Pm brainstorm

Preamble (run first)

bash "$(dirname "${BASH_SOURCE[0]}")"/check-update.sh 2>/dev/null || true
# 读取技能包版本号
SKILL_ROOT="$(cd "$(dirname "${BASH_SOURCE[0]}")" 2>/dev/null && pwd)" || true
if [ -f "$SKILL_ROOT/VERSION" ]; then echo "📦 super-pm $(cat "$SKILL_ROOT/VERSION")"; fi
# 创建需求调研目录
mkdir -p docs/01-需求调研

# 检查是否有需求调研报告（仅做状态告知，不做路由推荐）
if [ ! -f "docs/01-需求调研/需求调研报告.md" ]; then
  echo "⚠️  未找到需求调研报告，将进入快速模式收集基础信息"
fi

---

跨 Agent 交互规则

当流程要求与用户交互时：

1. 如果当前环境支持 AskUserQuestion，使用 AskUserQuestion（最佳体验）。
2. 如果当前环境不支持 AskUserQuestion，必须用普通聊天消息提出同样问题。
3. 一次只问一个问题。
4. 提问后必须停止当前回合，等待用户回答（STOP and WAIT）。
5. 不得在用户回答前生成文档、调用 /pm-demand、调用 /pm-docs、写入 docs。
6. 已有 docs 文件不能替代本轮用户回答。

---

执行流程

所有步骤均为 [MANDATORY]，不得跳过任何步骤。完成当前步骤之前不得进入下一步骤。

步骤 1 [MANDATORY]: 读取前置数据

如果存在需求调研报告：

使用 Read 工具读取 docs/01-需求调研/需求调研报告.md 作为参考。

⚠️ MUST ask user to confirm: "检测到已有需求调研报告，是否适用于当前产品？"

使用 AskUserQuestion 询问：

检测到已有需求调研报告，是否适用于当前产品？

A) 适用 — 基于已有报告继续，但仍需确认关键信息是否准确 B) 不适用 / 不确定 — 进入快速模式，重新收集基础信息

跨 Agent 兜底：如果当前环境不支持 AskUserQuestion，用普通聊天消息提出同样问题，然后 STOP and WAIT for user response。

• 用户确认适用 → 提取关键信息作为参考，但仍必须使用 AskUserQuestion 向用户逐个确认：产品名称是否准确？目标用户是否准确？核心痛点是否准确？每个确认后 STOP and WAIT。
• 用户确认不适用 / 不确定 → 进入快速模式，使用 AskUserQuestion 收集基础信息。

如果没有需求调研报告：

进入快速模式，使用 AskUserQuestion 收集基础信息：

⚠️ MUST ask user 3 questions ONE AT A TIME. NEVER ask all 3 at once.

📝 快速模式 - 请提供基础信息：

问题1：产品名称是什么？ → STOP and WAIT for user response

问题2：目标用户是谁？ → STOP and WAIT for user response

问题3：核心痛点是什么？ → STOP and WAIT for user response

跨 Agent 兜底：如果当前环境不支持 AskUserQuestion，用普通聊天消息提出同样问题，然后 STOP and WAIT for user response。

---

步骤 2 [MANDATORY]: 确定发散方向

使用 AskUserQuestion 询问：

⚠️ MUST ask user to choose direction. NEVER assume or skip.

🎯 我要探索产品的哪个方向？

A) 产品功能创新 - 探索核心功能、差异化特性 B) 用户增长方案 - 如何获取、激活、留存用户 C) 商业模式设计 - 如何变现、构建可持续商业模式 D) 用户体验优化 - 如何提升易用性、满意度 E) 灵感火花激发 - 我不知道做什么，需要AI帮我找灵感（v2.1新增） F) 其他方向（请手动输入）

跨 Agent 兜底：如果当前环境不支持 AskUserQuestion，用普通聊天消息提出同样问题，然后 STOP and WAIT for user response。

用户选择后，记录到变量 BRAINSTORM_DIRECTION

---

如果选择"灵感火花激发"（v2.1新增）：

适用场景：用户不知道做什么产品，需要AI主动激发灵感

执行流程：

步骤 2.1: 灵感维度扫描 & Subagent 并行搜索（核心优化）

AI 提示用户：

🔍 灵感火花激发引擎启动（Subagent 并行模式）

我将同时从4个维度搜索灵感源，请稍候...

• 行业痛点 → Subagent 1
• 技术趋势 → Subagent 2
• 生活场景 → Subagent 3
• 跨界灵感 → Subagent 4

并行派发 4 个 subagent 搜索：

使用 Agent 工具同时派发：

Subagent 1 - 行业痛点:
  type: "general-purpose"
  prompt: |
    搜索行业痛点和用户未被满足的需求。

    搜索要求：
    1. 搜索工具优先级：首选 AnySearch（先定位 anysearch_cli.py：检查 ~/.claude/skills/anysearch/scripts/ ~/.opencode/skills/anysearch/scripts/ ~/.openclaw/skills/anysearch/scripts/ ~/.cursor/skills/anysearch/scripts/ ~/.anysearch/scripts/ 或 which anysearch_cli.py，找到后 Bash 调用 python3 <路径> search "查询词" --max_results 5），失败降级到 Exa MCP（mcp__exa__web_search_exa），最后才用 WebSearch。使用 WebSearch 时标注降级模式
    2. 搜索：site:36kr.com OR site:huxiu.com 用户痛点 2026；site:zhihu.com 用户抱怨 不满
    3. 搜索：ProductHunt 用户差评 痛点
    4. 提取 5-8 个具体痛点，每个包含：痛点描述、受影响用户、严重程度

    输出 JSON 格式：
    {"dimension":"行业痛点","findings":[{"pain_point":"描述","users":"受影响用户","severity":"高/中/低"}]}

Subagent 2 - 技术趋势:
  type: "general-purpose"
  prompt: |
    搜索2026年最新技术趋势和AI应用场景。

    搜索要求：
    1. 搜索工具优先级：首选 AnySearch（先定位 anysearch_cli.py：检查 ~/.claude/skills/anysearch/scripts/ ~/.opencode/skills/anysearch/scripts/ ~/.openclaw/skills/anysearch/scripts/ ~/.cursor/skills/anysearch/scripts/ ~/.anysearch/scripts/ 或 which anysearch_cli.py，找到后 Bash 调用 python3 <路径> search "查询词" --max_results 5），失败降级到 Exa MCP（mcp__exa__web_search_exa），最后才用 WebSearch。使用 WebSearch 时标注降级模式
    2. 搜索：AI新技术 应用场景 2026 site:mittrchina.com OR site:ifanr.com
    3. 搜索：2026 技术趋势 创业机会
    4. 提取 5-8 个技术驱动的产品机会，每个包含：技术名称、应用场景、可行性

    输出 JSON 格式：
    {"dimension":"技术趋势","findings":[{"tech":"技术","scenario":"场景","feasibility":"高/中/低"}]}

Subagent 3 - 生活场景:
  type: "general-purpose"
  prompt: |
    搜索2026年效率工具和生活方式变化带来的产品机会。

    搜索要求：
    1. 搜索工具优先级：首选 AnySearch（先定位 anysearch_cli.py：检查 ~/.claude/skills/anysearch/scripts/ ~/.opencode/skills/anysearch/scripts/ ~/.openclaw/skills/anysearch/scripts/ ~/.cursor/skills/anysearch/scripts/ ~/.anysearch/scripts/ 或 which anysearch_cli.py，找到后 Bash 调用 python3 <路径> search "查询词" --max_results 5），失败降级到 Exa MCP（mcp__exa__web_search_exa），最后才用 WebSearch。使用 WebSearch 时标注降级模式
    2. 搜索：ProductHunt 2026 最佳产品 效率工具
    3. 搜索：2026 生活方式变化 新需求
    4. 提取 5-8 个生活场景相关的产品灵感，每个包含：场景描述、用户需求、已有方案

    输出 JSON 格式：
    {"dimension":"生活场景","findings":[{"scenario":"描述","need":"用户需求","existing":"已有方案"}]}

Subagent 4 - 跨界灵感:
  type: "general-purpose"
  prompt: |
    搜索其他行业的创新商业模式和成功案例。

    搜索要求：
    1. 搜索工具优先级：首选 AnySearch（先定位 anysearch_cli.py：检查 ~/.claude/skills/anysearch/scripts/ ~/.opencode/skills/anysearch/scripts/ ~/.openclaw/skills/anysearch/scripts/ ~/.cursor/skills/anysearch/scripts/ ~/.anysearch/scripts/ 或 which anysearch_cli.py，找到后 Bash 调用 python3 <路径> search "查询词" --max_results 5），失败降级到 Exa MCP（mcp__exa__web_search_exa），最后才用 WebSearch。使用 WebSearch 时标注降级模式
    2. 搜索：创新商业模式 成功案例 2026
    3. 搜索：跨界创新 行业颠覆 案例
    4. 提取 5-8 个可借鉴的跨界灵感，每个包含：来源行业、创新点、可迁移性

    输出 JSON 格式：
    {"dimension":"跨界灵感","findings":[{"industry":"来源行业","innovation":"创新点","transferable":"可迁移性"}]}

等待所有 4 个 subagent 完成，收集 JSON 结果。

---

步骤 2.2: 生成10个灵感火花

AI 整合 4 个 subagent 返回的结构化数据，生成10个灵感火花，每个包含：

• 产品概念（一句话）
• 用户痛点
• 技术可行性（高/中/低）
• 市场潜力（高/中/低）

输出示例：

#	产品概念	用户痛点	技术可行性	市场潜力
1	AI会议纪要自动生成器	会议效率低，纪要撰写耗时	高（语音识别成熟）	高（企业刚需）
2	智能代码审查助手	代码质量难以把控	高（LLM理解代码）	高（开发者需求）
3	个人知识图谱构建工具	信息碎片化，难以体系化	中（需要知识图谱技术）	中（知识分子需求）
4	...	...	...	...

---

步骤 2.3: 用户选择深入探索

使用 AskUserQuestion 询问：

💡 已生成10个灵感火花，请选择您感兴趣的：

A) 灵感#1: {根据结果动态填充} B) 灵感#2: {动态填充} C) 灵感#3: {动态填充} D) 查看更多灵感（滚动展示） E) 自定义方向（请手动输入）

用户选择后，进入步骤 3: 逐步深入探索，对该灵感进行详细发散。

---

优化说明（灵感火花部分）：

• 优化前：主 agent 串行执行4次搜索，搜索结果占用上下文约 8,000 tokens
• 优化后：4个 subagent 并行搜索，主 agent 只处理结构化 JSON，节省约 85% token
• 速度提升：从 ~4 分钟（串行搜索）→ ~1.5 分钟（并行 subagent）

---

步骤 2.5 [MANDATORY]: 选择头脑风暴模式（v2.0新增）

使用 AskUserQuestion 询问：

⚠️ MUST ask user to choose mode. NEVER assume or skip.

🧠 选择头脑风暴模式：

A) 常规发散思维 - 基于行业经验和类比推理 B) 第一性原理拆解 - 从基本事实推导，突破常规假设 C) SCAMPER创新法 - 替代、组合、调整、修改、用途、消除、重排

跨 Agent 兜底：如果当前环境不支持 AskUserQuestion，用普通聊天消息提出同样问题，然后 STOP and WAIT for user response。

用户选择后，记录到变量 BRAINSTORM_MODE

---

步骤 3 [MANDATORY]: 逐步深入探索

根据选择的模式，采用不同的探索路径：

---

如果选择"第一性原理拆解"（v2.0新增）：

第一性原理核心：

• 拆解到基本事实
• 从基本事实重新推导
• 突破常规假设和类比思维

---

步骤 3.1: 拆解基本事实

使用 AskUserQuestion 询问：

🔍 第一性原理拆解 - 步骤1

请列出与"{产品方向}"相关的基本事实（不证自明的真理）：

示例（配送速度）：

• 用户期望：越快越好
• 物理极限：光速、交通速度
• 成本规律：速度越快成本越高

请逐个输入基本事实：

引导用户输入 3-5 个基本事实：

1. {基本事实1}
2. {基本事实2}
3. {基本事实3}

---

步骤 3.2: 识别常规假设

使用 AskUserQuestion 询问：

🎭 第一性原理拆解 - 步骤2

行业中的常规假设是什么？（可能存在认知偏差）

示例（配送速度）：

• 假设1：30分钟送达是极限
• 假设2：必须有自己的配送团队
• 假设3：用户不愿意支付高价

请列出行业常规假设：

引导用户识别 3-5 个常规假设：

1. {常规假设1}
2. {常规假设2}
3. {常规假设3}

---

步骤 3.3: 挑战假设，重新推导

针对每个假设，使用 AskUserQuestion 询问：

💡 第一性原理拆解 - 步骤3

挑战假设："{常规假设}"

A) 这个假设是真的吗？有反例吗？ B) 如果打破这个假设，会怎样？ C) 有其他方式实现同样的目标吗？ D) 这个假设的根源是什么？ E) 其他思考（请手动输入）

AI 分析：

• 找出假设的漏洞
• 提出突破性方案
• 结合基本事实重新推导

---

步骤 3.4: 生成创新方案

AI 根据第一性原理推导，生成突破性方案：

示例输出（配送速度）：

常规方案：

• 自建配送团队 → 成本高，难扩张
• 第三方物流 → 速度不可控
• 前置仓模式 → 成本高，覆盖范围小

第一性原理方案：

1. 众包配送：突破"必须有自己团队"的假设

   • 利用闲散劳动力
   • 成本低，灵活性强

2. 预测备货：突破"用户下单后才开始准备"的假设

   • 基于AI预测提前备货
   • 用户下单时已在配送途中

3. 社区微仓：突破"集中式仓储"的假设

   • 分布式微仓
   • 5分钟送达成为可能

---

如果选择"常规发散思维"：

关键原则：

• 一次只问一个问题
• 每个问题提供 3-5 个选项
• 最后一个选项永远是"其他（手动输入）"
• 根据用户选择，逐步深入
• 使用 AskUserQuestion 逐个询问
• 提问后必须 STOP and WAIT for user response
• 跨 Agent 兜底：如果当前环境不支持 AskUserQuestion，用普通聊天消息提出同样问题，然后 STOP and WAIT

---

如果选择"产品功能创新"：

问题 1：

核心功能应该解决什么问题？

A) 提升效率 - 让用户更快完成任务 B) 降低门槛 - 让新用户更容易上手 C) 增强体验 - 让过程更愉悦、更有趣 D) 创造连接 - 让用户之间产生互动 E) 其他（请手动输入）

---

问题 2：

如何实现差异化？

A) 技术创新 - 使用新技术或独特算法 B) 模式创新 - 创新的商业模式或运营方式 C) 体验创新 - 更好的用户界面或交互 D) 服务创新 - 更好的客户服务或售后支持 E) 其他（请手动输入）

---

问题 3：

哪些功能是必须有的（MVP）？

A) 核心功能 + 基础体验 B) 核心功能 + 社交属性 C) 核心功能 + 数据分析 D) 核心功能 + 会员体系 E) 其他（请手动输入）

---

如果选择"用户增长方案"：

问题 1：

主要增长渠道是什么？

A) 内容营销 - 通过内容吸引流量 B) 社交传播 - 通过用户分享裂变 C) 付费推广 - 广告投放、KOL合作 D) 线下推广 - 地推、活动、展会 E) 其他（请手动输入）

---

问题 2：

如何激活用户？

A) 新手引导 - 清晰的Onboarding流程 B) 激励机制 - 签到奖励、新手红包 C) 社交驱动 - 好友邀请、团队协作 D) 内容推荐 - 个性化内容推送 E) 其他（请手动输入）

---

问题 3：

如何提升留存？

A) 会员体系 - 等级、积分、特权 B) 内容更新 - 持续提供新鲜内容 C) 社区运营 - 用户互动、UGC激励 D) 定期活动 - 限时活动、节日营销 E) 其他（请手动输入）

---

如果选择"商业模式设计"：

问题 1：

主要收入来源是什么？

A) 直接付费 - 用户购买产品或服务 B) 订阅制 - 按月/年收费（会员、SaaS） C) 广告收入 - 广告展示、信息流广告 D) 交易佣金 - 平台抽成、手续费 E) 其他（请手动输入）

---

问题 2：

定价策略是什么？

A) 免费增值 - 基础免费，高级功能收费 B) 分层定价 - 不同价格不同功能 C) 按量付费 - 按使用量或时长收费 D) 一次性付费 - 买断制 E) 其他（请手动输入）

---

问题 3：

如何降低付费门槛？

A) 免费试用 - 先试用后付费 B) 阶梯优惠 - 长期订阅优惠 C) 推荐奖励 - 邀请好友获得优惠 D) 捆绑销售 - 与其他产品打包 E) 其他（请手动输入）

---

如果选择"用户体验优化"：

问题 1：

当前最大的体验问题是什么？

A) 操作复杂 - 步骤太多、流程太长 B) 视觉混乱 - 界面不清晰、信息过载 C) 反馈不足 - 不知道操作结果 D) 性能问题 - 加载慢、卡顿 E) 其他（请手动输入）

---

问题 2：

如何简化操作流程？

A) 智能推荐 - 减少用户决策 B) 一键操作 - 减少步骤 C) 语音交互 - 解放双手 D) 自动填充 - 记忆用户习惯 E) 其他（请手动输入）

---

问题 3：

如何增强用户满意度？

A) 个性化定制 - 根据用户偏好调整 B) 即时反馈 - 操作后立即响应 C) 惊喜设计 - 意想不到的彩蛋或奖励 D) 情感连接 - 温馨文案、节日祝福 E) 其他（请手动输入）

---

步骤 4 [MANDATORY]: 汇总创意方案

AI 根据用户选择，汇总生成创意方案库。

---

步骤 5 [MANDATORY]: 生成创意方案库文档

使用 Write 工具创建 docs/01-需求调研/创意方案库.md：

# 创意方案库

## 一、基础信息

- **产品名称**: {PRODUCT_NAME}
- **发散方向**: {BRAINSTORM_DIRECTION}
- **生成时间**: {当前时间}

---

## 二、核心创意方案

### 方向 1: {根据用户选择生成标题}

**核心思路**:
{根据用户回答生成的详细描述}

**具体方案**:
1. {方案细节1}
2. {方案细节2}
3. {方案细节3}

**预期效果**:
{预期的业务效果}

---

### 方向 2: {第二个方向}

**核心思路**:
{描述}

**具体方案**:
1. {细节}
2. {细节}

**预期效果**:
{效果}

---

## 三、创意评分

| 方案 | 可行性 | 创新性 | 用户价值 | 商业价值 | 总分 |
|------|--------|--------|----------|----------|------|
| 方案1 | ⭐⭐⭐⭐ | ⭐⭐⭐⭐⭐ | ⭐⭐⭐⭐ | ⭐⭐⭐ | 16/20 |
| 方案2 | ⭐⭐⭐⭐⭐ | ⭐⭐⭐ | ⭐⭐⭐⭐ | ⭐⭐⭐⭐ | 16/20 |

---

## 四、下一步建议

建议执行：

1. **/pm-clarify** - 需求细化，明确具体需求细节（推荐）
2. **/pm-market** - 市场分析，验证方案可行性
3. **/pm-priority** - 优先级排序，决定先做哪个

---

**项目状态**: 创意发散完成
**生成时间**: {时间戳}
**生成工具**: super-pm

---

步骤 6 [MANDATORY]: 输出完成提示

使用 AskUserQuestion 提供下一步选项：

✅ 头脑风暴完成！

📄 创意方案库已生成：docs/01-需求调研/创意方案库.md

🎯 建议下一步：

A) 执行 /pm-clarify - 需求细化，明确细节（推荐） B) 执行 /pm-market - 市场分析，验证可行性 C) 执行 /pm-priority - 优先级排序 D) 查看创意方案库

跨 Agent 兜底：如果当前环境不支持 AskUserQuestion，用普通聊天消息提出同样问题，然后 STOP and WAIT for user response。

---

兜底机制

场景 1: 无需求调研报告

提供快速模式选项，允许手动输入基础信息。

场景 2: 用户选择"其他"

允许用户手动输入，AI 理解并继续探索。

---

注意事项

1. 一次一问：严格遵循，避免信息过载
2. 3-5选项：每个问题提供清晰选项
3. 最后一项"其他"：允许用户自由输入
4. 逐步深入：根据用户选择继续深入探索
5. Markdown存储：生成的方案库人类可读可编辑

---

输出质量对比

✅ Good 示例：

- 有数据引用：「根据 Q4 数据，留存率从 35% 降至 28%」
- 有验证来源：「数据来源：Google Analytics, 2025-12-01」
- 有明确建议：「建议将新手引导步骤从 5 步减少至 3 步」

❌ Bad 示例：

- 模糊结论：「数据表明留存率有所下降」
- 无来源：「根据经验，这个功能很重要」
- 没有行动建议：「留存是个问题」

---

常见误区 / Red Flags — STOP

出现以下情况立即停止并回溯：

误区	正确做法
使用"应该"、"大概"、"看起来"做结论	必须基于实际数据和验证
未运行检查就声称已完成	先验证，再陈述
因时间紧迫跳过关键步骤	没有例外，时间紧更要严格
"这次应该没问题"的想法	每次都要重新验证

---

产出质量检查 / Verification Checklist

• 前置依赖已满足（输入文档/数据已收集）
• 核心步骤已全部执行
• 输出文档已生成到 docs/ 目录
• 每个判断都有数据/证据支撑
• 已推荐 2-3 个后续 skill

⚠️ 任何一项未通过 → 补全后再标记完成。

---