# Deep Interview

> deep-interview — Socratic Deep Interview Protocol

- Skill: `an8079/deep-interview` (Agent Skill)
- Install (CLI): `npx skillmds@latest add an8079/deep-interview`
- Raw SKILL.md: https://api.skillmd.com/api/skills/an8079/deep-interview/raw
- Safety review: pending
- Works with: Claude Code, Claude.ai, OpenAI Codex
- Category: Coding & Dev Tools
- Author: an8079 (https://skillmd.com/u/an8079)
- Updated: 2026-09-17
- Page: https://skillmd.com/skills/an8079/deep-interview

---

# deep-interview — Socratic Deep Interview Protocol

## name
deep-interview

## description
苏格拉底式深度访谈技能：通过连续追问挖掘用户真实需求、隐含假设和未被言明的约束。与 `deep-dive`（技术深挖）不同，deep-interview 是人本需求挖掘——关注"为什么"而非"怎么做"。每次访谈以"三层真相"（表面需求 / 深层动机 / 元动机）为导向，直到用户确认已触及核心。

## when to activate
用户说以下话时激活：
- "我想做一个产品"
- "deep interview"
- "帮我理清需求"
- "我有个想法"
- "苏格拉底"
- 用户提出模糊或高层次的请求（"帮我做一个 App"、"做个好的网站"）
- 需求不清晰但用户急着要方案时

**激活策略**：当用户需求过于抽象（无具体指标、用户画像、技术约束），且尚未被其他技能处理时触发。

## protocol

### 核心原则
1. **不预设答案**：用户说什么追问什么，不引导到预设结论
2. **一次一问**：每次只问一个问题，避免多重问题导致信息混乱
3. **追问 5 层**：直到用户说"对，这就是核心"或主动停止
4. **记录沉默**：用户沉默时等待 3 秒，不急着补充
5. **收敛确认**：每层追问后复述理解，寻求确认

---

### 第一层：表面需求（Surface Need）
**目标**：弄清用户想要什么

**协议步骤：**
1. 复述用户原话："所以你想..."
2. 追问："具体指什么？"
3. 追问："你期望的最终效果是什么样的？"
4. **判断**：当用户开始用"不只是...而且是..."这样的句式时，说明已触及第二层

**示例问题：**
- "你说的 XX，具体指什么？"
- "你希望最后呈现出来是什么样子的？"
- "用户打开这个功能时，第一眼应该看到什么？"
- "这个功能上线后，你怎么判断它是成功的？"

---

### 第二层：深层动机（Deep Motivation）
**目标**：理解用户为什么想要这个

**协议步骤：**
1. 引入动机词："你希望解决什么问题？"
2. 追问原因链："为什么这个对你重要？"
3. 每回答一次，再问一次"为什么这对你重要？"（3~5 次）
4. **判断**：当回答开始涉及个人价值、情感、职业目标时，说明已触及深层

**示例问题：**
- "为什么你想要这个？"
- "这背后解决的是一个什么问题？"
- "如果没有这个，你会面临什么？"
- "这个问题困扰你多久了？"
- "对你来说，理想状态是什么样的？"
- "做到什么程度你会说'这就对了'？"

---

### 第三层：元动机（Meta Motivation）
**目标**：理解用户的元动机——他为什么会在此刻提出这个需求

**协议步骤：**
1. 追问情境："是什么触发你今天想到这个？"
2. 追问约束："你有哪些不能做的事？"
3. 追问边界："有没有你绝对不想的方案？"
4. **判断**：当用户开始主动给出解决方案时，说明已触及元动机

**示例问题：**
- "是什么让你今天想到这个？发生了什么事？"
- "你有预算/时间/技术限制吗？"
- "有没有你绝对不想用的技术或方案？"
- "这个问题如果不解决，最坏的结果是什么？"
- "谁会对这个决定说 No？为什么？"

---

### 收敛阶段：综合确认（Synthesis）
在完成所有层级的追问后，输出结构化总结：

```
## 🎯 需求画像

### 表面需求
[一句话描述用户要什么]

### 深层动机
[背后的真正问题/动机]

### 元动机
[触发事件 + 约束边界]

### 目标用户
[如果用户没说，推断并确认]

### 成功标准
[量化指标，至少 2 个]

### 明确排除
[用户明确不想的方案/技术/方向]

### 核心问题
[一句话：这个问题不解决，用户会怎样？]
```

**最后问一句**："以上这些，你最想先解决哪个？"

---

## examples

**Example 1：用户说"我想做一个学习 App"**

**Agent 响应：**
```
Agent: 你想做学习 App，具体是指什么？有什么功能？
User: 就是帮学生复习考试的

Agent: 所以是帮助学生准备考试。具体是哪类考试？
User: 高考

Agent: 高考复习现在的痛点是什么？是什么让你想做这个？
User: 主要是内容太多，学生不知道从哪里开始

Agent: 内容太多导致无从下手。那么你觉得理想状态是？
User: 学生一打开就知道今天该复习什么

Agent: 一打开就知道该复习什么。你希望这个'知道'是系统自动算出来的，还是学生自己选的？
User: 系统自动算的，因为学生自己不会规划

Agent: （触及深层动机）所以系统的价值是替学生做规划。那你希望系统的规划依据是什么？
User: 根据考试时间来倒推

Agent: 好。让我确认一下：你希望做一个 App，通过倒推考试时间来自动规划每天的复习内容，帮助高考学生解决'内容太多不知道从哪开始'的问题。对吗？
User: 对！

Agent: 那这个 App 上线后，你怎么判断它是成功的？
User: 如果学生用了之后成绩平均提高 10 分
```

→ 进入收敛阶段，输出需求画像。

**Example 2：用户说"帮我做一个好看的网站"**

→ 直接触发 deep-interview，追问"好看"的具体含义、受众、评判标准、竞品。

## notes
- deep-interview 默认最多 10 个追问，超过时输出中间总结并问"继续深挖这个点还是换个方向？"
- 如果用户在第一层就给出非常具体的需求（有时间、有指标），直接进入收敛确认，跳过深层追问
- 每次访谈结束后，将总结写入 `memory/YYYY-MM-DD.md`
- 与 `learner` 技能配合：learner 从对话中提取原则，deep-interview 挖掘需求，两者形成闭环