agentsclimarketplace

Validation assumption map

Skill LuckyOneTwoThree/pm-skill/pm-03-design/skills/validation-assumption-map

102 AI Agent Skills for the full product lifecycle. Compatible with Trae / Claude Code. 9 modules from discovery to launch to growth. | 102 个覆盖产品全生命周期的 AI Agent Skills,兼容 Trae / Claude Code,9 大模块从探索发现到上线增长。

Install
npx -y skills add LuckyOneTwoThree/pm-skill --skill validation-assumption-map

Assembled from the repository path, not quoted from the project. Check it against their README if it does not work.

2 things to look at

  • no licenseNo license file was found in the repository. Code published without one is not open source by default, so using it at work is a question for whoever answers licensing questions where you are.
  • 6 stars6 stars. Stars are a popularity signal and not a quality one, but at this level it is likely that nobody has read this closely except its author, and you would be relying on your own review.

What its author says it does

Copied from the file, not written here

当需要提取和评估产品假设时使用。假设地图自动生成工具,根据方案设计和PRD,自动提取价值假设、可行性假设、可用性假设、增长假设,并进行风险评估和验证方法推荐。关键词:假设提取、风险评估、假设地图、验证方法、假设梳理、风险假设。

SKILL.md

9.0 KB, ~2.9k tokens by cl100k_base, as published. Nobody here has run it

假设地图自动生成

核心原则

  1. 每个功能点背后都是假设——没有经过验证的功能点就是赌注,假设地图是赌注清单
  2. 风险=影响×不确定性——高影响+高不确定性的假设是最大风险,必须优先验证
  3. 验证方法与假设类型必须匹配——价值假设用落地页测试,可用性假设用原型测试,不可错配
  4. 最大风险假设必须有验证计划——识别风险而不规划验证,等于知道有雷却不排雷

基本信息

属性
Pipeline ID12
名称假设地图自动生成
执行模式🤖 AI自动执行
输入方案设计输出 + PRD

交互模式

🤖→👤 AI建议人类审批

输入

输入项类型必填来源说明
方案设计输出JSONoutput/pm-design/design-prototype / output/pm-design/design-userflow功能列表、用户旅程、交互设计说明
PRDmarkdownoutput/pm-design/design-prd/prd.md问题陈述、目标用户、核心价值主张
PRD结构化数据JSONoutput/pm-design/design-prd/prd.jsonPRD机器可消费版本,包含features[],供假设提取对齐

输入格式

{
  "solution_design": {
    "features": ["功能1", "功能2", ...],
    "user_journey": "用户旅程描述",
    "interaction_design": "交互设计说明"
  },
  "prd": {
    "problem_statement": "问题陈述",
    "target_users": "目标用户",
    "core_value": "核心价值主张"
  }
}

执行步骤

Step 1: 假设提取

对每个功能点,提取以下四类假设:

假设类型定义示例
价值假设用户是否认可该功能价值用户愿意为XX功能付费
可行性假设技术/资源是否支撑实现我们能够实现XX功能
可用性假设用户是否能顺利使用用户能理解XX的操作方式
增长假设该功能是否能驱动增长XX功能能带来用户留存提升

规则: 每个功能点 → 至少1个假设

Step 2: 假设风险评估

对每个假设进行风险评估:

维度评分说明
影响度 (Impact)1-5假设不成立对产品的影响程度
不确定性 (Uncertainty)1-5假设成立概率的不确定程度

风险分数计算: risk_score = impact × uncertainty

风险等级分数范围标识
高风险15-25is_max_risk = true
中风险8-14is_max_risk = false
低风险1-7is_max_risk = false

Step 3: 验证方法推荐

根据假设类型,推荐验证方法:

假设类型推荐验证方法
价值假设落地页测试、预售MVP、用户访谈、付费意愿调研
可行性假设技术原型、成本估算、专家评审
可用性假设原型测试、可用性测试、任务完成率分析
增长假设A/B测试、数据分析、用户行为追踪

输出

存储路径output/pm-design/validation-assumption-map/ 输出文件:assumption_map.json

{
  "assumption_map": [
    {
      "id": "A001",
      "feature_id": "F001",
      "type": "value|feasibility|usability|growth",
      "assumption": "假设内容描述",
      "impact": 4,
      "uncertainty": 4,
      "risk_score": 16,
      "is_max_risk": false,
      "validation_method": "推荐验证方法",
      "validation_metric": "验证指标"
    }
  ],
  "summary": {
    "total_assumptions": 12,
    "max_risk_assumptions": ["A005", "A008"],
    "assumption_coverage": "100%"
  }
}

输出字段说明

字段类型说明
idstring假设唯一标识
feature_idstring关联的功能点ID
typeenum假设类型
assumptionstring假设内容
impactnumber影响度评分(1-5)
uncertaintynumber不确定性评分(1-5)
risk_scorenumber风险分数(1-25)
is_max_riskboolean是否为最大风险假设
validation_methodstring推荐验证方法
validation_metricstring验证指标

输出校验规则:详见下方输出校验规则章节

决策规则

  1. 最大风险假设识别

    • 必须识别风险分数最高的假设
    • 最大风险假设必须有明确的验证计划
  2. 假设验证方法

    • 每个假设必须有对应的验证方法
    • 验证方法必须与假设类型匹配

质量检查

检查项通过条件检查结果
功能点覆盖所有功能点都有至少1个假设pass/fail
假设风险评估每个假设都有impact和uncertainty评分pass/fail
验证方法匹配验证方法与假设类型对应pass/fail
最大风险识别识别出风险分数最高的假设pass/fail

降级策略

缺失的上游输入降级方案输出影响
方案设计数据缺失用户提供方案描述,提取假设缺乏结构化方案数据,假设覆盖可能不全
PRD文档缺失用户提供方案描述,提取假设缺乏PRD数据,假设与需求可能脱节
方案设计+PRD均缺失用户提供方案描述,提取假设整体置信度降低,假设可能不够完整
所有上游文件均缺失提示用户先执行前序阶段,或基于用户方案描述提取假设输出仅为基本假设列表

输出校验规则

字段路径类型必填说明
assumption_maparray假设列表
assumption_map[].idstring假设唯一标识
assumption_map[].feature_idstring关联功能点ID
assumption_map[].typestring假设类型(value/feasibility/usability/growth)
assumption_map[].assumptionstring假设内容
assumption_map[].impactnumber影响度评分(1-5)
assumption_map[].uncertaintynumber不确定性评分(1-5)
assumption_map[].risk_scorenumber风险分数(1-25)
assumption_map[].is_max_riskboolean是否为最大风险假设
assumption_map[].validation_methodstring推荐验证方法
assumption_map[].validation_metricstring验证指标
summaryobject统计摘要
summary.total_assumptionsinteger假设总数
summary.max_risk_assumptionsarray最大风险假设ID列表

上游变更响应

上游变更影响

上游变更影响范围响应策略
方案设计功能增删假设提取、风险评估标注受影响的功能点,建议人类确认是否重新提取假设
PRD核心价值变更价值假设标注受影响的价值假设,建议人类确认是否重新评估
原型交互变更可用性假设标注受影响的可用性假设,建议人类确认是否重新评估

下游通知机制

假设地图变更类型通知范围通知方式
假设增删validation-mvp、validation-experiment标记假设变更,触发MVP范围和实验设计更新
风险评分变更validation-mvp、validation-experiment标记评分变更,触发MVP Must Have和实验优先级更新
验证方法变更validation-experiment标记方法变更,触发实验方案更新

使用示例

输入:

功能点: 智能推荐
PRD核心价值: 帮助用户快速发现感兴趣的内容

输出:

{
  "assumption_map": [
    {
      "id": "A001",
      "feature_id": "F001",
      "type": "value",
      "assumption": "用户认为智能推荐能帮助其发现感兴趣的内容",
      "impact": 4,
      "uncertainty": 4,
      "risk_score": 16,
      "is_max_risk": true,
      "validation_method": "可用性测试",
      "validation_metric": "推荐内容点击率>15%"
    },
    {
      "id": "A002",
      "feature_id": "F001",
      "type": "usability",
      "assumption": "用户能理解推荐结果的来源和含义",
      "impact": 3,
      "uncertainty": 3,
      "risk_score": 9,
      "is_max_risk": false,
      "validation_method": "原型测试",
      "validation_metric": "任务完成率>80%"
    }
  ]
}

What ships with it

Read from the repository

Just SKILL.md. No reference files, no scripts.

Keep looking

Skills are one crate of 326,984. Ordering is by how many stacks a row turns up in, so the top of any crate is what has actually been picked rather than what has the most stars.