb5a11bbe19bc17e1955c99ea2c9d55823","skill_md_path":"skills/p0c-needs-decomposer/SKILL.md","default_branch":"main","skill_tree_url":"https://github.com/gmaxxxie/ai-native-product-agent-skills/tree/main/skills/p0c-needs-decomposer"},"layout":"multi","source":"github","category":"ai-native-product-agent-skills","frontmatter":{"name":"p0c-needs-decomposer","description":"需求四层拆解卡。很多团队一听到用户表达，就直接拆功能。 这张卡强迫团队先把\"用户说了什么\"和\"用户真正被什么困住\"分开。 基于《AI rebuild"},"skills_sh_url":"https://skills.sh/gmaxxxie/ai-native-product-agent-skills/p0c-needs-decomposer"},"updatedAt":"2026-05-18T18:57:26.294Z"}}