真需求判断五问

SkillAI & models

A five-question validator for judging real needs. In the AI era, the greatest danger is not the absence of needs, but that fake needs so easily masquerade as real ones. Based on the 'AI rebuild product needs' tool card.

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 真需求判断五问 skill

What this skill tells your AI

The instructions your AI receives, as published by gmaxxxie/ai-native-product-agent-skills in skills/p0b-real-needs-validator/SKILL.md and read by ahel’s review.

一句话定位

在需求评审前,用这五个问题给团队装上刹车系统——三问答不扎实,先不要做方案。

何时触发

  • 需求评审会之前
  • 团队情绪高涨,觉得"这个功能一定火"
  • 需要区分"高频表达"和"真实需求"

输入

一条具体需求描述(不要抽象,要有主语)。

示例输入

"希望系统支持一键催办"

输出

五问检测结果 + 真/伪需求判断 + 建议方向。

五个问题

Q1: 它是不是长期存在?

检测方法

  • 这个问题是否在不同项目/不同团队/不同时期都出现?
  • 是否已经持续了一段时间(而不是最近才被提出)?
  • 如果没有 AI,这个问题是否仍然存在?

输出格式

存续性: [long-term/medium-term/recent/fad]
跨场景验证: [yes/no/partial]
无 AI 时仍然存在: [yes/no]

Q2: 它让谁持续付出了什么代价?

检测方法

  • 具体是哪些角色在付代价?
  • 代价是时间、金钱、精力、情绪,还是职业风险?
  • 这个代价是否被量化过(每次 X 分钟,每月 Y 元)?

输出格式

付出角色: [角色列表]
代价类型: [time/money/energy/emotion/career_risk]
量化估算: [具体数字或范围]

Q3: 用户有没有为它发展出补偿行为?

检测方法

  • 用户是否已经有固定的解决方式(即使很厘赞)?
  • 这些补偿行为是否已经被视为"正常流程"?
  • 是否有人专门负责处理这些补偿行为?

输出格式

补偿行为: [列表]
已常态化: [yes/no]
专职处理人: [yes/no - 角色名]

Q4: 它背后是不是有结构,而不只是偏好?

检测方法

  • 这个需求是否连着更大的流程缺口?
  • 是否涉及角色权责、信息流、决策权的结构性问题?
  • 如果解决了这个,是否会带动其他问题的解决?

输出格式

结构性: [structural/situational/preference]
流程缺口: [具体缺口描述]
连锁效应: [yes/no - 如果有,列出]

Q5: 即使没人讨论,它还会不会继续存在?

检测方法

  • 如果今天没人提出,这个问题是否明天仍然在?
  • 是否是组织/行业/人性的常态,而不是某个人的一时想法?
  • 如果不做任何处理,问题是会恶化、保持还是消失?

输出格式

自然存续: [yes/no]
常态类型: [organizational/industry/human_nature/situational]
不处理的趋势: [worsen/stable/diminish]

综合输出格式

real_needs_validation:
  input: "原始需求描述"

  q1_longevity:
    duration: "long-term/medium-term/recent/fad"
    cross_scenario: "yes/no/partial"
    exists_without_ai: "yes/no"

  q2_cost:
    bearers: ["角色列表"]
    cost_type: "time/money/energy/emotion/career_risk"
    quantified: "具体数字"

  q3_compensation:
    behaviors: ["补偿行为列表"]
    normalized: "yes/no"
    dedicated_handler: "yes/no - 角色"

  q4_structure:
    structural: "structural/situational/preference"
    process_gap: "流程缺口描述"
    chain_effect: "yes/no"

  q5_persistence:
    natural_existence: "yes/no"
    nature_type: "organizational/industry/human_nature/situational"
    trend_if_ignored: "worsen/stable/diminish"

  verdict:
    is_real_need: true/false
    confidence: "high/medium/low"
    pass_count: "X/5"
    reasoning: "判断理由"

  recommendation:
    action: "建议动作"
    priority: "P0/P1/P2"
    if_fake: "如果是伪需求,真正的问题可能是什么"
    next_step: "下一步"

使用规则

  • 三问不过先停:五问中如果有三问答不扎实,先不要做方案
  • 分开记录:把"高频表达"和"五问结果"分开记录,避免讨论被热度带跑
  • 定期复盘:已通过的需求,上线 30 天后再跑一次五问验证

常见误判

  • 高频 ≠ 真实:被多次提出的需求可能只是某个人的偏好
  • 整齐 ≠ 可靠:需求描述很清晰不代表问题真实存在
  • 可做 ≠ 该做:技术上能做不代表产品上该做

一句判断

真需求靠现实反复支付,伪需求靠热度和顺滑感成立。

Signals

GitHub stars
46
Last commit
Sep 2026
Advanced
Catalog kind
skill
Gateway key
p0b-real-needs-validator
Source
github.com/gmaxxxie/ai-native-product-agent-skills