zhaobenxiang5-coder Product Demand Insight
把市场信号转换为可追溯、可验证、可找货的实体商品开发需求。保留原技能中有价值的用户画像、痛点/痒点/爽点和产品机会框架，但把证据、实体商品约束和状态闸口放在文案之前。
硬边界
- 将每个关键结论标为
fact、inference或hypothesis。 - 只把能回查的来源写成
fact；每条事实必须带evidenceRefs。 - 只有产品想法、商品名或类目词时，使用
hypothesis-only，不得宣称需求已验证。 - 不把销量、榜单、供应商标题、单条短评或 AI 常识单独当成需求证明。
- 不把 1688 当需求真相源；1688 只用于过闸口后的找产品和供应事实核验。
- 需求阶段不得创建或伪造
ProductTruth、商品、图片任务、Listing 或发布状态。 - 未知的价格、尺寸、材料、重量、认证、MOQ、复购率和市场规模写
null或unknown，不得补猜。 - 将营销文案与功能事实分开；“有画面感”不能替代可测试的产品要求。
- 默认只读分析。没有用户明确要求，不写入业务系统、不触发找货、生图、上架或发布。
工作流
1. 锁定分析范围
确定以下范围；能从上下文安全推断时直接注明假设，不为非关键问题反复询问：
- 实体商品或品类
- 目标国家、平台和用户
- 当前阶段：想法、需求验证、找货、开发、打样、上市或复盘
- 本次目标：洞察、机会排序、开发 brief、补证据计划或找货前判定
软件产品需求默认不套用实体商品约束，除非用户明确要求。
2. 建立证据清单
收集或读取评论、问答、趋势、搜索表达、竞品页面、售后退货、用户访谈、平台数据和内部业务数据。需要当前市场事实时使用合适工具核验，不用模型记忆代替检索。
为每条证据保留：
id、平台/来源、URL 或文件、原文/原始指标、采集时间、目标市场、证据类型、新鲜度和可信层级。
先读 references/evidence-rules.md，再判断哪些结论能进入事实层。
3. 生成用户与场景洞察
从真实行为而不是年龄性别出发，生成 2–4 个候选用户群。每个用户群必须包含：
- 具体行为和触发场景
- 要完成的任务或避免的失败
- 购买/使用频率：有证据才写数值
- 价值判断及其证据
evidenceRefs、反证和置信度
没有足够证据时，把用户群写成待验证假设，不选择“核心用户事实”。
4. 拆解痛点、痒点、爽点
- 痛点：优先使用评论、问答、退货、投诉或访谈原文；形成可验证问题。
- 痒点：表达身份投射和理想自我；通常先标为
inference或hypothesis。 - 爽点：描述满足瞬间和感官/心理结果；没有直接证据时不得写成事实。
每项输出 claim、claimType、evidenceRefs、counterEvidenceRefs、confidence 和验证方法。
5. 转换为产品机会
把情绪洞察转换为产品要求，而不是只生成卖点名称：
P0：直接解决重复出现的核心失败，必须给出可测试验收指标。P1：增强体验或形成有证据的差异化。P2：营销、仪式感或后续优化，不得冒充核心功能。
每个机会至少写明：
- 用户结果与对应场景
- 功能要求
- 结构/材料方向，未知时列为待验证
- 可量化验收标准和测试方法
- 证据、假设、反证
- 成本、物流、合规、知识产权、退货风险
- 最小验证实验和失败条件
6. 做实体商品可行性预筛
检查但不虚构：
- 结构、材料、尺寸、重量和耐久性
- 目标采购价、落地成本、售价和毛利
- 包装、运输、易碎、退货和一件代发
- MOQ、库存、贴标、供货稳定性
- 认证、禁限售、品牌/IP 和不可验证承诺
- 样品测试、质检方法和验收阈值
缺少供应商事实时，只输出方向和缺口，不生成正式规格。
7. 给出闸口判定
仅使用以下状态：
hypothesis-only：只有想法或模型假设。evidence-needed：已有部分证据，但关键证据通道未闭合。manual-review：证据与开发方向已成形，等待人工选择或外部规则检查。ready-for-domestic-sourcing：外部/项目正式证据闸口明确通过，阻断项为空，并已取得人工确认。
本 Skill 自己不能把状态提升为 ready-for-domestic-sourcing。没有外部正式闸口时，最高只能到 manual-review。
8. 输出与验证
默认先给一句话结论，再给：
- 当前状态和硬缺口
- 证据支持的核心用户/场景
- 痛点、痒点、爽点
- P0/P1/P2 产品机会
- 实体商品可行性与风险
- 补证据/打样验证动作
- 结构化 JSON
生成 JSON 或落盘文件前，读取 references/output-contract.md。写入后运行：
python3 scripts/validate_output.py /absolute/path/to/product-demand-insight.json
修复所有错误后再交付。仅在对话中简答时，也要人工检查：事实有引用、未知值未猜测、状态未越级。
flow-task-center-pro 接入规则
处理 ~/Documents/Playground/flow-task-center-pro 时：
- 先按工作区
AGENTS.md读取当前标准；live API 和当前代码优先于历史文档。 - 保持唯一顺序：
MarketEvidence
-> TrendDemandOpportunity
-> evidenceGate
-> DomesticSourcingQuery
-> 真实供应事实
-> ProductTruth
- 将本 Skill 的结果作为
InsightDraft或开发简报附着在需求实体上，不覆盖正式闸口。 - 映射并保留
targetUserZh、sceneZh、painZh、whyNowZh、evidenceSources、trendEvidenceRefs、reviewEvidenceRefs、platformGapEvidenceRefs和counterEvidenceZh。 - 只有
evidenceGate.canEnterDomesticSourcing = true才能生成正式找货查询。 - 需求分析完成不等于找到商品、完成生图、可上架或已发布。
资源
- references/evidence-rules.md：证据类型、事实/推断/假设和闸口规则。
- references/output-contract.md：结构化 JSON 字段及示例。
scripts/validate_output.py：验证字段、证据引用和状态越级。