Catalog
Every x402, MPP, MCP, and skill listing we've indexed, normalized, and enriched.
p0b-real-needs-validator
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。
p0a-micro-needs-detector
微需求五问检测器。团队天然偏爱"大需求"，这个 Skill 把看起来很小、但可能压得很深的问题重新看见。 基于《AI rebuild product
ai-native-product-needs
AI Native 产品需求发现 Skill。基于《AI rebuild product needs》方法论， 帮助用户在 AI Agent
p0-needs-orchestrator
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，
combo-ux-to-audit
UX 设计 → 审计放行 组合 Skill。将 RAX 风险评估、信任度分级、渐进式披露 与审计放行流程打通，输出 UX 审计报告 + 放行建议。
combo-needs-to-direction
需求发现 → 方向定界 组合 Skill。从用户痛点出发，系统跑完微需求检测、 真需求验证、四层拆解，输出可直接进入方向定界的 Direction
combo-business-to-growth
商业模式 → 增长策略 组合 Skill。将确定性溢价定价策略与 AI Native 增长飞轮匹配， 输出定价-增长联动策略，确保商业模式和增长方式自洽。
ai-native-ux-design
AI Native 产品方法论——AI Native 用户体验设计的实操 Skill。 用户提供产品场景，Skill 自动执行 UX 设计流程： 任务分析 → 人机分工设计 → 状态可见性 → 纠偏机制 → 信任设计 → 反馈沉淀 → 输出 UX 方案。 基于《AI Native 产品方法论》第16章。
ai-native-system-building
AI Native 产品方法论——系统构建阶段的总论 Skill。 用户提供实验结论报告，Skill 自动执行系统构建流程： 实验证据输入 → 系统边界定义 → 能力模块设计 → 治理与观测补齐 → 输出系统构建方案。 基于《AI Native 产品方法论》第11章。
ai-native-production-ops
AI Native 产品方法论——生产运行与循环回灌的实操 Skill。 用户提供产品已上线或即将上线，Skill 自动执行生产运行流程： 可观测性设计 → 指标体系搭建 → 失败与人工修正识别 → 反馈回灌 → 价值/商业/客户循环 → 输出生产运行方案。 包含价值发现循环（§1）、AIOps案例（§2）、客服案例（§3）、SaaS案例（§4）、产品团队（§5）五个合并子模块。 基于《AI Native 产品方法论》第18-27章。
ai-native-product-needs
AI Native 产品需求发现 Skill。基于《AI rebuild product needs》方法论， 帮助用户在 AI Agent
ai-native-pm-agent
AI Native 产品经理 Agent — — 五书合一的产品工作流编排器。 用户提供一个产品想法或问题线索，Agent 自动编排七个阶段：
ai-native-memory-system
AI Native 产品方法论——记忆系统设计的实操 Skill。 用户提供产品场景，Skill 自动执行记忆系统设计流程： 记忆需求分析 → 记忆分类设计 → 权限与时效策略 → 存储与索引 → 人工修正与再沉淀 → 输出记忆系统方案。 基于《AI Native 产品方法论》第13章。
ai-native-marketing-growth
AI Native 营销与增长策略 Skill。基于《AI Native 营销与增长》方法论， 帮助用户构建以 AI 为第一性原理的增长系统：从工具思维升级为系统思维， 建立 AI Native 增长飞轮，实现数据-模型-反馈的复利增长。
ai-native-knowledge-rag
AI Native 产品方法论——RAG与知识系统设计的实操 Skill。 用户提供企业知识场景，Skill 自动执行知识系统设计流程： 资料来源分析 → 清洗与脱敏 → 索引与权限控制 → 检索召回 → 评估与更新 → 输出知识系统方案。 基于《AI Native 产品方法论》第15章。
ai-native-experiment-engine
AI Native 产品方法论——试验展开阶段的实操 Skill。 用户提供 Direction Brief 或问题方向，Skill 自动执行试验展开流程： 资料准备 → 能力实验 → 产品实验 → 商业实验 → 评估与失败分析 → 输出实验结论报告。 覆盖《AI Native 产品方法论》第06-10章。
ai-native-direction-framing
AI Native 产品方法论——方向定界阶段的实操 Skill。 用户提供一个 AI 产品方向或问题线索，Skill 自动执行方向定界流程： 问题真实性判断 → 场景切入分析 → 资料条件审查 → 能力可能性评估 → 价值判断 → 输出 Direction Brief。 基于《AI Native 产品方法论》第05章。
ai-native-context-engineering
AI Native 产品方法论——上下文工程的实操 Skill。 用户提供任务场景，Skill 自动执行上下文组织流程： 任务目标识别 → 上下文层选择 → 动态拼装 → 成本与窗口控制 → 结果校验与纠偏 → 输出上下文工程方案。 基于《AI Native 产品方法论》第14章。
ai-native-business-model
AI Native 商业模式设计 Skill。基于《AI确定性商业模式》方法论， 帮助用户设计以"确定性溢价"为核心的 AI 商业模式：
ai-native-audit-release
AI Native 产品方法论——审计放行阶段的实操 Skill。 用户提供系统构建方案，Skill 自动执行审计放行流程： 设计证据 → 评估证据 → Shadow 证据 → 放行边界判断 → go/no-go 决策 → 输出放行方案。 基于《AI Native 产品方法论》第17章。
ai-native-agent-skill-design
AI Native 产品方法论——智能体与技能单元设计的实操 Skill。 用户提供任务场景，Skill 自动执行能力编排设计流程： 任务拆解 → Agent 角色定义 → Skill 拆分 → Tool 映射 → 边界与回退设计 → 输出能力编排方案。 基于《AI Native 产品方法论》第12章。
creative-direction
Walk the user through four directional axes (tone register, aesthetic philosophy, audience relationship, sensory ambition) and produce a structured aesthetic brief that downstream skills consume as required input. This is the aesthetic depth layer, distinct from `creative-brief`
md-to-docx
Convert Markdown files to professionally formatted Word (.docx) documents with embedded PNG images — pure JavaScript, no external tools required
eyeball
Document analysis with inline source screenshots. When you ask Copilot to analyze a document, Eyeball generates a Word doc where every factual claim includes a highlighted screenshot from the source material so you can verify it with your own eyes.