Skip to content

LuckyOneTwoThree/pm-skill / pm-01-discovery/skills/insight-requirement-layers

insight-requirement-layers

Verified

当需要将原始需求拆解为表层需求、行为需求、本质需求三层时使用,通过推断模式库逐层深挖。需求三层模型自动拆解。关键词:需求拆解、三层模型、表层需求、行为需求、本质需求、需求深挖。

需求三层模型自动拆解

核心原则

  1. 表层是症状不是病因——用户说出的需求是冰山一角,三层模型要穿透表层直达本质动机,每一层都必须比上一层更接近"为什么"
  2. 推断必须可追溯——行为需求和本质需求都是推断结果,inference_basis字段必须明确记录推断逻辑和数据来源,拒绝无依据猜测
  3. 置信度逐层递减——表层需求置信度1.0(直接引用),行为需求0.7-0.9(场景推断),本质需求0.4-0.7(深层推断),每层置信度下降是正常的,关键是标注清楚
  4. 验证标记不可省略——本质需求置信度<0.5必须标记validation_needed=true,行为需求置信度<0.7必须标记validation_needed=true,低置信度不是错误而是待验证假设

交互模式

🤖→👤 AI建议人类审批

输入

输入项类型必填来源说明
原始需求列表JSON是用户提供 / output/pm-discovery/user-research-voice-analysis/voice-analysis.json用户声音、业务方需求、数据异常等原始需求

Input JSON 示例结构

{
  "requirements": [
    {
      "id": "REQ-001",
      "source": "用户反馈",
      "content": "希望增加批量导出功能",
      "context": "运营人员日常报表处理",
      "frequency": 8,
      "sentiment": "negative"
    },
    {
      "id": "REQ-002",
      "source": "业务方",
      "content": "需要支持多语言界面",
      "context": "海外业务拓展",
      "frequency": 3,
      "sentiment": "neutral"
    }
  ]
}

执行步骤

Step 1: 表层需求提取

直接提取用户或业务方明确表达的需求内容。

  • 逐条读取原始需求列表,提取用户/业务方直接说出的内容
  • 保留原始表述,不做推断和改写
  • 置信度 = 1.0(因为是直接引用,无需推断)
  • 输出格式:{ surface: "原始表述", confidence: 1.0 }

Step 2: 行为需求推断

从表层需求推断用户在什么场景下、实际会产生什么行为。

  • 推断规则:
    • 分析表层需求 → 识别用户所处的使用场景
    • 推断用户在该场景下的实际行为模式
    • 关联behavior-analysis.json中的行为数据作为佐证
  • 推断模式:
    • "希望增加XX功能" → 场景:XX场景下需要完成YY → 行为:当前通过ZZ方式替代
    • "需要支持XX" → 场景:XX条件下无法完成YY → 行为:转向竞品或手动处理
    • "XX太慢/太卡" → 场景:高频操作XX时体验受阻 → 行为:减少使用频率或寻找替代方案
    • "找不到XX" → 场景:信息架构不清晰导致迷失 → 行为:反复搜索或求助他人
    • "XX操作太复杂" → 场景:任务流程步骤过多 → 行为:跳过非必要步骤或放弃使用
    • "希望XX能自动" → 场景:重复性操作消耗精力 → 行为:手动执行但产生挫败感
    • "XX数据不准" → 场景:决策依赖数据但数据不可靠 → 行为:交叉验证或延迟决策
  • 置信度范围:0.7-0.9(基于推断逻辑的合理性和数据佐证程度)
  • 输出格式:{ behavioral: "场景+行为描述", confidence: 0.7-0.9, inference_basis: "推断依据" }

Step 3: 本质需求推断

从行为需求推断为什么用户需要这样做,挖掘底层动机。

  • 推断规则:
    • 行为需求 → 用户为什么需要这样做 → 底层动机/价值观
    • 使用5Whys思维框架进行单步深挖
    • 参考JTBD分析中的Emotional/Social Job作为交叉验证
  • 推断模式:
    • "批量导出" → 减少重复劳动 → 追求效率和成就感
    • "多语言支持" → 服务海外客户 → 追求业务拓展和竞争力
    • "实时通知" → 不想错过信息 → 追求掌控感和安全感
    • "操作简化" → 降低认知负荷 → 追求轻松体验和自主感
    • "数据准确性" → 避免决策失误 → 追求确定性和信任感
    • "个性化定制" → 适配自身工作流 → 追求自主性和归属感
    • "协作功能" → 减少沟通成本 → 追求社交连接和团队认同
    • "权限管理" → 保护敏感信息 → 追求安全感和控制权
    • "移动端支持" → 随时随地处理事务 → 追求灵活性和自由度
    • "数据可视化" → 快速理解复杂信息 → 追求认知确定性和决策信心
  • 置信度范围:0.4-0.7(本质需求推断不确定性较高,需标注验证状态)
  • 输出格式:{ essential: "底层动机描述", confidence: 0.4-0.7, inference_basis: "推断依据" }

Step 4: 置信度标注

对每条需求的三层拆解结果进行置信度标注和验证标记。

  • 置信度规则:
    • 表层需求:1.0(直接引用)
    • 行为需求:0.7-0.9(有场景推断,可能存在偏差)
    • 本质需求:0.4-0.7(深层推断,不确定性高)
  • 验证标记规则:
    • 本质需求置信度 < 0.5 → validation_needed: true
    • 行为需求置信度 < 0.7 → validation_needed: true
    • 其他 → validation_needed: false

输出

输出文件:output/pm-discovery/insight-requirement-layers/requirement-layers.json

输出Schema:

{
  "type": "object",
  "required": ["analysis_metadata", "requirement_layers", "summary"],
  "properties": {
    "analysis_metadata": {"type": "object", "description": "分析元数据,包含来源、需求数量和时间戳"},
    "requirement_layers": {"type": "array", "description": "需求三层拆解结果列表"},
    "summary": {"type": "object", "description": "拆解统计摘要"}
  }
}

输出校验规则

字段路径类型必填说明
analysis_metadata.sourcestring是必须非空,标识数据来源
analysis_metadata.total_requirementsinteger是必须 ≥ 0,与requirement_layers数组长度一致
analysis_metadata.analysis_timestampstring是必须符合ISO8601格式
requirement_layers[].idstring是必须非空且在数组内唯一
requirement_layers[].sourcestring是必须非空,标识需求来源
requirement_layers[].surface.contentstring是必须非空,保留原始表述
requirement_layers[].surface.confidencenumber是必须等于1.0
requirement_layers[].behavioral.contentstring是必须非空,包含场景+行为描述
requirement_layers[].behavioral.confidencenumber是必须在0.7-0.9范围内
requirement_layers[].behavioral.inference_basisstring是必须非空,记录推断逻辑和数据来源
requirement_layers[].essential.contentstring是必须非空,描述底层动机
requirement_layers[].essential.confidencenumber是必须在0.4-0.7范围内
requirement_layers[].essential.inference_basisstring是必须非空,记录推断逻辑和数据来源
requirement_layers[].validation_neededboolean是本质需求置信度<0.5或行为需求置信度<0.7时必须为true
requirement_layers[].validation_reasonstring条件必填当validation_needed=true时必须非空,说明验证原因
summary.totalinteger是必须 ≥ 0,与requirement_layers数组长度一致
summary.needs_validationinteger是必须 ≥ 0且 ≤ summary.total
summary.high_confidenceinteger是必须 ≥ 0且 ≤ summary.total

Output JSON 格式

{
  "analysis_metadata": {
    "source": "原始需求列表",
    "total_requirements": 0,
    "analysis_timestamp": "ISO8601"
  },
  "requirement_layers": [
    {
      "id": "REQ-001",
      "source": "用户反馈",
      "surface": {
        "content": "希望增加批量导出功能",
        "confidence": 1.0
      },
      "behavioral": {
        "content": "运营人员在月度报表场景下,需要一次性导出多份报表,当前只能逐个导出",
        "confidence": 0.85,
        "inference_basis": "用户反馈频率8次+行为数据:报表导出页面平均停留时长异常"
      },
      "essential": {
        "content": "追求工作效率,减少重复性劳动,获得工作成就感",
        "confidence": 0.6,
        "inference_basis": "从行为需求推断+JTBD情感Job交叉验证"
      },
      "validation_needed": true,
      "validation_reason": "本质需求置信度0.6<0.7,建议通过用户访谈验证"
    },
    {
      "id": "REQ-002",
      "source": "业务方",
      "surface": {
        "content": "需要支持多语言界面",
        "confidence": 1.0
      },
      "behavioral": {
        "content": "海外团队在使用系统时因语言障碍导致操作效率低,需借助翻译工具",
        "confidence": 0.75,
        "inference_basis": "业务方需求描述+海外团队反馈"
      },
      "essential": {
        "content": "降低跨文化协作成本,提升全球化业务竞争力",
        "confidence": 0.45,
        "inference_basis": "从行为需求推断,缺乏直接数据佐证"
      },
      "validation_needed": true,
      "validation_reason": "本质需求置信度0.45<0.5,必须标记需人类验证"
    }
  ],
  "summary": {
    "total": 0,
    "needs_validation": 0,
    "high_confidence": 0
  }
}

决策规则

规则条件动作
本质需求低置信度强制验证本质需求置信度 < 0.5必须标记 validation_needed: true,升级人类验证
行为需求低置信度验证行为需求置信度 < 0.7标记 validation_needed: true,建议补充数据
表层需求冲突同一需求不同来源表述矛盾标记冲突,升级人类判定
数据不足原始需求条目 < 3标记分析结果为低可信度

质量检查

  • 每条需求三层(surface/behavioral/essential)均已拆解
  • 每层均有置信度标注
  • 本质需求已标记验证状态(validation_needed字段)
  • 低置信度项已列入验证清单
  • 推断依据(inference_basis)非空

降级策略

当上游文件不存在时,本Skill仍可独立执行:

缺失的上游输入降级方案输出影响
需求列表用户口述需求 → 直接拆解三层,标注"缺乏结构化需求输入"inference_basis缺失数据佐证,行为需求置信度上限降至0.7
所有上游文件均缺失提示用户先执行前序阶段,或基于用户口头描述的需求直接拆解三层模型所有推断均无数据佐证,本质需求置信度上限降至0.5,全部标记validation_needed=true

数据获取说明:

  • 本Skill需要需求列表数据,请通过以下方式之一提供:
    1. 直接粘贴需求文本
    2. 上传需求列表JSON/CSV文件
    3. 提供数据文件路径
  • AI不负责外部数据采集,仅负责分析

上游变更响应

上游变更影响

上游变更类型影响范围响应动作
需求列表字段新增requirement_layers结构需同步扩展评估新字段是否影响三层拆解逻辑,必要时更新推断模式库
需求列表字段删除依赖该字段的推断依据失效标记受影响条目的inference_basis为"字段已删除",降低对应置信度
需求列表格式变更Input JSON解析可能失败尝试兼容解析,失败则提示用户提供正确格式
上游分析结果更新(如voice-analysis.json)行为需求的佐证数据变化重新评估受影响条目的inference_basis和置信度

下游通知机制

本Skill输出变更受影响下游通知方式
requirement_layers结构新增字段insight-kano、insight-priority-scoring在analysis_metadata中添加schema_version字段,下游按版本适配
置信度阈值调整insight-5whys、insight-priority-scoring更新summary中needs_validation计数,下游重新评估优先级
推断模式库扩展无直接影响内部优化,输出格式不变
slack-gif-creatoranthropics/skillsKnowledge and utilities for creating animated GIFs optimized for Slack. Provides constraints, validation tools, and animation concepts. Use when users request animated GIFs for Slack like "make me a GIF of X doing Y for Slack."Stars: 198kUpdated Claude CodeCodexVerifiedInstall
ponytailDietrichGebert/ponytailLazy senior dev mode for any coding task: the smallest change that fully solves it, and a reply a busy human understands in one read.Stars: 194kUpdated Claude CodeCodexVerifiedInstall
ponytail-debtDietrichGebert/ponytailHarvest every shortcut: comment into one debt ledger, so deferrals get tracked instead of forgotten. One-shot report.Stars: 194kUpdated Claude CodeCodexVerifiedInstall
ponytail-debtDietrichGebert/ponytailList every `shortcut:` comment (and older `ponytail:` ones) as a debt ledger. One-shot report, changes nothing. Use for "ponytail debt", "what did ponytail defer", "list the shortcuts", /ponytail-debt.Stars: 194kUpdated Claude CodeCodexVerifiedInstall