微需求五问检测器

SkillAI & models

Micro-need five-questions detector. Teams naturally favor "big requirements"; this Skill brings small-looking but potentially deep problems back into view. Based on《AI rebuild product

Available today. Use it from your connected AI after setup.

Connect ahel once, and every AI you use reads what you have installed.

Then ask your AI: use the 微需求五问检测器 skill

What this skill tells your AI

The instructions your AI receives, as published by gmaxxxie/ai-native-product-agent-skills in skills/p0a-micro-needs-detector/SKILL.md and read by ahel’s review.

一句话定位

需求池里全是大词时,用这五个问题检测那些"太小不值得做"的问题,是不是真正的产品起点。

何时触发

  • 需求池里全是大词("协作总控台"、"智能化升级")
  • 团队觉得"这个点太碎,不值得做"
  • 你怀疑真正的问题藏在系统外补偿动作里

输入

一个具体场景描述(不要抽象需求,要具体事件)。

示例输入

"项目负责人总要在会后再追一遍责任确认"

输出

五问检测结果 + 判断建议。

五个问题

Q1: 这个问题是不是每天都在发生,只是每次都很小?

检测方法

  • 这个动作是否在不同项目/不同团队重复出现?
  • 是否已经成为某些角色的"默认动作"?
  • 是否很少被单独讨论,但实际频率很高?

输出格式

频率评估: [high/medium/low]
证据: [ju体观察/数据/访谈结果]

Q2: 用户是不是已经为它发展出稳定的 workaround?

检测方法

  • 用户是否有固定的"补救步骤"?
  • 这些 workaround 是否已经被视为"正常流程"?
  • 是否有人专门负责处理这些 workaround?

输出格式

workaround 列表:
1. [workaround 描述] - 频率: [x次/天/周]
2. ...

隐性成本: [时间/精力/情绪代价]

Q3: 如果不做,谁会继续默默为它承担代价?

检测方法

  • 这个代价是平均分摊还是由某个/某几个角色党底?
  • 党底的人是否是组织中最忙或最有价值的人?
  • 这种代价是否会影响他们做更重要的事?

输出格式

承担角色: [角色名称]
承担内容: [具体代价]
机会成本: [因此错过的更重要事项]

Q4: 这段负担是不是带着羞耻、疲惫或责任风险,因此不容易被主动表达?

检测方法

  • 用户是否会在正式场合提出这个问题?
  • 是否常常被用"这就是工作"或"习惯了"带过?
  • 是否涉及"这不是我该做的"或"我不想让别人知道我在做这个"的心理?

输出格式

情绪负担: [shame/fatigue/anxiety/none]
表达障碍: [用户主动提出频率 low/medium/high]
潜台词: [用户实际会说什么来描述这个问题]

Q5: 一旦系统接住它,用户体感会不会明显变轻?

检测方法

  • 解决后,那些党底的人是否立刻少背一层心智负担?
  • 是否有人会主动说"终于不用再…了"?
  • 这个改变是否可以被感知到(而不是只是数据上好看)?

输出格式

体感变化: [dramatic/moderate/subtle/none]
关键见证: [用户可能会说的话]
价值密度: [high/medium/low]

综合输出格式

micro_needs_assessment:
  input: "原始场景描述"

  q1_frequency:
    score: "high/medium/low"
    evidence: "证据"

  q2_workaround:
    workarounds: ["列表"]
    hidden_cost: "隐性成本"

  q3_bearer:
    role: "承担角色"
    cost: "具体代价"
    opportunity_cost: "机会成本"

  q4_emotion:
    burden: "shame/fatigue/anxiety/none"
    expression_barrier: "low/medium/high"

  q5_relief:
   体感_change: "dramatic/moderate/subtle/none"
    value_density: "high/medium/low"

  verdict:
    is_micro_need: true/false
    confidence: "high/medium/low"
    reasoning: "判断理由"

  recommendation:
    action: "建议动作"
    priority: "P0/P1/P2"
    next_step: "下一步"

常见误判

  • 小 ≠ 深:问题小不自动等于值得做
  • 隐蔽 ≠ 高价值:隐蔽的问题也需要验证是否真的有人在乎
  • 体感变化是必要条件:如果接住了但用户感觉不到,不是好的微需求

一句判断

微需求不靠声量成立,靠重复出现的代价成立。

Signals

GitHub stars
46
Last commit
Sep 2026
Advanced
Catalog kind
skill
Gateway key
p0a-micro-needs-detector
Source
github.com/gmaxxxie/ai-native-product-agent-skills