tinylion1024 oh-my-growth - 增长策略外脑
多平台增长决策插件 — 支持 Claude Code、OpenClaw 和 Hermes Agent；主 Skill 可在 Claude Code 会话中直接调用。
将增长知识库、多Agent决策引擎与营销增长方法论包融合，帮助增长负责人完成前 70% 的策略思考。
核心价值：从”查阅知识”升级为”先诊断、再判断、后给实验”的增长外脑
快速开始
/omg-diagnose 我的产品日活下降20%，该怎么办？
/omg-assess 我们准备做裂变，先评估可行性
/omg-design SaaS产品如何设计变现策略？
/omg-match 游戏化留存案例
所有命令
| 命令 | 描述 | 使用场景 |
|---|---|---|
/omg-diagnose |
策略诊断 + 优先级 + 实验建议 | 增长负责人需要快速形成判断 |
/omg-assess |
机会可行性评估 | 现状还不够清楚，先做清晰度评估 |
/omg-design |
可落地的策略设计 | 知道要做什么，需要执行路径 |
/omg-fast-scan |
快速判断 | 这个想法靠谱吗？ |
/omg-brd |
完整决策文档 | 需要申请预算/资源 |
/omg-match |
匹配成功案例 | 想看看别人怎么做的 |
/omg-learn |
系统学习路径 | 想深入了解某个增长领域 |
/omg-search |
搜索知识库 | 直接检索案例/玩法/理论 |
/omg-validate |
验证输出文档 | 检查报告完整性 |
场景快捷入口
| 命令 | 描述 |
|---|---|
/omg-cold-start |
冷启动场景 - 获取前 100 个用户 |
/omg-retention |
留存场景 - 提升用户留存率 |
/omg-monetization |
变现场景 - 设计变现策略 |
/omg-referral |
裂变场景 - 评估裂变可行性 |
核心工作流
详见 workflow.md
用户输入 → 阶段/业务过程定位 → 问题诊断 → 知识检索 → 方法论包匹配 → 优先级判断 → 实验建议 → 输出生成
- 阶段与业务过程定位 → 先判断当前属于产品验证期、增长放大期还是规模经营期，以及问题更偏用户获取还是用户深耕
- 项目记忆注入 → 结合公司画像、目标用户、历史实验和重复失败模式
- 问题诊断 → 再判断主目标、北极星指标、最大约束与最可能的主矛盾
- 知识检索 → Case/Weapon/Theory Agent 检索最相关的案例、打法和理论
- 方法论包匹配 → 匹配吸收后的 SEO/AEO、GEO/LLM、CRO、Paid Ads、GTM、Lifecycle Email、Referral/RevOps 框架
- 优先级判断 → 用 ROI、执行复杂度、阶段匹配度、证据加分和失败模式惩罚排序
- 建议做 / 不做 → 明确指出当前该押注什么，不该分散到什么方向
- 实验计划 → 输出最小实验、成功信号、停止信号和复盘节奏
Agent 体系
详见 agents/ 目录和 agent-contract.md
核心决策Agent
| Agent | 职责 |
|---|---|
| Lead Agent | 编排协调、问题分类、冲突解决 |
| Growth Agent | 增长机制可行性评估 |
| Monetization Agent | 变现影响评估 |
| ROI Agent | 投资回报计算 |
| Execution Agent | 执行可行性评估 |
| Skeptic Agent | 假设挑战、风险识别 |
| Narrative Agent | 最终文档撰写 |
知识驱动Agent
| Agent | 职责 |
|---|---|
| Case Agent | 从案例库匹配相似案例 |
| Weapon Agent | 从武器库推荐增长玩法 |
| Theory Agent | 引用相关理论流派 |
决策规则
详见 bayesian-decision.md
核心原则：
- 弱机制 + 弱ROI → 不推荐投入
- 可行机制 + 低证据 → 推荐小实验
- 高收益 + 高执行复杂度 → 推荐分阶段推进
- 短期变现损害长期留存/品牌 → 降低优先级
- Agent间重大分歧 → 显式呈现分歧，转化为验证问题
- 有成功案例支撑的机制 → 提升置信度
框架配置
decision_frameworks:
bayesian:
reference: references/bayesian-decision.md
script: scripts/bayesian_decision.py
thresholds: { invest: 0.75, experiment: 0.50, collect: 0.30, stop: 0.20 }
gametheory:
reference: references/gametheory-framework.md
script: scripts/gametheory_analysis.py
scenarios: [competitive_response, pricing_strategy, platform_strategy, negotiation]
kelly:
reference: references/kelly-allocation.md
script: scripts/kelly_sizing.py
business_model:
reference: references/business-model.md
quality_assurance:
clarity_gate:
reference: references/current-state-clarity.md
thresholds: { insufficient: 54, workable: 74, clear: 75 }
safety_protocol:
reference: references/safety-boundaries.md
domains: [financial, legal, regulatory, operational]
output:
contract: references/report-contract.md
schema: references/output-schema.md
知识库结构
详见 knowledge-router.md
knowledge/
├── cases/ # 81个增长案例（china/overseas/vertical）
├── weapons/ # 111种增长玩法
├── method-packs/ # 营销增长方法论包（吸收外部skill后重写）
├── guides/ # 核心方法论
├── schools/ # 12大流派理论
└── modules/ # 系统学习模块
置信度声明
明确声明每个建议的置信度：
- High：强证据、可测试机制、执行可控
- Medium：可行机制但有重要假设
- Low：证据稀少、重大未知、无法验证
低置信度建议转化为实验计划，而非全量投入建议。
设计原则
- 决策导向：目标是决定是否值得投入，不是让想法听起来不错
- 知识驱动：每个决策都有案例/理论支撑
- 因果逻辑：强制清晰的因果链
- 早期暴露问题：在投入前识别风险
- 证据先行：证据弱时推荐实验而非全量投入
引用文件索引
核心框架
- 贝叶斯决策框架
- 博弈论战略框架
- Kelly资源分配框架
- 商业模式分析框架
- 营销增长方法论包
质量保障
- 现状清晰度门控
- 安全边界
- 问题库
- 输出契约
工作流与模板
- 工作流定义
- 增长操作框架
- 输出模板
- Agent契约
- 知识检索路由
计算脚本
scripts/bayesian_decision.py- 贝叶斯计算scripts/kelly_sizing.py- Kelly资源计算scripts/gametheory_analysis.py- 博弈论分析scripts/assess_clarity.py- 清晰度评估scripts/knowledge_retriever.py- 知识检索
Claude Code 兼容性
- 在主会话中保持编排逻辑
- 不要假设subagent可以spawn其他subagent
- 使用
.claude/agents/中的项目subagent - 将此
SKILL.md作为可移植的工作流规则源