tinylion1024 oh-my-growth - 增长策略外脑
Hermes Agent 专用增长决策插件 — 在 Hermes Agent 中直接调用专业的增长策略分析能力。
整合 81 个案例 · 111 种玩法 · 12 大流派 · 完整决策框架
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 |
何时使用
用户说：
- "帮我诊断增长问题"
- "评估一下这个增长方案"
- "设计留存/变现策略"
- "找找类似的增长案例"
- "如何系统学习增长"
不适用：
- 纯理论讨论，没有具体业务场景
- 最终投资建议（提供框架，不提供决策）
- 法律合规结论
前置条件
- Python 3.8+ 已安装
- 知识库文件已复制到
~/.hermes/skills/oh-my-growth/knowledge/ - 计算脚本已复制到
~/.hermes/skills/oh-my-growth/scripts/
七个核心入口
| 模式 | 一句话描述 | 适用场景 |
|---|---|---|
diagnose |
诊断 + 优先级 + 实验建议 | 增长负责人需要快速形成判断 |
assess |
先判断能不能进入策略分析 | 现状还不够清楚，先做清晰度评估 |
design |
可落地的策略 | 知道要做什么，需要执行路径 |
fast-scan |
快速判断 | 这个想法靠谱吗？ |
brd |
完整决策文档 | 需要申请预算/资源 |
match |
找成功案例 | 想看看别人怎么做的 |
learn |
系统学习路径 | 想深入了解某个增长领域 |
核心工作流
用户输入 → 阶段定位 → 问题诊断 → 知识检索 → 优先级判断 → 实验建议 → 输出生成
1. 阶段与业务过程定位
先判断当前属于：
- 产品验证期 (0-1) - PMF 验证阶段
- 增长放大期 (1-10) - 规模化增长阶段
- 规模经营期 (10-100) - 效率优化阶段
以及问题更偏：
- 用户获取 (acquisition)
- 用户深耕 (retention/monetization)
2. 问题诊断
判断：
- 主目标是什么？
- 北极星指标应该是什么？
- 最大约束是什么？
- 最可能的主矛盾是什么？
3. 知识检索
从知识库检索：
- Case Agent - 匹配相似案例
- Weapon Agent - 推荐增长玩法
- Theory Agent - 引用相关理论
4. 优先级判断
使用以下维度排序：
- ROI 预期
- 执行复杂度
- 阶段匹配度
- 证据加分
- 失败模式惩罚
5. 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
- 为什么
6. 实验计划
输出：
- 最小实验设计
- 成功信号
- 停止信号
- 复盘节奏
决策框架
贝叶斯决策引擎
将不确定的增长决策转化为可审计的概率推理过程：
初始假设 → 设置先验 → 收集证据 → 更新后验 → 比较阈值 → 推荐行动
行动阈值：
| 后验概率 | 决策 | 说明 |
|---|---|---|
| ≥ 75% | 立即投入 | 高置信度，可执行 |
| 50-75% | 运行实验 | 中等置信度，需验证 |
| 30-50% | 收集证据 | 低置信度，信息不足 |
| < 30% | 停止 | 很低置信度，不推荐 |
Kelly 资源分配
计算最优投资比例：
f* = (bp - q) / b
f* = 最优投资比例
b = 净赔率（盈利/亏损）
p = 胜率
q = 败率
证据分级系统
| 等级 | 定义 | 更新幅度 |
|---|---|---|
| A | Meta 分析、系统综述 | ±25% |
| B | 同行评审、行业报告 | ±15% |
| C | 专家意见、内部数据 | ±10% |
| D | LLM 建议、类比 | ±5% |
| E | 博客、营销文案 | 0% |
知识库结构
knowledge/
├── cases/ # 81 个增长案例
│ ├── china/ # 中国案例（拼多多、抖音、小红书...）
│ ├── overseas/ # 海外案例（Notion、Figma、Airbnb...）
│ └── vertical/ # 垂直行业案例
├── weapons/ # 111 种增长玩法
│ ├── acquisition/ # 获客玩法
│ ├── retention/ # 留存玩法
│ ├── monetization/ # 变现玩法
│ └── referral/ # 裂变玩法
├── schools/ # 12 大流派理论
│ ├── growth-hacking.md
│ ├── network-effects.md
│ ├── plg.md
│ └── ...
└── indexes/ # JSON 索引
使用示例
场景 1：DAU 下降
用户输入：
/omg-diagnose 我们的产品 DAU 最近下降了 20%，该怎么办？
输出：
- 阶段诊断
- 核心矛盾分析
- 优先级排序
- 2 周最小实验
场景 2：评估裂变可行性
用户输入：
/omg-assess 我们准备做裂变活动，先评估一下可行性
输出：
- 清晰度评估
- 可行性判断
- 风险因素
- 建议下一步
场景 3：设计留存策略
用户输入：
/omg-design 如何提升 B2B SaaS 产品的 30 天留存率？
输出：
- 核心策略
- 分阶段执行路径
- 关键指标
- 相关案例
场景快捷入口
/omg-cold-start 如何获得 AI 写作 SaaS 的前 100 个付费用户？
/omg-retention 如何提升电商 APP 的 30 天留存率？
/omg-monetization 如何为内容社区设计变现策略？
/omg-referral 我们的教育 APP 适合做裂变吗？
置信度声明
每个建议都会明确声明置信度：
- 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
低置信度建议会转化为实验计划，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
相关文件
核心框架
references/bayesian-decision.md- 贝叶斯决策框架references/gametheory-framework.md- 博弈论战略框架references/kelly-allocation.md- Kelly 资源分配框架references/business-model.md- 商业模式分析框架
质量保障
references/current-state-clarity.md- 现状清晰度门控references/safety-boundaries.md- 安全边界references/report-contract.md- 输出契约
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