{"id":"000bcc90-1dff-42d0-8e98-090f51c4c9c7","shortId":"Xyj75X","kind":"skill","title":"p0b-real-needs-validator","tagline":"真需求判断五问验车器。AI 时代最危险的不是没有需求，而是伪需求太容易长得像真需求。 基于《AI rebuild product needs》工具卡。","description":"# 真需求判断五问\n\n## 一句话定位\n\n在需求评审前，用这五个问题给团队装上刹车系统——三问答不扎实，先不要做方案。\n\n## 何时触发\n\n- 需求评审会之前\n- 团队情绪高涨，觉得\"这个功能一定火\"\n- 需要区分\"高频表达\"和\"真实需求\"\n\n## 输入\n\n一条具体需求描述（不要抽象，要有主语）。\n\n**示例输入**：\n```\n\"希望系统支持一键催办\"\n```\n\n## 输出\n\n五问检测结果 + 真/伪需求判断 + 建议方向。\n\n## 五个问题\n\n### Q1: 它是不是长期存在？\n\n**检测方法**：\n- 这个问题是否在不同项目/不同团队/不同时期都出现？\n- 是否已经持续了一段时间（而不是最近才被提出）？\n- 如果没有 AI，这个问题是否仍然存在？\n\n**输出格式**：\n```\n存续性: [long-term/medium-term/recent/fad]\n跨场景验证: [yes/no/partial]\n无 AI 时仍然存在: [yes/no]\n```\n\n### Q2: 它让谁持续付出了什么代价？\n\n**检测方法**：\n- 具体是哪些角色在付代价？\n- 代价是时间、金钱、精力、情绪，还是职业风险？\n- 这个代价是否被量化过（每次 X 分钟，每月 Y 元）？\n\n**输出格式**：\n```\n付出角色: [角色列表]\n代价类型: [time/money/energy/emotion/career_risk]\n量化估算: [具体数字或范围]\n```\n\n### Q3: 用户有没有为它发展出补偿行为？\n\n**检测方法**：\n- 用户是否已经有固定的解决方式（即使很厘赞）？\n- 这些补偿行为是否已经被视为\"正常流程\"？\n- 是否有人专门负责处理这些补偿行为？\n\n**输出格式**：\n```\n补偿行为: [列表]\n已常态化: [yes/no]\n专职处理人: [yes/no - 角色名]\n```\n\n### Q4: 它背后是不是有结构，而不只是偏好？\n\n**检测方法**：\n- 这个需求是否连着更大的流程缺口？\n- 是否涉及角色权责、信息流、决策权的结构性问题？\n- 如果解决了这个，是否会带动其他问题的解决？\n\n**输出格式**：\n```\n结构性: [structural/situational/preference]\n流程缺口: [具体缺口描述]\n连锁效应: [yes/no - 如果有，列出]\n```\n\n### Q5: 即使没人讨论，它还会不会继续存在？\n\n**检测方法**：\n- 如果今天没人提出，这个问题是否明天仍然在？\n- 是否是组织/行业/人性的常态，而不是某个人的一时想法？\n- 如果不做任何处理，问题是会恶化、保持还是消失？\n\n**输出格式**：\n```\n自然存续: [yes/no]\n常态类型: [organizational/industry/human_nature/situational]\n不处理的趋势: [worsen/stable/diminish]\n```\n\n## 综合输出格式\n\n```yaml\nreal_needs_validation:\n  input: \"原始需求描述\"\n  \n  q1_longevity:\n    duration: \"long-term/medium-term/recent/fad\"\n    cross_scenario: \"yes/no/partial\"\n    exists_without_ai: \"yes/no\"\n  \n  q2_cost:\n    bearers: [\"角色列表\"]\n    cost_type: \"time/money/energy/emotion/career_risk\"\n    quantified: \"具体数字\"\n  \n  q3_compensation:\n    behaviors: [\"补偿行为列表\"]\n    normalized: \"yes/no\"\n    dedicated_handler: \"yes/no - 角色\"\n  \n  q4_structure:\n    structural: \"structural/situational/preference\"\n    process_gap: \"流程缺口描述\"\n    chain_effect: \"yes/no\"\n  \n  q5_persistence:\n    natural_existence: \"yes/no\"\n    nature_type: \"organizational/industry/human_nature/situational\"\n    trend_if_ignored: \"worsen/stable/diminish\"\n  \n  verdict:\n    is_real_need: true/false\n    confidence: \"high/medium/low\"\n    pass_count: \"X/5\"\n    reasoning: \"判断理由\"\n  \n  recommendation:\n    action: \"建议动作\"\n    priority: \"P0/P1/P2\"\n    if_fake: \"如果是伪需求，真正的问题可能是什么\"\n    next_step: \"下一步\"\n```\n\n## 使用规则\n\n- **三问不过先停**：五问中如果有三问答不扎实，先不要做方案\n- **分开记录**：把\"高频表达\"和\"五问结果\"分开记录，避免讨论被热度带跑\n- **定期复盘**：已通过的需求，上线 30 天后再跑一次五问验证\n\n## 常见误判\n\n- **高频 ≠ 真实**：被多次提出的需求可能只是某个人的偏好\n- **整齐 ≠ 可靠**：需求描述很清晰不代表问题真实存在\n- **可做 ≠ 该做**：技术上能做不代表产品上该做\n\n## 一句判断\n\n> 真需求靠现实反复支付，伪需求靠热度和顺滑感成立。\n\n## 核心概念\n\n### 概念一：AI 时代伪需求为什么更难分辨\n\nAI 让伪需求获得了前所未有的生长条件：\n\n1. **平台持续放大可见表达**：一个问题一旦更容易被说出、转发、评论和整理，它就在团队视野中反复出现。重复自然制造\"这一定很重要\"的错觉。\n2. **AI 让表层信号更像结论**：曾经散乱、模糊、有噪声的输入，经模型整理后变成逻辑清晰的\"高频痛点\"。整齐感让人提早放弃怀疑。\n3. **解决方案越来越容易生成**：过去一个问题是否值得做，至少还要过实现成本关。今天很多表达一旦进入流程，几乎可以立刻长成看起来像真的功能。\n\n> 来源：《AI rebuild product needs》第21章第1节——为什么 AI 让伪需求更难分辨。\n\n### 概念二：伪需求四大来源\n\n| 来源 | 特征 | 检测方法 |\n|------|------|----------|\n| 被平台放大的主流表达 | 高频、明确、容易传播，但未必最深 | 追问\"这个需求是在哪个平台/会议上被放大的？\" |\n| 被焦虑和比较驱动的即时欲望 | \"别人都在用\"\"我是不是落后了\" | 追问\"如果没人知道你用不用，你还会要吗？\" |\n| 被技术兴奋推出来的假问题 | \"能不能做\"悄悄变成\"是不是该做\" | 追问\"如果不用 AI，这个问题还存在吗？\" |\n| 被整理得过于顺滑的表层反馈 | 整理只增加可读性，不自动增加真实性 | 追问\"用户说的和做的是否一致？\" |\n\n> 来源：《AI rebuild product needs》第21章第2节——伪需求四大来源。\n\n### 概念三：真需求五个特征\n\n1. **持续性**：长期存在的现实摩擦，不是一次性情绪。\n2. **代价性**：持续消耗时间、注意力、判断力、情绪容量、信任或责任安全感。\n3. **补偿性**：用户已为它发展出变通做法——系统没接住，代价不会凭空消失。\n4. **结构性**：和角色关系、流程断点、信息缝隙、责任机制有关，不是某个人的特殊偏好。\n5. **非表演性**：即使不被高频讨论，也仍然存在，靠现实里的重复代价成立。\n\n> 来源：《AI rebuild product needs》第21章第3节——真需求通常有什么共同点。\n\n### 概念四：真伪判断的目标不是做更多，而是少犯错\n\n在 AI 时代，最大的组织浪费不再是\"动得太慢\"，而是\"把误读的问题做得很完整\"。一旦伪需求被快速产品化，就会产生一连串后果：\n\n- 团队围绕它投入更多资源\n- 数据开始在错误框架内循环\n- 内部共识变得更难逆转\n- 连用户反馈也会被再次整理成新的表层陈述\n\n错误不是被发现的，而是被逐渐制度化的。\n\n> 来源：《AI rebuild product needs》第21章第5节——真伪判断的目标是少犯错。\n\n### 概念五：五问法与伪需求信号检测的配合\n\n五问法是正向验证（\"这是不是真需求\"），伪需求信号检测是反向筛查（\"这有没有可能是假的\"）。两者配合使用，比单独用任何一个都更可靠。\n\n伪需求五信号：\n| 信号 | 检测问题 | 风险等级 |\n|------|----------|----------|\n| S1: 技术兴奋型 | \"如果不用 AI，这个问题还存在吗？\" | 🔴 高 |\n| S2: 可见性偏差型 | \"这个需求是在哪个平台/会议上被放大的？\" | 🟡 中 |\n| S3: 表达-行为断裂型 | \"用户说的和做的是否一致？\" | 🔴 高 |\n| S4: 代理偏差型 | \"这个需求是谁的声音？终端用户还是中间人？\" | 🟡 中 |\n| S5: 解决方案伪装型 | \"他们描述的是问题，还是已经混进了解决方案？\" | 🔴 高 |\n\n> 命中 ≥2 个 🔴 信号 → 回到需求四层拆解重新收集行为证据。\n\n> 来源：主 Skill skills/ai-native-product-needs/SKILL.md Step 4。\n\n## 分步执行\n\n### Step 1：收集原始表达——原汁原味记录\n\n**输入**：一条具体需求描述（不要抽象，要有主语）\n\n**处理**：\n1. 原汁原味记录用户的表达，不加工、不翻译、不推断\n2. 标注表达方式：direct/indirect/complaint/wish/compliment\n3. 标注表达场景：在什么情况下、通过什么渠道、对谁说的\n4. 同步记录：这个需求是在哪个平台/会议上被放大的？放大了多少次？\n\n**输出**：原始表达记录 + 表达场景标注\n\n---\n\n### Step 2：五问正向验证——逐项评估真实性\n\n**输入**：Step 1 产出的原始表达记录\n\n**处理**：\n对需求逐项过五问：\n1. Q1：它是不是长期存在？（跨项目/跨团队/跨时期验证）\n2. Q2：它让谁持续付出了什么代价？（必须能命名具体角色和具体代价）\n3. Q3：用户有没有为它发展出补偿行为？（列出已有的 workaround）\n4. Q4：它背后是不是有结构，而不只是偏好？（是否连着更大的流程缺口）\n5. Q5：即使没人讨论，它还会不会继续存在？（自然存续性验证）\n\n每问必须有具体证据，不能靠推断。\n\n**输出**：五问评估结果（每项标注 pass/fail + 证据）\n\n---\n\n### Step 3：信号反向筛查——检测伪需求风险\n\n**输入**：Step 1 的原始表达 + Step 2 的五问结果\n\n**处理**：\n逐项过伪需求五信号：\n1. S1：如果不用 AI，这个问题还存在吗？\n2. S2：这个需求是在哪个平台/会议上被放大的？\n3. S3：用户说的和做的是否一致？\n4. S4：这个需求是谁的声音？终端用户还是中间人？\n5. S5：他们描述的是问题，还是已经混进了解决方案？\n\n**输出**：伪需求信号标记（命中了哪几个，风险等级）\n\n---\n\n### Step 4：综合判断——做/不做/先停的决策\n\n**输入**：Step 2 的五问结果 + Step 3 的信号标记\n\n**处理**：\n1. 五问中 ≥3 问答不扎实 → 标记为\"高伪需求风险\"，先不要做方案\n2. 命中 ≥2 个 🔴 信号 → 回到需求四层拆解重新收集行为证据\n3. 五问全部通过 + 无 🔴 信号 → 标记为\"真需求\"，可以进入方案阶段\n4. 中间状态 → 标记为\"待验证\"，补充行为证据后再判断\n\n**输出**：真/伪/待验证 判断结论 + 理由\n\n---\n\n### Step 5：分开记录——避免讨论被热度带跑\n\n**输入**：Step 4 的判断结论\n\n**处理**：\n1. 把\"高频表达\"和\"五问结果\"分成两列记录\n2. 在需求评审时，先展示五问结果，再展示高频表达\n3. 如果团队讨论被热度带跑，暂停讨论，回到五问结果\n4. 已通过的需求，上线 30 天后再跑一次五问验证\n\n**输出**：分列记录的需求文档 + 评审规则\n\n---\n\n## 示例 1\n\n### 场景：B2B 协作产品中的\"一键催办\"\n\n**原始需求**：\n\n> \"希望系统支持一键催办。\"\n\n听起来非常清晰，团队可以立刻开始讨论方案：要不要做催办按钮、要不要支持批量催办、要不要自动给相关人发消息。\n\n**五问验证**：\n\n| 问题 | 回答 | 证据 |\n|------|------|------|\n| Q1：长期存在？ | ✅ 是 | 不同项目、不同团队里，总有人长期在追同一类事情 |\n| Q2：谁在付代价？ | ✅ 是 | 项目 owner、运营负责人、客户成功——反复翻记录、补上下文、找责任人 |\n| Q3：有补偿行为？ | ✅ 是 | 群里再发一遍、私聊提醒、给自己设闹钟、纸上再记一句 |\n| Q4：有结构？ | ✅ 是 | 背后连着责任认领不清、信息同步不全、流程悬空 |\n| Q5：没人讨论也存在？ | ✅ 是 | 只要责任还会悬空，总有人还得继续追 |\n\n> 五问得分 5/5 → 真需求\n\n**伪需求信号筛查**：\n\n| 信号 | 检测结果 |\n|------|----------|\n| S1：技术兴奋型 | ❌ 未命中——不用 AI 这个问题也存在 |\n| S2：可见性偏差型 | ❌ 未命中——不是平台放大的 |\n| S3：表达-行为断裂型 | ❌ 未命中——用户说的和做的一致 |\n| S4：代理偏差型 | ❌ 未命中——是终端用户的声音 |\n| S5：解决方案伪装型 | ⚠️ 部分命中——\"一键催办\"可能混入了解决方案 |\n\n> 信号风险：低。但需注意 S5——\"催办\"可能是表层方案，真正的问题是责任确认机制。\n\n**判断结论**：真需求，但需要从\"一键催办\"向下挖一层。\n\n团队看到的就不再只是\"要不要做催办按钮\"，而会更接近问题本体：\n- 这里真正缺的是提醒动作，还是责任确认机制？\n- 产品要处理的是\"催一下\"，还是\"为什么总有人不得不反复补位\"？\n- 这个需求到底应该进按钮设计，还是进协作结构设计？\n\n---\n\n## 示例 2\n\n### 场景：消费相机产品中的\"打开就能拍好\"\n\n**原始需求**：\n\n> \"我希望相机一打开就能拍好，不想手动调那么多东西。\"\n\n表面上看，这是一个\"更自动、更傻瓜\"的需求。但如果团队只把它理解为\"用户嫌复杂\"，就很容易做错东西。\n\n**五问验证**：\n\n| 问题 | 回答 | 证据 |\n|------|------|------|\n| Q1：长期存在？ | ✅ 是 | 旅行、演唱会、拍孩子、拍宠物——完全不同的场景，用户都在反复说\"来不及调\"\"一慌就拍糊了\" |\n| Q2：谁在付代价？ | ✅ 是 | 用户付出的不只是多点几下的操作成本，而是机会成本——合唱部分已经过去了、孩子的表情闪过就没了 |\n| Q3：有补偿行为？ | ✅ 是 | 锁死一个默认模式不敢切；重要时刻用系统相机避开复杂 App；从一开始就连拍——宁可保住\"拍到\"也不追求完美设置 |\n| Q4：有结构？ | ✅ 是 | 不能重复的瞬间 + 有限的注意力 + 复杂的环境 + 极短的窗口——这不是界面偏好问题，是真实生活塑造的使用压力问题 |\n| Q5：没人讨论也存在？ | ✅ 是 | 只要用户还在紧张、不可重复的时刻打开 App，问题就不会消失 |\n\n> 五问得分 5/5 → 真需求\n\n**伪需求信号筛查**：\n\n| 信号 | 检测结果 |\n|------|----------|\n| S1：技术兴奋型 | ❌ 未命中 |\n| S2：可见性偏差型 | ❌ 未命中 |\n| S3：表达-行为断裂型 | ❌ 未命中——用户说\"不想调\"，行为上确实在回避复杂操作 |\n| S4：代理偏差型 | ❌ 未命中 |\n| S5：解决方案伪装型 | ⚠️ 部分命中——\"打开就能拍好\"可能混入了解决方案 |\n\n**判断结论**：真需求。产品要解决的不是\"更少的设置\"，而是怎样让用户更快进入拍摄状态、在复杂环境中自动保障基础画质、优先保证\"拍到\"再让用户做决策链。","tags":["p0b","real","needs","validator","native","product","agent","skills","gmaxxxie","agent-skills","ai-agent","ai-native"],"capabilities":["skill","source-gmaxxxie","skill-p0b-real-needs-validator","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/p0b-real-needs-validator","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 (7,036 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":"2026-05-18T18:57:26.210Z","embedding":null,"createdAt":"2026-05-01T01:02:52.444Z","updatedAt":"2026-05-18T18:57:26.210Z","lastSeenAt":"2026-05-18T18:57:26.210Z","tsv":"'/medium-term/recent/fad':59,157 '1':265,339,451,459,486,490,528,535,573,613,636 '2':274,343,439,464,481,496,531,540,567,580,582,619,741 '3':283,350,467,500,523,544,570,575,586,623 '30':244,630 '4':355,448,472,505,547,560,593,610,627 '5':362,510,551,605 '5/5':687,805 'action':219 'ai':7,11,52,63,163,261,263,275,290,296,323,331,368,378,393,414,538,696 'app':783,802 'b2b':638 'bearer':167 'behavior':176 'chain':191 'compens':175 'confid':211 'cost':166,169 'count':214 'cross':158 'dedic':180 'direct/indirect/complaint/wish/compliment':466 'durat':153 'effect':192 'exist':161,197 'fake':224 'gap':189 'handler':181 'high/medium/low':212 'ignor':204 'input':149 'long':57,155 'long-term':56,154 'longev':152 'natur':196,199 'need':4,14,147,209,293,334,371,396 'next':227 'normal':178 'organizational/industry/human_nature/situational':141,201 'owner':662 'p0/p1/p2':222 'p0b':2 'p0b-real-needs-validator':1 'pass':213 'pass/fail':520 'persist':195 'prioriti':221 'process':188 'product':13,292,333,370,395 'q1':43,151,491,652,760 'q2':66,165,497,658,771 'q3':89,174,501,668,778 'q4':105,184,506,675,788 'q5':124,194,511,681,797 'quantifi':172 'real':3,146,208 'reason':216 'rebuild':12,291,332,369,394 'recommend':218 's1':411,536,692,810 's2':417,541,698,813 's3':422,545,702,816 's4':428,548,708,824 's5':433,552,712,720,827 'scenario':159 'skill':445 'skill-p0b-real-needs-validator' 'skills/ai-native-product-needs/skill.md':446 'source-gmaxxxie' 'step':228,447,450,480,485,522,527,530,559,566,569,604,609 'structur':185,186 'structural/situational/preference':117,187 'term':58,156 'time/money/energy/emotion/career_risk':86,171 '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' 'trend':202 'true/false':210 'type':170,200 'valid':5,148 'verdict':206 'without':162 'workaround':504 'worsen/stable/diminish':143,205 'x':77 'x/5':215 'y':80 'yaml':145 'yes/no':65,101,103,121,139,164,179,182,193,198 'yes/no/partial':61,160 '一个问题一旦更容易被说出':267 '一句判断':256 '一句话定位':17 '一慌就拍糊了':770 '一旦伪需求被快速产品化':384 '一条具体需求描述':32,455 '一键催办':640,715,727 '三问不过先停':231 '三问答不扎实':20 '上线':243,629 '下一步':229 '不做':563 '不加工':461 '不可重复的时刻打开':801 '不同团队':47 '不同团队里':656 '不同时期都出现':48 '不同项目':655 '不处理的趋势':142 '不想手动调那么多东西':747 '不想调':822 '不推断':463 '不是一次性情绪':342 '不是平台放大的':701 '不是某个人的特殊偏好':361 '不用':695 '不翻译':462 '不能重复的瞬间':791 '不能靠推断':516 '不自动增加真实性':327 '不要抽象':33,456 '专职处理人':102 '两者配合使用':405 '个':440,583 '中':421,432 '中间状态':594 '为什么':295 '为什么总有人不得不反复补位':737 '主':444 '也不追求完美设置':787 '也仍然存在':365 '五个问题':42 '五问中':574 '五问中如果有三问答不扎实':232 '五问全部通过':587 '五问得分':686,804 '五问检测结果':38 '五问正向验证':482 '五问法与伪需求信号检测的配合':400 '五问法是正向验证':401 '五问结果':238,617 '五问评估结果':518 '五问验证':648,756 '产出的原始表达记录':487 '产品要处理的是':734 '产品要解决的不是':834 '人性的常态':132 '今天很多表达一旦进入流程':287 '从一开始就连拍':784 '他们描述的是问题':435,553 '付出角色':83 '代价不会凭空消失':354 '代价性':344 '代价是时间':70 '代价类型':85 '代理偏差型':429,709,825 '优先保证':838 '会议上被放大的':310,420,475,543 '伪':600 '伪需求五信号':407 '伪需求信号标记':556 '伪需求信号检测是反向筛查':403 '伪需求信号筛查':689,807 '伪需求判断':40 '伪需求四大来源':299,336 '伪需求靠热度和顺滑感成立':258 '但如果团队只把它理解为':753 '但未必最深':307 '但需注意':719 '但需要从':726 '低':718 '何时触发':22 '你还会要吗':316 '使用规则':230 '保持还是消失':136 '信任或责任安全感':349 '信号':408,441,584,589,690,808 '信号反向筛查':524 '信号风险':717 '信息同步不全':679 '信息流':111 '信息缝隙':359 '做':562 '催一下':735 '催办':721 '元':81 '先不要做方案':21,233,579 '先停的决策':564 '先展示五问结果':621 '具体数字':173 '具体数字或范围':88 '具体是哪些角色在付代价':69 '具体缺口描述':119 '内部共识变得更难逆转':388 '再展示高频表达':622 '再让用户做决策链':840 '决策权的结构性问题':112 '几乎可以立刻长成看起来像真的功能':288 '分列记录的需求文档':633 '分开记录':234,239,606 '分成两列记录':618 '分步执行':449 '分钟':78 '列出':123 '列出已有的':503 '列表':99 '判断力':347 '判断理由':217 '判断结论':602,724,832 '别人都在用':312 '动得太慢':381 '协作产品中的':639 '即使不被高频讨论':364 '即使很厘赞':93 '即使没人讨论':125,512 '原始表达记录':478 '原始需求':641,745 '原始需求描述':150 '原汁原味记录':453 '原汁原味记录用户的表达':460 '反复翻记录':665 '只要用户还在紧张':800 '只要责任还会悬空':684 '可以进入方案阶段':592 '可做':253 '可能是表层方案':722 '可能混入了解决方案':716,831 '可见性偏差型':418,699,814 '可靠':251 '合唱部分已经过去了':776 '同步记录':473 '向下挖一层':728 '听起来非常清晰':643 '命中':438,581 '命中了哪几个':557 '和':29,237,616 '和角色关系':357 '回到五问结果':626 '回到需求四层拆解重新收集行为证据':442,585 '回答':650,758 '团队可以立刻开始讨论方案':644 '团队围绕它投入更多资源':386 '团队情绪高涨':24 '团队看到的就不再只是':729 '在':377 '在什么情况下':469 '在复杂环境中自动保障基础画质':837 '在需求评审前':18 '在需求评审时':620 '场景':637,742 '基于':10 '处理':458,488,533,572,612 '复杂的环境':793 '天后再跑一次五问验证':245,631 '如果不做任何处理':134 '如果不用':322,413,537 '如果今天没人提出':128 '如果团队讨论被热度带跑':624 '如果是伪需求':225 '如果有':122 '如果没人知道你用不用':315 '如果没有':51 '如果解决了这个':113 '存续性':55 '孩子的表情闪过就没了':777 '宁可保住':785 '它就在团队视野中反复出现':270 '它是不是长期存在':44,492 '它背后是不是有结构':106,507 '它让谁持续付出了什么代价':67,498 '它还会不会继续存在':126,513 '完全不同的场景':767 '定期复盘':241 '客户成功':664 '容易传播':306 '对谁说的':471 '对需求逐项过五问':489 '就会产生一连串后果':385 '就很容易做错东西':755 '工具卡':15 '已常态化':100 '已通过的需求':242,628 '希望系统支持一键催办':36,642 '常态类型':140 '常见误判':246 '平台持续放大可见表达':266 '建议动作':220 '建议方向':41 '待验证':596,601 '必须能命名具体角色和具体代价':499 '总有人还得继续追':685 '总有人长期在追同一类事情':657 '悄悄变成':319 '情绪':73 '情绪容量':348 '我希望相机一打开就能拍好':746 '我是不是落后了':313 '打开就能拍好':744,830 '找责任人':667 '技术上能做不代表产品上该做':255 '技术兴奋型':412,693,811 '把':235,614 '把误读的问题做得很完整':383 '拍到':786,839 '拍孩子':765 '拍宠物':766 '持续性':340 '持续消耗时间':345 '收集原始表达':452 '放大了多少次':476 '数据开始在错误框架内循环':387 '整理只增加可读性':326 '整齐':250 '整齐感让人提早放弃怀疑':282 '旅行':763 '无':62,588 '时仍然存在':64 '时代':379 '时代伪需求为什么更难分辨':262 '时代最危险的不是没有需求':8 '明确':305 '是':654,660,670,677,683,762,773,780,790,799 '是不是该做':320 '是否会带动其他问题的解决':114 '是否已经持续了一段时间':49 '是否是组织':130 '是否有人专门负责处理这些补偿行为':96 '是否涉及角色权责':110 '是否连着更大的流程缺口':509 '是真实生活塑造的使用压力问题':796 '是终端用户的声音':711 '暂停讨论':625 '更傻瓜':751 '更少的设置':835 '更自动':750 '曾经散乱':277 '最大的组织浪费不再是':380 '有噪声的输入':279 '有结构':676,789 '有补偿行为':669,779 '有限的注意力':792 '未命中':694,700,706,710,812,815,820,826 '来不及调':769 '来源':289,300,330,367,392,443 '极短的窗口':794 '标注表达场景':468 '标注表达方式':465 '标记为':577,590,595 '核心概念':259 '检测伪需求风险':525 '检测方法':45,68,91,108,127,302 '检测结果':691,809 '检测问题':409 '概念一':260 '概念三':337 '概念二':298 '概念五':399 '概念四':374 '模糊':278 '正常流程':95 '每月':79 '每次':76 '每问必须有具体证据':515 '每项标注':519 '比单独用任何一个都更可靠':406 '没人讨论也存在':682,798 '注意力':346 '流程悬空':680 '流程断点':358 '流程缺口':118 '流程缺口描述':190 '消费相机产品中的':743 '演唱会':764 '特征':301 '理由':603 '用户付出的不只是多点几下的操作成本':774 '用户嫌复杂':754 '用户已为它发展出变通做法':352 '用户是否已经有固定的解决方式':92 '用户有没有为它发展出补偿行为':90,502 '用户说':821 '用户说的和做的一致':707 '用户说的和做的是否一致':329,426,546 '用户都在反复说':768 '用这五个问题给团队装上刹车系统':19 '的五问结果':532,568 '的信号标记':571 '的判断结论':611 '的原始表达':529 '的错觉':273 '的需求':752 '真':39,599 '真伪判断的目标不是做更多':375 '真伪判断的目标是少犯错':398 '真实':248 '真实需求':30 '真正的问题可能是什么':226 '真正的问题是责任确认机制':723 '真需求':591,688,725,806,833 '真需求五个特征':338 '真需求判断五问':16 '真需求判断五问验车器':6 '真需求通常有什么共同点':373 '真需求靠现实反复支付':257 '示例':635,740 '示例输入':35 '私聊提醒':672 '第21章第1节':294 '第21章第2节':335 '第21章第3节':372 '第21章第5节':397 '精力':72 '系统没接住':353 '纸上再记一句':674 '终端用户还是中间人':431,550 '经模型整理后变成逻辑清晰的':280 '结构性':116,356 '给自己设闹钟':673 '综合判断':561 '综合输出格式':144 '群里再发一遍':671 '而不只是偏好':107,508 '而不是最近才被提出':50 '而不是某个人的一时想法':133 '而会更接近问题本体':731 '而是':382 '而是伪需求太容易长得像真需求':9 '而是少犯错':376 '而是怎样让用户更快进入拍摄状态':836 '而是机会成本':775 '而是被逐渐制度化的':391 '背后连着责任认领不清':678 '能不能做':318 '自然存续':138 '自然存续性验证':514 '至少还要过实现成本关':286 '行业':131 '行为上确实在回避复杂操作':823 '行为断裂型':425,705,819 '补上下文':666 '补偿性':351 '补偿行为':98 '补偿行为列表':177 '补充行为证据后再判断':597 '表达':424,704,818 '表达-行为断裂型':423,703,817 '表达场景标注':479 '表面上看':748 '被多次提出的需求可能只是某个人的偏好':249 '被平台放大的主流表达':303 '被技术兴奋推出来的假问题':317 '被整理得过于顺滑的表层反馈':325 '被焦虑和比较驱动的即时欲望':311 '要不要做催办按钮':645,730 '要不要支持批量催办':646 '要不要自动给相关人发消息':647 '要有主语':34,457 '觉得':25 '角色':183 '角色列表':84,168 '角色名':104 '解决方案伪装型':434,713,828 '解决方案越来越容易生成':284 '让伪需求更难分辨':297 '让伪需求获得了前所未有的生长条件':264 '让表层信号更像结论':276 '证据':521,651,759 '评审规则':634 '评论和整理':269 '该做':254 '谁在付代价':659,772 '责任机制有关':360 '跨团队':494 '跨场景验证':60 '跨时期验证':495 '跨项目':493 '转发':268 '输入':31,454,484,526,565,608 '输出':37,477,517,555,598,632 '输出格式':54,82,97,115,137 '过去一个问题是否值得做':285 '运营负责人':663 '还是':736 '还是已经混进了解决方案':436,554 '还是职业风险':74 '还是责任确认机制':733 '还是进协作结构设计':739 '这一定很重要':272 '这不是界面偏好问题':795 '这个代价是否被量化过':75 '这个功能一定火':26 '这个问题也存在':697 '这个问题是否仍然存在':53 '这个问题是否在不同项目':46 '这个问题是否明天仍然在':129 '这个问题还存在吗':324,415,539 '这个需求到底应该进按钮设计':738 '这个需求是否连着更大的流程缺口':109 '这个需求是在哪个平台':309,419,474,542 '这个需求是谁的声音':430,549 '这些补偿行为是否已经被视为':94 '这是一个':749 '这是不是真需求':402 '这有没有可能是假的':404 '这里真正缺的是提醒动作':732 '连用户反馈也会被再次整理成新的表层陈述':389 '连锁效应':120 '追问':308,314,321,328 '逐项评估真实性':483 '逐项过伪需求五信号':534 '通过什么渠道':470 '避免讨论被热度带跑':240,607 '部分命中':714,829 '重复自然制造':271 '重要时刻用系统相机避开复杂':782 '量化估算':87 '金钱':71 '锁死一个默认模式不敢切':781 '错误不是被发现的':390 '长期存在':653,761 '长期存在的现实摩擦':341 '问答不扎实':576 '问题':649,757 '问题就不会消失':803 '问题是会恶化':135 '需求描述很清晰不代表问题真实存在':252 '需求评审会之前':23 '需要区分':27 '非表演性':363 '靠现实里的重复代价成立':366 '项目':661 '风险等级':410,558 '高':416,427,437 '高伪需求风险':578 '高频':247,304 '高频痛点':281 '高频表达':28,236,615","prices":[{"id":"486c7a10-24c6-44cc-921a-159d40f6fc3a","listingId":"000bcc90-1dff-42d0-8e98-090f51c4c9c7","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":"2026-05-01T01:02:52.444Z"}],"sources":[{"listingId":"000bcc90-1dff-42d0-8e98-090f51c4c9c7","source":"github","sourceId":"gmaxxxie/ai-native-product-agent-skills/p0b-real-needs-validator","sourceUrl":"https://github.com/gmaxxxie/ai-native-product-agent-skills/tree/main/skills/p0b-real-needs-validator","isPrimary":false,"firstSeenAt":"2026-05-01T01:02:52.444Z","lastSeenAt":"2026-05-18T18:57:26.210Z"}],"details":{"listingId":"000bcc90-1dff-42d0-8e98-090f51c4c9c7","quickStartSnippet":null,"exampleRequest":null,"exampleResponse":null,"schema":null,"openapiUrl":null,"agentsTxtUrl":null,"citations":[],"useCases":[],"bestFor":[],"notFor":[],"kindDetails":{"org":"gmaxxxie","slug":"p0b-real-needs-validator","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":"76d94f67fe6c895e434fecfb129ea814077e1733","skill_md_path":"skills/p0b-real-needs-validator/SKILL.md","default_branch":"main","skill_tree_url":"https://github.com/gmaxxxie/ai-native-product-agent-skills/tree/main/skills/p0b-real-needs-validator"},"layout":"multi","source":"github","category":"ai-native-product-agent-skills","frontmatter":{"name":"p0b-real-needs-validator","description":"真需求判断五问验车器。AI 时代最危险的不是没有需求，而是伪需求太容易长得像真需求。 基于《AI rebuild product needs》工具卡。"},"skills_sh_url":"https://skills.sh/gmaxxxie/ai-native-product-agent-skills/p0b-real-needs-validator"},"updatedAt":"2026-05-18T18:57:26.210Z"}}