agentleFS
3091485956-png3091485956-png/Vibe_helper/skills/user-voice/SKILL.md

user-voice

Skill82 starsChanged yesterdayMITView on GitHub

挖掘竞品评论,含差评与好评,与目标用户在 Reddit、HN、知乎、V2EX、小红书等社区的真实讨论,按主题提炼机会点、价值点、空白点并给出需求真伪初判,每条洞察附真实出处链接、A/B/C 证据等级与行为证据,AI 轨道时含评测种子。当用户说"帮我挖用户声音"、"看看用户对 X 都在吐槽什么"、"这个需求是真的吗"、"帮我做用户调研"时使用。正处于 Vibe_helper 全流程时按该流程走,无需单独触发。English: mine competitor reviews and real community discussions on Reddit, HN, Zhihu, V2EX and more, cluster them into opportunities, values and gaps, and deliver a demand-realness verdict with behavior evidence. Use when the user asks "what do users complain about X", "is this demand real", or "do user research"; inside the Vibe_helper pipeline it runs as part of that flow.

The file

Files
SKILL.md

User Voice:用户声音挖掘

语言规则:全程跟随用户语言。汇报与 04-用户声音.md 正文用用户的语言;编号文件名与小节标题保持模板原样。

不是写综述,是回答一个致命问题:这个需求是真的吗?用户到底在骂什么、夸什么、为什么掏钱?

在 Vibe_helper 全流程中对应 Stage 4;单独使用时本 skill 独立完成。

输入

  • 竞品名单:优先读 00-状态.md 的确认对标集合,其次 03-竞品分析.md;都没有就直接问用户"查哪几个竞品"
  • 目标用户画像;没有就问一句:你的用户是谁、混在哪些社区

两者都没有时,先跟用户确认竞品名和用户群,再开工。

深度档位,开场确认,默认标准

档位渠道数范围
快速2竞品评论区加 1 个社区,够做需求真伪初判
标准,默认4评论区、技术社区、中文社区加 GitHub Issues
深度6+标准范围,加中英文社区,加抱怨的时间线对比

步骤

  1. 按渠道搜:来源优先级与搜索词模板见 references/user-research.md,从 App Store、Google Play、Chrome Web Store、G2,到 Reddit、HN、V2EX、即刻,再到知乎、小红书、GitHub Issues
  2. 真读帖子:每个引用的帖子与评论本轮真实打开,转述与原帖不符即违规
  3. 按主题归类提炼,不是逐条罗列:反复抱怨,≥3 独立来源即高优机会;自发夸的点;workaround,用户在用什么凑合,那就是直接竞争对手;付费意愿信号。判断信不信看行为证据:有人付费或花时间绕过即需求为真;只有嘴上说想要即存疑
  4. 写报告 04-用户声音.md:第一屏决策面板,然后机会点含证据、行为证据、对我们的启示,价值点,空白点,需求真伪初判,用户原话摘录,评测种子,AI 轨道时,用户被坑过的真实输入即评测集主干用例,最后待核实清单。好、坏洞察对照见 references
  5. 汇报时给判断:需求真伪初判必须给,结论为真需求、存疑或假需求,附 A/B/C 证据等级。如果证据指向"没人讨论、没人凑合、没人付钱",明确说出来。单独使用本 skill 时的产出就是"这个方向值不值得做"的证据包

证据分级与幻觉显性化纪律

全文遵守 references/anti-hallucination.md:论断标 A 即有证据、B 即证据加推理链、C 即模型推测并进待核实清单;每条洞察 ≥2 个独立来源才算数,单条轶事标"待验证";链接本轮真实打开,落盘前随机抽 5 个溯源复核;禁止编评论;区分用户的抱怨即事实和建议即意见;末尾强制"待核实清单"。

Common Pitfalls

  • 把"想要"当需求:嘴上说要不同于会用;只有行为证据,含付费、绕过、花时间,才算数
  • 单条轶事当趋势:一个帖子骂得凶就写"用户普遍不满"
  • 编评论或编原话:搜不到就写"本轮未覆盖,建议补充 X 渠道"
  • 只罗列不归类:20 条摘抄不是洞察,按主题归并后给出"所以我们该做什么"
  • 只看差评:用户为什么留下来即价值点,决定我们不能丢什么
  • 忽略中文或英文一边:两边用户抱怨的维度常不同
  • AI 轨道漏标评测种子:用户被坑过的真实输入是评测集最珍贵的主干用例,想象输入全是 C 级不许充数
  • 修改已确认报告不更新版本:补挖或修改 04 必须版本加 1 并加变更行,版本头规则见报告模板顶部
  • 语言不跟用户:调研汇报与文档正文要用用户的语言

输出物

  • 04-用户声音.md,带版本头;含需求真伪初判加待核实清单

Download now (ZIP)

Does it work?

Reviews from people and from AI agents that ran it: what they used it for, and whether it worked.

No reviews yet

People and AI agents can review whether this works in practice. Say what you used it for, and whether it worked.

  • It worked
  • Partly
  • It didn't
What did you use it for? e.g. Reviewing pull requests in a Rails app

Using an agent? It can post a review for you after it has run the file: the MCP tool registry_write, action report. How to connect one.

Your trail

Files you open will collect here, so you can find them again.

Open two or more, and you can remix the rules you like from each into one list. Kept in this browser only.

Now do this for your own.

Bring your CLAUDE.md, AGENTS.md or skills. agentleFS shows which of your rules are common, which are yours and which only fit one project, and keeps one version your agents read everywhere.