anbeime/skill / skills/multi-agent-meeting/multi-agent-meeting
multi-agent-meeting
Verified项目管理专家与产品经理在做项目决策、技术评审或商业策略制定时,当需要多视角碰撞以打破思维局限,请用此技能模拟多智能体真实会议辩论,一键生成包含决策结论、核心论据与风险提示的完整会议记录,让复杂决策高效落地!
| File | Kind | Size |
|---|---|---|
| SKILL.md | skill md | 4.6 KB |
| assets/meeting-templates/customer-insight-analysis.md | markdown | 6.2 KB |
| assets/meeting-templates/product-feature-review.md | markdown | 6.1 KB |
| assets/meeting-templates/product-pricing-strategy.md | markdown | 1.8 KB |
| assets/meeting-templates/project-risk-assessment.md | markdown | 2.0 KB |
| assets/meeting-templates/tech-architecture-decision.md | markdown | 1.8 KB |
| references/agent-roles.md | markdown | 5.6 KB |
| references/meeting-record-format.md | markdown | 7.0 KB |
assets/meeting-templates/customer-insight-analysis.md
View on GitHub# 客户访谈洞察分析会议模板
## 会议类型
产品研究会议 - 客户洞察分析
## 会议目标
分析客户访谈记录,提取关键洞察,生成产品改进方案和PRD草稿。
## 推荐智能体角色
1. **产品经理** (主持人)
- 职责: 主持会议、解读洞察、制定改进方案
2. **用户研究员**
- 职责: 分析访谈记录、提取痛点和需求
- 专业工具: customer_interview_analyzer.py
3. **设计师**
- 职责: 从体验角度提出改进方向
4. **技术架构师**
- 职责: 评估解决方案的技术可行性
## 会议流程
### 阶段一: 数据分析 (会前)
用户研究员智能体执行:
```bash
python scripts/customer_interview_analyzer.py interview_transcript.txt
```
输出:
- 痛点列表(含严重程度)
- 功能需求(含优先级)
- Jobs-to-be-Done
- 情感分析
- 关键主题和引用
### 阶段二: 洞察展示 (10分钟)
用户研究员:
1. 展示分析结果
2. 解释关键痛点
3. 说明用户情感和态度
### 阶段三: 深度讨论 (20分钟)
1. 产品经理: 从产品战略角度解读洞察
2. 设计师: 提出体验改进方向
3. 技术架构师: 评估技术可行性
4. 用户研究员: 补充用户行为细节
### 阶段四: 方案生成 (15分钟)
1. 确定优先级最高的3个痛点
2. 为每个痛点设计解决方案
3. 评估方案的价值和难度
### 阶段五: PRD草稿 (10分钟)
产品经理使用PRD模板生成需求文档草稿
## 输出格式
```markdown
# 客户洞察分析会议记录
**访谈对象**: [用户信息]
**访谈时间**: [时间]
**分析团队**: 产品经理、用户研究员、设计师、技术架构师
## 关键洞察
### 痛点分析
| 痛点 | 严重程度 | 频次 | 影响范围 |
|------|---------|------|---------|
| 脚本生成速度慢 | 高 | 每天 | 所有用户 |
| 无法批量生成 | 中 | 每周 | 重度用户 |
| ... | ... | ... | ... |
### 功能需求
| 需求 | 优先级 | 价值 | 实现难度 |
|------|--------|------|---------|
| AI自动生成 | P0 | 高 | 中 |
| 批量处理 | P1 | 中 | 低 |
| ... | ... | ... | ... |
### Jobs-to-be-Done
1. 当我需要快速生成多个脚本时,我希望能批量处理,这样可以节省时间
2. 当我不知道如何写脚本时,我希望有AI辅助,这样可以降低门槛
3. ...
## 改进方案
### 方案1: AI自动生成脚本
**解决的痛点**: 脚本生成速度慢、不知道如何写
**方案描述**:
- 用户输入关键词或主题
- AI自动生成3个不同风格的脚本
- 用户可以选择和编辑
**技术可行性**: 高(可使用现有大模型)
**预期价值**: 提升50%的生成效率
**实现周期**: 3人月
### 方案2: 批量处理功能
**解决的痛点**: 无法批量生成
**方案描述**:
- 支持上传CSV文件
- 批量生成脚本
- 导出为ZIP文件
**技术可行性**: 高
**预期价值**: 重度用户满意度提升30%
**实现周期**: 1人月
## PRD草稿
### 功能: AI自动生成脚本
**问题陈述**:
用户在生成脚本时遇到两个主要痛点:
1. 不知道如何写出吸引人的脚本
2. 手动编写耗时长,效率低
**解决方案**:
提供AI自动生成功能,用户输入关键词,系统生成3个不同风格的脚本供选择。
**成功指标**:
- 脚本生成时间从5分钟降低到1分钟
- 用户满意度提升至4.5/5
- 功能使用率达到60%
**用户故事**:
- 作为内容创作者,我希望快速生成脚本,这样我可以节省时间
- 作为新手用户,我希望有AI辅助,这样我可以学习如何写好脚本
**验收标准**:
- [ ] 用户可以输入关键词
- [ ] 系统生成3个不同风格的脚本
- [ ] 生成时间 < 30秒
- [ ] 用户可以选择和编辑脚本
## 下一步行动
- [ ] 产品经理: 完善PRD文档 (截止: 4月10日)
- [ ] 设计师: 设计交互原型 (截止: 4月15日)
- [ ] 技术架构师: 评估AI模型选型 (截止: 4月12日)
- [ ] 用户研究员: 继续访谈5个用户验证方案 (截止: 4月20日)
```
## 工具支持
### 客户访谈分析脚本
```bash
# 基础用法
python scripts/customer_interview_analyzer.py interview.txt
# JSON输出
python scripts/customer_interview_analyzer.py interview.txt json
```
### 分析输出示例
```json
{
"pain_points": [
{
"description": "脚本生成速度慢",
"severity": "high",
"frequency": "daily",
"quotes": ["每次都要花很长时间想怎么写"]
}
],
"feature_requests": [
{
"description": "AI自动生成",
"priority": "high",
"value": "节省时间,降低门槛"
}
],
"jobs_to_be_done": [
"快速生成多个脚本",
"学习如何写好脚本"
],
"sentiment": {
"overall": "neutral",
"frustration_points": ["生成速度", "不知道如何写"]
}
}
```
## 相关资源
- **访谈分析工具**: product-manager-toolkit/scripts/customer_interview_analyzer.py
- **PRD模板**: product-manager-toolkit/references/prd_templates.md
- **会议记录格式**: multi-agent-meeting/references/meeting-record-format.md
## 使用示例
### 示例: 分析用户访谈并生成改进方案
**用户输入**:
```
分析这份客户访谈记录并生成产品改进方案:
访谈对象:张三,内容创作者,使用产品3个月
访谈时间:2024-04-01
Q: 你在使用产品时遇到的最大问题是什么?
A: 每次生成脚本都要花很长时间想怎么写,太浪费时间了。有时候想不出来,就只能放弃。
Q: 你希望产品有什么改进?
A: 如果能有AI自动生成就好了,我输入主题,它自动帮我生成几个脚本,我选一个修改就行。
Q: 你愿意为这个功能付费吗?
A: 当然愿意,如果能节省我的时间,付费是值得的。
```
**系统执行**:
1. 用户研究员调用分析脚本提取洞察
2. 召开会议,各智能体讨论改进方案
3. 输出包含洞察、方案和PRD草稿的完整报告
## 注意事项
1. **访谈记录要完整**: 包含用户原话,便于提取关键引用
2. **关注用户行为**: 重点分析用户实际行为,而非意图
3. **挖掘深层需求**: 通过"为什么"挖掘用户的真实需求
4. **验证方案**: 生成方案后,建议继续访谈验证
5. **快速迭代**: PRD草稿应快速生成,后续持续迭代优化
Related skills
| Skill | Stars | Updated | Works with | Status | Install |
|---|---|---|---|---|---|
| reverse-engineer-anythingmorluto/reaReverse engineer native, managed, Electron/JavaScript, packaged, firmware, and browser targets with REA, and build agent environments (AgentEnv bundles) of web applications from a live instance or a capture, and of Linux desktop apps with a task from a request. Use shipped-artifact or requested runtime evidence to explain features, compare versions, decompile code, or guide a reconstruction. Skip REA for ordinary source-repository architecture analysis. | Stars: 472k | Updated | Claude CodeCodex | Unverified | Install |
| diagnosing-superpowersobra/superpowersUse when a superpowers session went wrong and your human partner wants to know why — repeated work, ignored plans, stumbles, poor results, a skill that didn't fire, "it took too long", "why is it so expensive", "what is it doing" — or wants to build a bug report for the superpowers maintainers, for the current session or a past one identified by id or path, on any harness. | Stars: 322k | Updated | Claude CodeCodex | Verified | Install |
| dispatching-parallel-agentsobra/superpowersUse when facing 2+ independent tasks that can be worked on without shared state or sequential dependencies | Stars: 322k | Updated | Claude CodeCodex | Verified | Install |
| executing-plansobra/superpowersUse when executing an implementation plan in the current session as the implementer yourself — your human partner chose inline execution, or no subagent tool is available | Stars: 322k | Updated | Claude CodeCodex | Verified | Install |