agentsclimarketplace

Validation assumption map

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

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。From its SKILL.md

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.

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

属性值
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JSON是output/pm-design/design-prototype / output/pm-design/design-userflow功能列表、用户旅程、交互设计说明
PRDmarkdown是output/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JSON○output/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是假设列表
assumption_map[].idstring是假设唯一标识
assumption_map[].feature_idstring是关联功能点ID
assumption_map[].typestring是假设类型(value/feasibility/usability/growth)
assumption_map[].assumptionstring是假设内容
assumption_map[].impactnumber是影响度评分(1-5)
assumption_map[].uncertaintynumber是不确定性评分(1-5)
assumption_map[].risk_scorenumber是风险分数(1-25)
assumption_map[].is_max_riskboolean是是否为最大风险假设
assumption_map[].validation_methodstring是推荐验证方法
assumption_map[].validation_metricstring是验证指标
summaryobject是统计摘要
summary.total_assumptionsinteger是假设总数
summary.max_risk_assumptionsarray是最大风险假设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 325,949. 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.