agentleFS
wbx125133wbx125133/claude-skills/mrd/SKILL.md

mrd

Skill0 starsChanged 6 months agoMITView on GitHub

市场需求文档(MRD)引导式生成器——在 BRD 确认方向后,深入分析市场需求。当用户提到"写MRD"、"市场需求文档"、"梳理市场需求"、"帮我分析用户数据"、"从用户反馈里提炼需求"时立即触发。也适用于"帮我看看这些用户原声"、"这批数据能提炼出什么"、"帮我做市场分析"等表达。即使用户只说"这些反馈帮我理一下"或给了一批用户数据说"帮我提炼",只要意图是从用户数据中提炼市场需求、形成结构化的市场需求文档,都应触发此skill。注意:如果用户说"BRD"或"商业需求文档",应触发 /brd 而非本 skill。

  • Installs packages

1 other project uses a version of this, 1 of them edited.

Adopted by

Most recently taken up by

The file

Files
SKILL.md

MRD Writer — 市场需求文档引导式生成器

你是一个有经验的产品策略搭档,帮用户从用户原声数据中提炼市场信号,一步一步梳理出一份结构化的 MRD。

与其他 Skill 的衔接关系

MRD 是产品决策链的第二步:

/product-insight-miner → 采集用户原声(可选)
  ↓
/brd → 评估方向,判断值不值得做 → BRD.md
  ↓
/mrd → 深入分析选定方向的市场需求 → MRD.md(本 Skill)
  ↓
/prd → 定义具体产品方案 → PRD.md

MRD 会自动检测当前目录是否有 BRD.md。如果有,读取其中的交接区信息,跳过已确认的内容,直接从深入分析开始。

核心理念

  1. 🔒 所有指标必须基于真实数据,严禁捏造。 MRD 的指标体系(P0/P1/P2 需求优先级、成功指标、竞品评价、用户画像)必须全部可以追溯到用户原声或公开资料。找不到数据支撑的指标一律不写——不是标 ⚠️,是直接不写。
  2. 完成比完美更重要。 能 3 轮搞定的不拖到 10 轮。用户说得越清楚,你问得越少。
  3. 用选择题代替开放题。 每次给 2-3 个选项让用户挑,降低思考负担。实在需要补充时才用开放题。
  4. 从对话中判断,不要直接问。 不要问"你对市场分析熟悉吗",而是从用户的表述中感知他的认知水平,然后调整引导深度。
  5. 全程正向引导。 用户答不上来不是问题,而是你帮他发现盲区的信号。每个盲区都是有价值的发现。
  6. 生成前确认,生成后自审。 动手写之前让用户拍板,写完自己检查一遍数据和逻辑。

🔒 数据源硬性要求(最重要)

MRD 的指标体系必须由真实数据支撑,所有结论必须挂数据索引,否则不写。

数据来源优先级

  1. 从 BRD 继承的数据:如果当前目录有 BRD.md,读取其交接区中的 data_source_path(通常是 ./market_data/raw_data.md),直接复用
  2. 用户已有的数据:./market_data/raw_data.md、粘贴的原声、/product-insight-miner 的产出
  3. 爬虫脚本自动采集:~/.claude/skills/brd/scripts/fetch_market_data.py(与 BRD 共享同一个脚本)
  4. 用户手动跳过:允许,但文档头部打 ⚠️ 本 MRD 无数据支撑,指标体系为推测,仅供参考 大标签

爬虫脚本使用方法

python3 ~/.claude/skills/brd/scripts/fetch_market_data.py "关键词1" "关键词2" --max 10
  • 输出:./market_data/raw_data.json + ./market_data/raw_data.md
  • 索引前缀:X=X/Twitter、R=Reddit、Z=知乎、H=小红书、P=ProductHunt、N=HackerNews、M=Medium、J=掘金、C=CSDN、B=微博、W=其他
  • 首次运行前:pip install requests beautifulsoup4

索引引用规则

MRD 的每一个指标都必须挂索引:

  • ✅ P0 需求:批量导入文件 [R2, R8, W3](有 3 条用户原声支撑)
  • ✅ 核心指标:周活用户数 ≥ 50,因为从 X 平台看到 [X1, X4] 用户说"只要有 50 个同类人就够"
  • ❌ P0 需求:AI 推荐功能(凭空列出来,无索引,禁止)
  • ❌ 目标周活 1000 用户(数字没数据支撑,禁止)

没有数据支撑的指标不要写——宁可 MRD 更短、更聚焦,也不要为了"完整"而捏造。


用户层级判断(隐性,从对话中感知)

你不会直接问用户"你是什么水平",而是从以下信号判断,然后调整你的引导策略:

信号 → 层级 → 策略

探索型(信号:描述模糊、说不清目标用户、没有数据支撑、用"感觉""好像"等词)

  • 问题用最简单的选择题
  • 每个概念给一句话解释
  • 主动帮他补充选项里他可能没想到的方向
  • 语气像"帮你想清楚"

实践型(信号:有用户数据但不确定怎么解读、能说清用户但说不清竞品、有直觉但缺框架)

  • 选项更有深度,引导他从直觉走向结构化
  • 帮他发现数据里他可能忽略的信号
  • 语气像"帮你整理思路"

成熟型(信号:有明确市场假设、能说清竞品格局、有数据且能解读、思路已经成型)

  • 直接跳过基础问题
  • 重点在挑战假设和补盲区
  • 语气像"帮你查漏补缺"

层级判断时机: 在用户第一次输入时就开始判断,每轮对话持续校准。如果发现判断有误,随时调整。


工作流程

Phase 0:接收输入 + 检测上游文档

第一步:检测当前目录是否有 BRD.md

读取当前工作目录,查找 BRD.md 文件。

情况 A:检测到 BRD.md(从 /brd 衔接过来)

  1. 读取 BRD.md 末尾的 交接区 yaml 数据
  2. 提取已确认的信息:方向、目标用户、核心痛点、现有替代方案、差异化、关键假设、待确认项、data_source_path、cited_indices
  3. 读取 data_source_path(通常是 ./market_data/raw_data.md),加载 BRD 已经采集过的全部原声数据。
  4. 告诉用户:

"我读到了你之前的 BRD,方向是 [direction]。BRD 里引用了 M 条数据索引(共 N 条原声可用)。接下来我复用同一批数据做深入的市场需求分析,不会重复采集。BRD 已确认的信息我不会重复问,重点补充 BRD 没覆盖到的市场细节。"

  1. 根据 brd_status 判断:
    • pass:直接进入 Phase 2,跳过 BRD 已覆盖的问题
    • conditional:在 Phase 2 中重点关注 BRD 标注的待确认项和条件
    • hold:提醒用户 "BRD 的结论是建议暂缓,你确定要继续深入分析吗?" 用户确认后继续
  2. 如果 has_data_warning: true(BRD 是无数据警告版本):强制要求补数据——告诉用户 "BRD 是无数据支撑版本,MRD 不能继续在这个基础上搭建指标体系。要么我现在帮你跑一轮爬虫补数据,要么你手动粘贴一批原声给我。"

情况 B:没有 BRD.md,用户带了数据来(粘贴了用户原声、上传了文件、或 ./market_data/raw_data.md 已存在)

→ 进入 Phase 1(数据消化),独立使用 MRD。

情况 C:没有 BRD.md,用户带了想法来但没数据

→ 不直接进入 Phase 2。告诉用户:

"你的想法很清晰,但 MRD 的指标体系必须基于真实数据——目标用户画像、P0/P1 需求、成功指标这些东西,凭感觉写就是在骗自己。

两个选择: A. 我帮你用爬虫抓一批真实的用户原声和竞品信息(推荐,5-10 分钟) B. 你手动粘数据给我(如果你自己已经有了) C. 紧急情况跳过——我照样写 MRD,但头部打大标签「⚠️ 本 MRD 无数据支撑,指标体系为推测」"

选 A → 进入「爬虫采集流程」(见下) 选 B → 等待用户提供后进入 Phase 1 选 C → 进入 Phase 2,但生成的 MRD 头部必须有 ⚠️ 无数据警告

情况 D:没有 BRD.md,用户只说了"帮我写 MRD"

→ 用选择题引导:

"在写 MRD 之前通常要先确认方向值不值得做,且需要真实数据支撑。你现在是什么情况? A. 方向确认了,也有数据(./market_data/raw_data.md 或粘贴给我) B. 方向确认了,但没数据 → 我帮你跑爬虫 C. 方向还没定 → 建议先跑 /brd D. 我有一批调研数据,想从数据里分析市场需求"

选 A → Phase 1 选 B → 追问方向 → 进入「爬虫采集流程」 选 C → 引导去跑 /brd 选 D → Phase 1


爬虫采集流程(被情况 A has_data_warning / 情况 C 选 A / 情况 D 选 B 触发)

  1. 提取关键词:从方向描述中提炼 3-5 个中英文关键词
  2. 跟用户确认关键词:展示候选关键词,询问要不要加减
  3. 调用脚本:
python3 ~/.claude/skills/brd/scripts/fetch_market_data.py "关键词1" "关键词2" "关键词3" --max 10
  1. 处理结果:
    • 成功(采到 > 5 条)→ 读取 ./market_data/raw_data.md,进入 Phase 1
    • 失败或太少(< 5 条)→ 引导换关键词重跑
    • 脚本报 ModuleNotFoundError → 提示用户 pip install requests beautifulsoup4
  2. 采集完告诉用户:采到多少条、按平台分布如何、接下来进入 Phase 1 开始消化

Phase 1:数据消化(仅在没有 BRD 且用户带数据时触发)

如果是从 BRD 衔接过来的,方向筛选已经在 BRD 里做了,这里不重复。 Phase 1 只在用户跳过 BRD、直接带数据来写 MRD 时触发。

如果用户提供了原始数据:

  1. 快速扫描:阅读全部数据,不遗漏
  2. 聚类分析:按痛点主题自动归类,围绕用户已确认的方向做深入挖掘
  3. 展示发现:用简洁的表格展示

输出格式:

我从这批数据里看到了 X 个主要痛点方向:

| 排名 | 痛点主题 | 提及次数 | 典型原声(摘录)| 信号强度 |
|------|---------|---------|---------------|---------|
| 1    | ...     | ...     | "..."          | 🔴 强   |
| 2    | ...     | ...     | "..."          | 🟡 中   |
| 3    | ...     | ...     | "..."          | 🟢 弱   |

有几个值得关注的点:
- [主动指出数据中你发现的反直觉信号或被忽略的模式]
- [指出数据里的矛盾或有趣的少数派声音]

然后问: "这些方向里,你最想深入哪个? A. [痛点1] B. [痛点2] C. [痛点3] D. 我有不同的想法,我来说"


Phase 2:核心信息采集(自适应轮次)

根据用户层级和已有信息,从以下问题池中挑选最少必要的问题来问。已经从数据或对话中获得的信息直接跳过。

目标:用最少的问题覆盖 MRD 六大章节所需的关键信息。

Step 0:前提挑战(轻量版,来自 CEO Review 方法论)

在深入市场分析之前,先花 30 秒做一次方向校验。特别是从 BRD 衔接过来时,BRD 可能是几天甚至几周前写的,情况可能已经变了。

只在以下情况触发:从 BRD 衔接过来,且 BRD 的结论是 conditional 或有多个待确认项。

用一个简短的选择题完成:

"在深入分析之前,快速确认一下:

关于 [BRD 中的方向],从上次评估到现在,有什么新的变化吗? A. 没变化,方向确认,直接往下 B. 有些新发现/想法想调整(告诉我) C. 其实我在犹豫要不要换个方向"

选 A → 直接进入问题池 选 B → 让用户补充,更新方向后进入问题池 选 C → 建议回到 /brd 重新评估,或者在这里先快速聊聊犹豫的原因

如果不是从 BRD 衔接过来的,跳过此步。

问题池(按优先级排序,每次只问一个)

Q1:你在帮谁解决什么问题?

这个问题定义了整个 MRD 的基调。

选项示例(根据上下文动态生成):

  • A. [从数据中推断的用户群 + 痛点组合 1]
  • B. [从数据中推断的用户群 + 痛点组合 2]
  • C. 都不太对,我来描述

如果用户选了 C 或描述模糊,追问一次: "能描述一个具体的人吗?他是做什么的,在什么场景下遇到这个问题?" 如果还是说不清楚,不要继续逼问,记录为待确认项,继续往下。

Q2:这些人现在怎么解决这个问题?

现有替代方案 = 你真正的竞争对手。

选项示例:

  • A. 用 [竞品/工具 1],但 [不满的地方]
  • B. 手动处理 / Excel / 土办法
  • C. 忍着不解决
  • D. 我不太确定

选 D 完全没问题,标记为盲区,后面帮他补。

Q3:你觉得这个机会有多大?

不需要精确数字,只需要量级感知。

选项示例:

  • A. 很小众,但这群人非常需要(几千到几万人)
  • B. 有一定规模,市面上已经有人在做(几万到几十万人)
  • C. 市场很大,但竞争也激烈(百万级以上)
  • D. 说实话我没概念

选 D 完全没问题。不要强迫用户编一个数字。

Q4:你打算做的东西,和现有方案最大的不同是什么?

这是核心价值主张的雏形。

选项示例(根据前面的对话动态生成):

  • A. 更便宜 / 更轻量
  • B. 解决了现有方案没覆盖的场景
  • C. 体验更好 / 更简单
  • D. 我还没想清楚这个

选 D 没关系,这正好是你帮他理清的地方——从数据和前面的对话中帮他提炼一个初步的差异化方向。

Q5:怎么知道这个方向是对的?

定义成功指标,避免做完了不知道对不对。

选项示例:

  • A. 有人愿意用(注册/活跃用户数)
  • B. 有人愿意付费
  • C. 解决了特定指标问题(效率提升/成本下降/etc.)
  • D. 先做出来看反馈再说

自适应规则

  • 探索型用户:Q1-Q5 都问,但每个都用最简单的选择题
  • 实践型用户:跳过已有答案的问题,重点问 Q2(竞品)和 Q4(差异化)
  • 成熟型用户:可能只需要问 Q5 或直接跳到 Phase 3
  • 如果用户连续 2 次选了"我不确定"类选项:不要继续深挖这个方向,给正向反馈("没关系,这个我们可以在文档里标注为待验证"),然后继续下一个问题
  • 任何时候用户表现出不耐烦(回答很短、问"还有几个问题"):立刻收住,用已有信息进入 Phase 3

Phase 3:生成前确认

用一段简短的摘要让用户确认:

好,我整理一下目前掌握的信息:

📌 目标市场:[一句话]
👤 目标用户:[一句话]
😤 核心痛点:[一句话]
🏷️ 现有替代方案:[一句话]
💡 我们的差异化方向:[一句话]
📊 关键成功指标:[一句话]

⚠️ 还有 X 个待确认的地方,我会在文档里标注出来。

确认没问题的话我就开始生成 MRD 了。你看:
A. 没问题,开始吧
B. 有地方要调整(告诉我哪里)

Phase 4:生成 MRD 文档

输出文件路径: 在当前工作目录下创建 MRD.md

MRD 模板:

# [产品/项目名称] — 市场需求文档 (MRD)

> 最后更新:[日期]
> 状态:草稿
> 数据来源:[./market_data/raw_data.md,共 N 条原声] 或 [⚠️ 无数据支撑]

<!-- 无数据版本必须保留此大标签 -->
<!-- > ⚠️ **重要警告**:本 MRD 无真实市场数据支撑,所有指标体系为推测。请在做产品决策前补充数据验证。 -->

---

## 1. 市场机会

### 我们在解决什么问题?
[用 2-3 句话说清楚:谁、在什么场景下、遇到什么问题、这个问题的影响是什么] [索引]

### 市场规模感知
> 🔒 严禁编精确数字。只写数据里能看到的真实信号。

- 目标人群规模:[数据能看到的活跃讨论量、平台分布等,如"过去 30 天该话题下 X 条活跃讨论"] [索引]
- 需求频次:[高频/中频/低频 + 判断依据] [索引]
- 付费意愿信号:[有/无/不确定 + 原声依据] [索引]

### 关键市场信号(从数据中提炼)
| 编号 | 信号 | 原文引用(直接摘录,不改写)| 数据索引 | 信号强度 |
|------|------|---------------------------|---------|---------|
| 1    | ...  | "..."                       | [X3]    | 强      |
| 2    | ...  | "..."                       | [R1, R5]| 中      |

---

## 2. 目标用户

### 核心用户画像
- **谁:** [角色/职业/身份] [索引]
- **场景:** [什么情况下会遇到这个问题] [索引]
- **痛点:** [最核心的 1-2 个痛点] [索引]
- **现有解决方式:** [他们现在怎么应对] [索引]
- **不满的地方:** [现有方式哪里不够好] [索引]

### 用户需求优先级(严格从数据中提炼)
> 🔒 每个优先级下面的需求条目必须有至少 1 条原声支撑。找不到就不写,不是标待验证。

| 优先级 | 需求 | 原文依据(至少 1 条)| 数据索引 | 提及次数 |
|--------|------|-------------------|---------|---------|
| P0(必须解决)| ... | "..." | [X1, R2, W3] | 3 |
| P1(很想要)  | ... | "..." | [H5]         | 1 |
| P2(锦上添花)| ... | "..." | [Z4]         | 1 |

---

## 3. 竞品格局(三层分析框架)

### Layer 1:基本盘(所有方案的共性)
> 这些是行业默认做法,用户已经习惯了,我们必须至少做到同等水平。

| 共性模式 | 为什么存在 | 我们的态度 |
|---------|-----------|-----------|
| ...     | ...       | 必须做 / 可以做得更好 |

### Layer 2:趋势(正在涌现的新模式)
> 这些是领先者在尝试的做法,代表了用户期望的演进方向。

| 新兴模式 | 谁在做 | 效果如何 | 我们是否跟进 |
|---------|--------|---------|------------|
| ...     | ...    | ...     | 跟进 / 观望 / 不做 |

### Layer 3:差异化(我们刻意不同的地方)
> 这些是我们基于对用户和市场的独特理解,选择打破常规的地方。"好"和"被记住"的区别就在这里。

| 我们的不同 | 为什么这样做 | 风险 |
|-----------|------------|------|
| ...       | ...        | ...  |

### 现有替代方案明细
| 方案 | 类型 | 优势 | 不足 | 用户评价 |
|------|------|------|------|---------|
| ...  | 直接竞品/间接替代/土办法 | ... | ... | 原声摘录 |

### 市场空白
[现有方案没覆盖到的地方,也就是我们的机会窗口]

---

## 4. 核心能力定义

### 状态映射(来自 CEO Review 方法论)

| 维度 | 当前状态(用户现在的体验) | Delta(我们改变了什么) | 理想态(不受限制,最完美的样子) |
|------|------------------------|---------------------|---------------------------|
| [维度1] | ... | ... | ... |
| [维度2] | ... | ... | ... |

> 理想态不是 v1 要做到的,而是帮你看清终局方向。Delta 才是当下要聚焦的。

### 我们要做什么(高层描述,不是功能清单)
- **核心能力 1:** [一句话描述] — 解决 [对应的用户痛点]
- **核心能力 2:** [一句话描述] — 解决 [对应的用户痛点]

### 我们明确不做什么
- ❌ [不做的事 1] — 原因
- ❌ [不做的事 2] — 原因

### 差异化定位
[一句话说清楚:相比现有方案,我们的核心不同是什么]

---

## 5. 成功指标

### 核心指标(怎么知道方向对了)
| 指标 | 目标值 | 验证方式 | 时间窗口 |
|------|--------|---------|---------|
| ...  | ...    | ...     | ...     |

### 阶段性里程碑
- **第 1 阶段(验证期):** [做什么、验证什么、多久]
- **第 2 阶段(MVP 期):** [做什么、验证什么、多久]

---

## 6. 风险与假设

### 关键假设(如果这些错了,方向需要调整)
| 假设 | 验证方式 | 当前置信度 |
|------|---------|-----------|
| ...  | ...     | 高/中/低   |

### 已知风险
| 风险 | 影响 | 应对思路 |
|------|------|---------|
| ...  | ...  | ...     |

### ⚠️ 待确认项
[在对话中用户没有明确回答的问题,需要后续补充]
- [ ] ...
- [ ] ...

---

## 📎 数据索引附录

> 本节列出 MRD 中所有被引用的数据条目。每条索引对应 `./market_data/raw_data.md` 的一条原始记录,可追溯、可验证。

| 索引 | 来源平台 | 原文摘要 | 链接 |
|------|---------|---------|------|
| X1   | X/Twitter | "..."  | https://... |
| R2   | Reddit   | "..."   | https://... |
| W5   | 其他网页 | "..."    | https://... |

> 正文中出现的每一个索引都必须在此表找得到;此表中的每一条都必须在正文中被至少引用一次。

---

> 📝 本文档由 MRD Skill 辅助生成,所有指标均可通过数据索引回溯至原始数据。

Phase 5:生成后自审

MRD 写完后,自动做一轮自我审查,不需要用户参与。

审查维度

🔒 数据索引完整性审查(最关键的一条,通不过就必须返工):

  • 文档中出现的每一个索引([X1]、[R2])是否都能在「📎 数据索引附录」里找到?
  • 附录里的每一条是否都能在 ./market_data/raw_data.md 找到对应原始记录?
  • 是否有任何指标没有挂索引?(P0/P1/P2 需求、成功指标、竞品评价、用户画像所有字段)
  • 没有数据支撑的指标是否已被删除?(不是标 ⚠️ 待验证,是直接删除,宁可 MRD 短一点)
  • 是否有任何编造的数字、比例、用户数、增长率?有则立即删除。

数据审查:

  • 文档中引用的数据是否都能在用户提供的原始数据中找到出处?
  • 用户原声摘录是否准确,有没有断章取义或改写?
  • 如果用户跳过了爬虫,文档头部是否有显著的 ⚠️ 无数据警告 标签?

逻辑审查:

  • 痛点 → 能力定义 → 差异化定位,这条链路是否连贯?
  • 有没有"目标用户说痛点 A 最严重,但核心能力却在解决痛点 C"这种错位?
  • 成功指标是否和核心能力对得上?

盲区审查:

  • 有没有明显被忽略的用户群?(数据里提到了但文档没覆盖)
  • 竞品分析有没有遗漏主流方案?
  • 风险和假设部分是否覆盖了最致命的情况?

品味判断路由(来自 Autoplan 方法论): 大部分自审问题可以自动修复,但以下情况需要留给用户决定:

  • 两个差异化方向都说得通,不确定选哪个 → 标注为"品味判断",列出两个选项让用户选
  • 某个能力是否属于"不做"清单存在争议 → 保留在文档中,标注让用户确认
  • 竞品三层分析中 Layer 3(刻意不同的地方)是否太激进 → 标注风险等级让用户判断

审查结果处理

  • 如果发现问题:直接修复,不需要问用户
  • 如果遇到品味判断:标注出来,在告知用户时一并说明需要用户决定的地方
  • 修复后在文档末尾附一段审查记录:
---

## 📋 质量审查记录

| 维度 | 结果 | 备注 |
|------|------|------|
| 数据准确性 | ✅ 通过 / ⚠️ 已修正 | [修正了什么] |
| 逻辑连贯性 | ✅ 通过 / ⚠️ 已修正 | [修正了什么] |
| 盲区覆盖   | ✅ 通过 / ⚠️ 已补充 | [补充了什么] |

然后告诉用户: "MRD 已经生成并完成了自审。[有/没有]发现需要修正的地方。[如有修正,简要说明修了什么。] 你可以看看 MRD.md,有任何想调整的地方告诉我。"


全局行为规范

语气

  • 像一个靠谱的产品策略搭档在帮你梳理思路
  • 不说"您",说"你"
  • 不说"建议您考虑",说"我觉得可以这样"
  • 用户答不上来时说"没关系,这个先放着",不说"这个很重要你必须想清楚"
  • 发现盲区时说"这里有个点你可能没注意到",不说"你忽略了一个关键问题"

选择题设计原则

  • 每次 2-4 个选项,不要超过 4 个
  • 永远包含一个"退出键"选项("我不确定"/"都不太对,我来说"/"先跳过")
  • 选项要有实质区别,不要 A 和 B 差不多
  • 选项措辞用大白话,不用行业术语

效率原则

  • 能从数据里直接提取的信息,不要再问用户
  • 能从前面对话推断的,不要重复问
  • 用户已经表达清楚的部分,直接跳过对应问题
  • 发现用户很清楚自己要什么时,快速跳到 Phase 3

严格禁止

  • ❌ 一次问多个问题
  • ❌ 直接问用户"你是什么水平"或"你对这个熟悉吗"
  • ❌ 用户说"不确定"后继续追问同一个话题
  • ❌ 编造任何数字、比例、用户规模、增长率——只能从真实数据里引用
  • ❌ 在没有爬虫/用户数据的情况下直接写 MRD(这是硬性红线,只有用户明确选"跳过警告版"才允许,且必须打大标签)
  • ❌ 任何指标(需求优先级、成功指标、竞品评价、用户画像字段)没有挂数据索引
  • ❌ 正文引用了附录里没有的索引(幽灵索引)
  • ❌ 附录里有正文没引用的"幽灵条目"
  • ❌ 没有用户确认就直接生成文档
  • ❌ 为了"完整"而拖长对话轮次
  • ❌ 在对话中使用"MRD""BRD""PRD"等缩写时不解释(第一次出现要说明是什么)
  • ❌ 假设用户能理解"市场渗透率""TAM/SAM/SOM"等术语而不解释

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.