当需要执行完整的需求分析流程时使用。需求洞察指挥官，调度insight-analysis完成JTBD、需求分层、5Whys、KANO分类和优先级评分。关键词：需求分析流程、需求洞察编排、需求优先级全流程、JTBD、5Whys、KANO、优先级评分、分析需求、挖掘需求、用户需求、需求排序。本编排器为透传编排器，仅调度1个子Skill(insight-analysis)，上层编排器也可直接调用insight-analysis。

2026-05-166

market-orchestrator

LuckyOneTwoThree/pm-skill

当需要执行完整的市场与竞品分析流程时使用。市场竞品指挥官，调度market-tam-som/pest/competitor-analysis。关键词：市场分析、竞品分析、TAM/SAM/SOM、PEST、竞品情报、四象限、市场规模、行业分析、竞争对手、竞品调研。

2026-05-166

opportunity-orchestrator

LuckyOneTwoThree/pm-skill

当需要执行完整的机会识别与定义流程时使用。机会识别指挥官，调度opportunity-definition完成机会评分、问题陈述、HMW发散和机会简报。关键词：机会识别、机会评分、HMW、Problem Statement、Opportunity Brief、产品机会、机会评估、问题定义。

2026-05-166

user-research-orchestrator

LuckyOneTwoThree/pm-skill

当需要执行完整的用户研究流程时使用。用户研究指挥官，调度voice-analysis/behavior-analysis/user-modeling/interview-assist/report。关键词：用户研究、VOC分析、行为分析、Persona、访谈辅助、用户调研、用户画像、用户反馈、用户访谈。

2026-05-166

business-orchestrator

LuckyOneTwoThree/pm-skill

当需要设计或评估产品商业模式时使用。商业模式指挥官，调度business-model-canvas/value-fit/pricing/strategy-report。关键词：商业模式、商业画布、定价策略、商业战略报告、怎么赚钱、盈利模式、收费模式、商业评估。

2026-05-166

planning-orchestrator

LuckyOneTwoThree/pm-skill

当需要进行产品立项、战略规划或路线图制定时使用。战略规划指挥官，调度产品提案、战略分析（SWOT/Ansoff/波特五力）、OKR、北极星、路线图等子Skill。关键词：产品立项、战略规划、SWOT、OKR、路线图、战略分析、制定目标、产品规划、年度规划。

2026-05-166

name	opportunity-definition
description	机会识别与定义，整合机会评分、问题陈述、HMW发散和机会简报。关键词：机会识别、机会评估、HMW、Problem Statement、机会简报、产品机会。
metadata	{"module":"产品探索与发现","sub-module":"机会识别","type":"pipeline","version":"3.0","domain_tags":["通用"],"trigger_examples":["帮我评估一下这个产品机会","识别一下有哪些产品机会","定义一下我们要解决的问题","生成机会简报","这个机会值不值得追","帮我换个角度思考问题"],"interaction_mode":"ai_suggest_human_approve"}

Opportunity Definition — 机会识别与定义

核心原则

好机会是定义出来的——机会不是客观存在等待发现的，而是通过评分验证、Problem Statement定义、HMW重构逐步定义出来的
评分先于发散——先评分确定机会优先级（scoring），再发散探索创新空间（hmw），顺序不可颠倒，否则HMW会发散到低价值方向
Problem Statement是锚点——所有HMW和Brief都锚定在Problem Statement上，Problem Statement质量不通过则后续输出不可信
评分是建议不是决策——AI输出为决策参考，最终优先级排序需人类综合判断；战略契合度维度必须人类判定
发散优于收敛——HMW生成阶段追求数量与广度，筛选留给人类审核；四维度缺一不可
Brief是决策文档不是数据堆砌——每个字段必须服务于决策判断，假设风险驱动下一步

交互模式

🤖→👤 AI 建议人类审批（机会评分阶段战略契合度维度 👤 由人类执行）

输入

输入项	类型	必填	来源	说明
用户研究数据	JSON	是	output/pm-discovery/user-research-voice-analysis/voice-analysis.json / output/pm-discovery/user-research-behavior-analysis/behavior-analysis.json	用户痛点、行为数据、期望数据
市场分析数据	JSON	是	output/pm-discovery/market-tam-som/tam-som.json	SOM 估算值
竞品分析数据	JSON	是	output/pm-discovery/market-competitor-analysis/competitor-analysis.json	竞品能力与壁垒分析
需求洞察数据	JSON	○	output/pm-discovery/user-research-user-modeling/persona.json / output/pm-discovery/insight-analysis/insight-analysis.json	用户画像、待办任务、需求分类
技术团队评估	object	○	用户提供	现有技术栈可实现性评估

执行步骤

Step 1: 机会评分

对产品机会进行多维度量化评分，确定优先级。

评分函数：总分 = Σ(维度得分 × 维度权重)

维度1：问题真实性（权重 0.30）

得分	标准
5	痛点提及率 > 10% 且行为数据印证
4	痛点提及率 > 10% 但无行为数据印证
3	痛点提及率 5%-10% 且行为数据印证
2	痛点提及率 5%-10% 但无行为数据印证
1	无直接数据，纯假设

维度2：市场规模（权重 0.25）

得分	标准
5	SOM > 1亿
4	SOM 5000万-1亿
3	SOM 1000万-5000万
2	SOM 500万-1000万
1	无法估算

维度3：解决可行性（权重 0.20）

得分	标准
5	现有技术栈可直接实现
4	现有技术栈需少量扩展
3	需引入新技术但团队有能力
2	需引入新技术且团队需学习
1	当前技术不可行

维度4：战略契合度（权重 0.15）👤 人类判定

得分	标准
5	核心战略方向，高度契合
4	重要战略方向，较好契合
3	相关战略方向，部分契合
2	边缘战略方向，弱契合
1	不在战略方向内

注意：AI 提供战略契合度分析建议，但最终得分必须由人类判定。AI 评分后此维度标记为 needs_human: true。

维度5：竞争壁垒（权重 0.10）

得分	标准
5	竞品无此能力且短期难复制
4	竞品无此能力但中期可复制
3	竞品有部分能力但体验差
2	竞品有较好能力但未主导
1	竞品已领先

Step 2: 问题陈述

基于评分结果和用户研究数据生成结构化 Problem Statement。

结构化模板：

[目标用户群体] 在 [场景] 下，需要 [完成什么任务]，但当前面临 [核心痛点]，因为 [现有方案的不足]，如果这个问题被解决，他们将 [预期收益]。

数据支撑要求：每个关键要素必须附带数据证据。

模板要素拆解

要素	说明	数据要求
目标用户群体	具体的用户群体描述，不能是"用户"泛称	需关联 persona 数据
场景	用户所处的具体使用场景	需有行为数据或访谈数据支撑
完成什么任务	用户需要达成的目标	需关联 JTBD 数据
核心痛点	用户面临的主要困难	需有痛点提及率数据
现有方案的不足	当前解决方案的缺陷	需有竞品分析或用户反馈数据
预期收益	问题解决后的预期效果	需可量化或可验证

质量检查（自动执行，不通过则修复重试，最多3次）

检查项	通过条件	修复策略
是否指定了具体用户群体	用户群体描述具体，非泛称	从 persona 数据中提取具体用户群体描述替换
是否指定了具体场景	场景描述具体且可观察	从行为数据中提取高频场景替换
是否描述了现有方案不足	明确指出1个或多个具体不足	从竞品分析和用户反馈中提取具体不足
是否可验证	预期收益可量化或可通过实验验证	将模糊收益替换为可量化指标
是否避免了解决方案预设	问题描述不包含任何具体解决方案	移除方案描述，聚焦问题本身

Step 3: HMW发散

基于 Problem Statement 和用户研究数据，从4个维度生成 HMW 陈述，每个维度2-3个：

维度1：消除障碍

模板："我们如何消除/减少[用户在XX场景下的XX障碍]？"

聚焦用户当前面临的具体阻碍
障碍需有用户研究数据支撑
避免直接跳入解决方案

维度2：提升体验

模板："我们如何让[XX体验]变得更[简单/快速/愉悦]？"

聚焦已有但体验不佳的环节
体验改善方向需有行为数据印证
量化改善目标

维度3：创造新价值

模板："我们如何帮助[XX用户]实现[他们尚未表达的XX期望]？"

挖掘用户未明确表达但行为数据暗示的需求
基于用户研究中的隐性模式

维度4：重新定义

模板："如果我们重新思考[XX流程]，会怎样？"

挑战现有流程的基本假设
借鉴跨行业创新模式
鼓励突破性思维

Step 4: 机会简报

将前序所有产出组装为完整的机会简报。

结构定义

字段	来源	说明
title	自动生成	格式：[目标用户群体] - [核心痛点摘要]
problem_statement	Step 2 输出	直接引用 Problem Statement 文本
evidence_summary	多源汇总	用户研究证据、市场分析证据、竞争格局证据
opportunity_score	Step 1 输出	加权总分与各维度得分
hmw_statements	Step 3 输出	HMW 陈述列表，标注创新空间评分
key_assumptions	推断生成	关键假设列表，含类型/可验证性/风险等级
recommended_next_step	基于评分与假设分析	推荐的下一步行动
human_decisions_needed	推断生成	需人类决策的事项列表

输出

输出路径：output/pm-discovery/opportunity-definition/

输出文件：opportunity-definition.json + opportunity-definition.md

输出Schema

{
  "type": "object",
  "required": ["scoring", "problem_statement", "hmw", "brief", "metadata"],
  "properties": {
    "scoring": {
      "type": "object",
      "required": ["opportunities", "metadata"],
      "properties": {
        "opportunities": {"type": "array", "description": "机会评分列表，详见输出校验规则→scoring校验"},
        "metadata": {"type": "object", "description": "评分元数据，含awaiting_human_input"}
      }
    },
    "problem_statement": {
      "type": "object",
      "required": ["problem_statement", "data_support", "template_elements", "quality_check"],
      "properties": {
        "problem_statement": {"type": "string", "description": "完整Problem Statement文本"},
        "data_support": {"type": "object", "description": "数据支撑，详见输出校验规则→problem_statement校验"},
        "template_elements": {"type": "object", "description": "模板6要素"},
        "quality_check": {"type": "object", "description": "5项质量检查结果"}
      }
    },
    "hmw": {
      "type": "object",
      "required": ["hmw_statements", "dimension_coverage"],
      "properties": {
        "hmw_statements": {"type": "array", "description": "HMW陈述列表，详见输出校验规则→hmw校验"},
        "dimension_coverage": {"type": "object", "description": "4维度覆盖统计"}
      }
    },
    "brief": {
      "type": "object",
      "required": ["title", "problem_statement", "evidence_summary", "opportunity_score", "hmw_statements", "key_assumptions", "recommended_next_step", "human_decisions_needed"],
      "properties": {
        "title": {"type": "string"},
        "evidence_summary": {"type": "object", "description": "3类证据摘要，详见输出校验规则→brief校验"},
        "key_assumptions": {"type": "array", "description": "关键假设列表，详见输出校验规则→brief校验"},
        "human_decisions_needed": {"type": "array", "description": "人类决策事项列表"}
      }
    },
    "metadata": {"type": "object", "description": "元数据，含版本、时间戳和来源文件"}
  }
}

输出校验规则

scoring 校验

字段路径	类型	必填	说明
`scoring.opportunities`	array	是	机会评分列表，不可为空数组
`scoring.opportunities[].name`	string	是	机会名称，不可为空字符串
`scoring.opportunities[].scores.{dimension}.score`	number\|null	是	维度得分1-5，待人类判定时必须为null
`scoring.opportunities[].scores.{dimension}.weight`	number	是	维度权重，5个维度权重之和必须等于1.00
`scoring.opportunities[].scores.{dimension}.evidence`	string	是	评分依据，不可为空字符串
`scoring.opportunities[].scores.{dimension}.needs_human`	boolean	是	是否需要人类判定，strategic_fit维度必须为true
`scoring.opportunities[].weighted_total`	number\|null	是	加权总分，任一维度score为null时必须为null
`scoring.metadata.awaiting_human_input`	boolean	是	是否有待人类输入，strategic_fit未评分时必须为true

problem_statement 校验

字段路径	类型	必填	说明
`problem_statement.problem_statement`	string	是	完整的Problem Statement文本，不可为空且不可包含具体解决方案
`problem_statement.data_support.pain_point_frequency`	string	是	痛点提及率，不可为空
`problem_statement.data_support.behavioral_evidence`	string	是	行为数据印证，不可为空
`problem_statement.data_support.confidence`	number	是	置信度0-1，低于0.5时需升级人类审核
`problem_statement.template_elements.target_user`	string	是	目标用户群体，不可使用泛称
`problem_statement.template_elements.scenario`	string	是	具体场景，不可为模糊描述
`problem_statement.template_elements.task`	string	是	用户需完成的任务，不可为空
`problem_statement.template_elements.core_pain`	string	是	核心痛点，不可为空
`problem_statement.template_elements.current_gap`	string	是	现有方案不足，需指出1个或多个具体不足
`problem_statement.template_elements.expected_benefit`	string	是	预期收益，需可量化或可验证
`problem_statement.quality_check.all_passed`	boolean	是	5项质量检查是否全部通过
`problem_statement.quality_check.retry_count`	number	是	重试次数，最大值为3

hmw 校验

字段路径	类型	必填	说明
`hmw.hmw_statements`	array	是	HMW陈述列表，数量必须在8-12范围内
`hmw.hmw_statements[].id`	string	是	HMW唯一标识，格式为hmw-NNN
`hmw.hmw_statements[].statement`	string	是	HMW陈述文本，不可为空且不可包含具体解决方案
`hmw.hmw_statements[].dimension`	string	是	所属维度，必须为eliminate_barriers/enhance_experience/create_value/redefine之一
`hmw.hmw_statements[].problem_ref`	string	是	关联的Problem Statement字段引用，不可为空
`hmw.hmw_statements[].data_source`	string	是	数据来源引用，不可为空
`hmw.hmw_statements[].innovation_space`	number	是	创新空间评分1-5，≥4时需人类重点审核
`hmw.hmw_statements[].confidence`	number	是	置信度0-1
`hmw.dimension_coverage`	object	是	4个维度均必须出现且值≥1
`hmw.dimension_coverage.eliminate_barriers`	number	是	消除障碍维度HMW数量，≥2
`hmw.dimension_coverage.enhance_experience`	number	是	提升体验维度HMW数量，≥2
`hmw.dimension_coverage.create_value`	number	是	创造新价值维度HMW数量，≥2
`hmw.dimension_coverage.redefine`	number	是	重新定义维度HMW数量，≥2

brief 校验

字段路径	类型	必填	说明
`brief.title`	string	是	机会简报标题，格式为[目标用户群体]-[核心痛点摘要]
`brief.problem_statement`	string	是	结构化问题陈述，不可为空
`brief.evidence_summary.user_research`	object	是	用户研究证据，需包含痛点频率和行为印证
`brief.evidence_summary.market_analysis`	object	是	市场分析证据，需包含SOM估算
`brief.evidence_summary.competitive_landscape`	object	是	竞争格局证据，需包含市场空白分析
`brief.opportunity_score.weighted_total`	number	是	加权总分，不可为null（需人类已完成战略契合度评分）
`brief.hmw_statements`	array	是	HMW陈述列表，不可为空数组
`brief.key_assumptions`	array	是	关键假设列表，不可为空数组
`brief.key_assumptions[].assumption`	string	是	假设描述，不可为空
`brief.key_assumptions[].type`	string	是	假设类型，必须为desirability/viability/feasibility/usability之一
`brief.key_assumptions[].testability`	string	是	可验证性描述，不可为空
`brief.key_assumptions[].risk_if_wrong`	string	是	风险等级，必须为高/中/低之一
`brief.recommended_next_step`	string	是	推荐下一步，必须基于评分和假设风险分析
`brief.human_decisions_needed`	array	是	人类决策事项列表，高风险假设必须有对应决策项
`brief.human_decisions_needed[].item`	string	是	决策事项，不可为空
`brief.human_decisions_needed[].context`	string	是	决策上下文，不可为空
`brief.human_decisions_needed[].urgency`	string	是	紧急程度，必须为高/中/低之一

Output JSON 示例

{
  "scoring": {
    "opportunities": [
      {
        "name": "多渠道数据核对自动化",
        "scores": {
          "problem_validity": { "score": 4, "weight": 0.30, "evidence": "痛点提及率12%，行为数据显示用户反复尝试解决", "needs_human": false },
          "market_size": { "score": 3, "weight": 0.25, "evidence": "SOM估算约3000万", "needs_human": false },
          "feasibility": { "score": 4, "weight": 0.20, "evidence": "现有技术栈需少量扩展", "needs_human": false },
          "strategic_fit": { "score": null, "weight": 0.15, "evidence": "AI分析：该机会与核心战略方向高度相关，建议评分4-5", "needs_human": true },
          "competitive_moat": { "score": 3, "weight": 0.10, "evidence": "竞品有部分能力但体验差", "needs_human": false }
        },
        "weighted_total": null,
        "provisional_rank": null
      }
    ],
    "metadata": {
      "scoring_version": "1.0",
      "awaiting_human_input": true,
      "pending_dimensions": ["strategic_fit"]
    }
  },
  "problem_statement": {
    "problem_statement": "月活超过1000的SaaS产品运营人员，在月底结算高峰期，需要快速核对多渠道数据一致性，但当前面临手动比对耗时且易错的核心痛点，因为现有工具仅支持单渠道数据导出且缺乏自动校验能力，如果这个问题被解决，他们将把数据核对时间从平均4小时缩短至30分钟以内。",
    "data_support": {
      "pain_point_frequency": "12.3%",
      "behavioral_evidence": "78%的用户在月底会反复导出数据并手动比对",
      "confidence": 0.88
    },
    "template_elements": {
      "target_user": "月活超过1000的SaaS产品运营人员",
      "scenario": "月底结算高峰期",
      "task": "快速核对多渠道数据一致性",
      "core_pain": "手动比对耗时且易错",
      "current_gap": "现有工具仅支持单渠道数据导出且缺乏自动校验能力",
      "expected_benefit": "数据核对时间从平均4小时缩短至30分钟以内"
    },
    "quality_check": {
      "specific_user_group": { "passed": true, "detail": "指定了'月活超过1000的SaaS产品运营人员'" },
      "specific_scenario": { "passed": true, "detail": "指定了'月底结算高峰期'" },
      "current_solution_gap": { "passed": true, "detail": "描述了'仅支持单渠道数据导出且缺乏自动校验能力'" },
      "verifiable": { "passed": true, "detail": "预期收益可量化：4小时→30分钟" },
      "no_solution_preset": { "passed": true, "detail": "问题描述未包含具体解决方案" },
      "all_passed": true,
      "retry_count": 0
    }
  },
  "hmw": {
    "hmw_statements": [
      {
        "id": "hmw-001",
        "statement": "我们如何消除新用户在首次配置场景下的认知负担障碍？",
        "dimension": "eliminate_barriers",
        "problem_ref": "problem_statement.core_pain",
        "data_source": "voice-analysis.json::pain_point_frequency=12%",
        "innovation_space": 4,
        "confidence": 0.85
      },
      {
        "id": "hmw-002",
        "statement": "我们如何让报表生成体验变得更快速？",
        "dimension": "enhance_experience",
        "problem_ref": "problem_statement.current_gap",
        "data_source": "behavior-analysis.json::avg_report_time=10min",
        "innovation_space": 3,
        "confidence": 0.90
      }
    ],
    "dimension_coverage": {
      "eliminate_barriers": 3,
      "enhance_experience": 3,
      "create_value": 3,
      "redefine": 2
    },
    "metadata": {
      "total_count": 11,
      "high_innovation_count": 4
    }
  },
  "brief": {
    "title": "SaaS运营人员 - 多渠道数据核对耗时易错",
    "problem_statement": "月活超过1000的SaaS产品运营人员，在月底结算高峰期，需要快速核对多渠道数据一致性，但当前面临手动比对耗时且易错的核心痛点，因为现有工具仅支持单渠道数据导出且缺乏自动校验能力，如果这个问题被解决，他们将把数据核对时间从平均4小时缩短至30分钟以内。",
    "evidence_summary": {
      "user_research": {
        "pain_point_frequency": "12.3%用户提及此痛点",
        "behavioral_evidence": "78%目标用户月底反复手动导出比对",
        "persona_summary": "主要受影响群体为中型SaaS产品运营人员",
        "core_jobs": "数据核对、报表生成、异常排查",
        "need_type": "基本需求（Kano模型），缺失时强烈不满"
      },
      "market_analysis": {
        "tam": "50亿",
        "sam": "15亿",
        "som": "1.2亿",
        "growth_rate": "年增长率约25%"
      },
      "competitive_landscape": {
        "competitor_capabilities": "主流竞品仅支持单渠道数据管理",
        "market_gap": "多渠道数据自动核对能力缺失",
        "barrier_analysis": "数据集成能力构成一定壁垒"
      }
    },
    "opportunity_score": {
      "weighted_total": 3.85,
      "dimensions": {
        "problem_validity": { "score": 4, "weight": 0.30 },
        "market_size": { "score": 4, "weight": 0.25 },
        "feasibility": { "score": 4, "weight": 0.20 },
        "strategic_fit": { "score": 4, "weight": 0.15 },
        "competitive_moat": { "score": 3, "weight": 0.10 }
      }
    },
    "hmw_statements": [
      { "id": "hmw-001", "statement": "我们如何消除新用户在首次配置场景下的认知负担障碍？", "innovation_space": 4 },
      { "id": "hmw-002", "statement": "我们如何让报表生成体验变得更快速？", "innovation_space": 3 }
    ],
    "key_assumptions": [
      { "assumption": "目标用户愿意为自动核对功能付费", "type": "viability", "testability": "通过付费意愿调研或MVP定价测试验证", "risk_if_wrong": "高" },
      { "assumption": "多渠道数据接口可统一标准化", "type": "feasibility", "testability": "通过技术预研验证3-5个主流渠道的数据接口", "risk_if_wrong": "高" }
    ],
    "recommended_next_step": "建议进入解决方案探索阶段，优先验证高风险假设（付费意愿与数据接口标准化），可通过烟雾测试与技术预研并行推进。",
    "human_decisions_needed": [
      { "item": "确认战略契合度评分", "context": "AI建议评分4，需人类确认是否与公司战略方向一致", "urgency": "高" },
      { "item": "确认高风险假设的验证优先级", "context": "2个高风险假设需决定验证顺序与资源分配", "urgency": "高" }
    ]
  },
  "metadata": {
    "version": "3.0",
    "generated_at": "2026-05-14T21:00:00Z",
    "source_files": [
      "output/pm-discovery/user-research-voice-analysis/voice-analysis.json",
      "output/pm-discovery/user-research-behavior-analysis/behavior-analysis.json",
      "output/pm-discovery/market-tam-som/tam-som.json",
      "output/pm-discovery/market-competitor-analysis/competitor-analysis.json"
    ]
  }
}

决策规则

战略契合度必须人类判定：AI 仅提供分析建议，不自动评分；加权总分待人类判定后计算
Problem Statement质量检查不通过则自动修改重试：根据未通过的检查项定向修复，最多重试3次，3次仍不通过升级人类
创新空间 ≥ 4 的 HMW 需人类重点审核：这些陈述可能带来突破性创新，但也可能偏离核心问题
创新空间 < 3 的 HMW 可快速通过：偏向渐进式改进，风险较低
每个维度至少保留1个 HMW：确保机会探索的全面性
关键假设风险等级"高"的必须标注：risk_if_wrong 为"高"的假设必须在 human_decisions_needed 中列出对应的决策项
推荐下一步需基于数据：必须基于评分结果与假设风险分析，不能凭空建议

质量检查

检查项	通过条件
机会评分完整	5个维度均有 score 值或标记为 needs_human，战略契合度标记为 needs_human
评分依据完整	每个维度的 evidence 字段非空
权重一致性	5个维度权重之和 = 1.00
Problem Statement 5项质量检查全部通过	`quality_check.all_passed === true`
数据支撑完整	pain_point_frequency、behavioral_evidence、confidence 均非空
HMW 4个维度都已覆盖	`dimension_coverage` 中4个维度均 ≥ 1
每个 HMW 有数据支撑	每个 HMW 的 `data_source` 非空
HMW 陈述避免解决方案预设	陈述中不包含具体产品功能或技术方案描述
HMW 总数符合要求	`total_count` 在8-12范围内
所有证据摘要已填充	`evidence_summary` 的3个子字段均有内容
关键假设已列出可验证性	每个 `key_assumptions` 的 `testability` 非空
人类决策项已明确	`human_decisions_needed` 非空且每项包含 item/context/urgency
高风险假设有对应决策项	`risk_if_wrong` 为"高"的假设在 `human_decisions_needed` 中有对应项

降级策略

当上游文件不存在时，本Skill仍可独立执行：

缺失的上游输入	降级方案	输出影响
用户研究数据（voice-analysis / behavior-analysis）	用户描述机会 → 基于描述评分和生成Problem Statement	`problem_validity.score` 降为默认值2，`data_support.pain_point_frequency` 为用户估算值，`confidence`<0.5
市场分析数据（tam-som）	用户描述机会 → 市场规模维度基于用户估算评分	`market_size.score` 基于用户估算，`evidence` 标注"缺乏市场数据"
竞品分析数据（competitor-analysis）	用户描述机会 → 竞争壁垒维度基于用户描述评分	`competitive_moat.score` 基于用户描述，`evidence` 标注"缺乏竞品数据"
需求洞察数据（persona / insight-analysis）	基于用户描述直接生成	`template_elements.target_user` 可能使用泛称，`quality_check.specific_user_group` 可能不通过
所有上游文件均缺失	提示用户先执行前序阶段，或基于用户口头描述的机会直接执行	多个维度使用默认值，`weighted_total` 可信度极低，`quality_check` 多项可能不通过，Brief决策价值大幅降低

数据获取说明

本Skill需要用户研究、市场分析和竞品分析数据，请通过以下方式之一提供：

直接描述机会、目标用户和核心痛点
上传voice-analysis.json / tam-som.json / competitor-analysis.json等文件
提供数据文件路径

AI不负责外部数据采集，仅负责分析

上游变更响应

上游变更影响表

上游数据源	变更类型	影响维度	影响描述	响应策略
voice-analysis.json	痛点提及率更新	scoring.problem_validity / problem_statement.data_support	痛点频率变化影响评分和Problem Statement	重新计算problem_validity得分，更新data_support和core_pain
behavior-analysis.json	行为模式数据更新	scoring.problem_validity / hmw.enhance_experience	行为数据变化影响评分和HMW	重新评估行为印证，更新受影响HMW的data_source和confidence
tam-som.json	SOM估算值调整	scoring.market_size / brief.evidence_summary.market_analysis	SOM数值变化影响评分和Brief	重新计算market_size得分，更新Brief市场分析证据
competitor-analysis.json	竞品能力变更	scoring.competitive_moat / brief.evidence_summary.competitive_landscape	竞品变化影响评分和Brief	重新计算competitive_moat得分，更新Brief竞争格局证据
persona.json	用户画像调整	problem_statement.template_elements.target_user	用户群体定义变化	更新target_user，重新执行specific_user_group检查
insight-analysis.json	洞察分析变更	problem_statement.template_elements.task	用户任务定义变化	更新task要素，重新执行质量检查

下游通知机制表

下游消费者	通知字段	通知时机	通知内容
决策层/利益相关方	`brief.title` / `scoring.opportunities[].weighted_total`	Brief核心结论变更后	通知机会简报标题和评分变化，提示需重新审阅
后续阶段（解决方案探索）	`brief.recommended_next_step` / `brief.key_assumptions`	推荐行动或假设变更后	通知下一步行动调整及需验证的假设变化

变更记录

v3.0: 合并 opportunity-scoring + opportunity-problem-statement + opportunity-hmw + opportunity-brief 为 opportunity-definition，整合4步骤为统一流程