user-research-orchestrator

name	user-research-orchestrator
description	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。
metadata	{"module":"产品探索与发现","sub-module":"用户研究","type":"orchestrator","version":"8.2","domain_tags":["通用"],"trigger_examples":["帮我做一下用户研究","分析一下用户反馈","设计一个用户访谈","生成用户画像","了解一下用户行为"]}

用户研究指挥官

核心原则

1. 用户说的和做的不一样——VOC（用户说的）和行为数据（用户做的）必须并行采集、交叉验证，单一信源结论不可信
2. 建模是假设不是事实——Persona/Empathy Map/Journey Map都是基于数据的假设模型，必须人类审批确认后方可用于后续流程
3. 访谈是验证不是探索——访谈的目的是验证已有假设（来自VOC和行为数据），不是漫无目的的探索，脚本必须锚定待验证假设
4. 报告是终点也是起点——用户研究报告是研究阶段的终点，但也是产品决策的起点，报告必须包含可执行的行动建议

编排协议

遵循 orchestrator-protocol.md 编排协议。

Pipeline 定义

pipeline: user-research-orchestrator
version: 8.2

post_pipeline:
  - action: stage-summary
    output: output/phase-reports/pm-discovery/user-research-orchestrator.md

stages:
  - id: phase-1
    name: "并行采集"
    skills:
      - user-research-voice-analysis
      - user-research-behavior-analysis
    gate:
      condition: "voice-analysis.json + behavior-analysis.json 均已生成且验证通过"
      fail_action: "补充用户反馈数据或行为数据"

  - id: phase-2
    name: "用户建模"
    depends_on: [phase-1]
    skills:
      - user-research-user-modeling
    gate:
      condition: "persona.json 已生成"
      fail_action: "补充数据或检查子Skill执行结果"

  - id: phase-2b
    name: "访谈辅助"
    depends_on: [phase-2]
    skills:
      - user-research-interview-assist
    gate:
      condition: "interview-script.json 已生成"
      fail_action: "补充数据或检查子Skill执行结果"

  - id: phase-3
    name: "研究报告"
    depends_on: [phase-1, phase-2b]
    skills: [user-research-report]
    gate:
      condition: "执行摘要包含3条核心发现+Top1建议"
      fail_action: "补充上游数据重新生成报告"

阶段执行计划

阶段1：并行采集

调用 user-research-voice-analysis

Skill: user-research-voice-analysis
输入:
  app_reviews: 用户提供（应用商店评论）
  support_tickets: 用户提供（客服工单数据）
  social_mentions: 用户提供（可选，社交媒体提及）
  community_posts: 用户提供（可选，社区帖子）
  analysis_config: 用户提供（可选，分析配置）
输出: output/pm-discovery/user-research-voice-analysis/voice-analysis.json
验证: sentiment_distribution非空，top_themes至少3个主题，top_pain_points已提取，置信度已标注
模式: 🤖

调用 user-research-behavior-analysis

Skill: user-research-behavior-analysis
输入:
  event_logs: 用户提供（行为事件日志）
  funnel_data: 用户提供（漏斗数据）
  heatmap_data: 用户提供（可选，热力图数据）
  analysis_config: 用户提供（可选，分析配置）
输出: output/pm-discovery/user-research-behavior-analysis/behavior-analysis.json
验证: funnel_health非空，aha_moment_candidates已提取，feature_usage分析已完成，置信度已标注
模式: 🤖

⏸ 阶段卡口：voice-analysis.json + behavior-analysis.json 均已生成且验证通过 → 未通过：补充用户反馈数据或行为数据

阶段2：用户建模

调用 user-research-user-modeling

Skill: user-research-user-modeling
输入:
  voice_analysis: output/pm-discovery/user-research-voice-analysis/voice-analysis.json
  behavior_analysis: output/pm-discovery/user-research-behavior-analysis/behavior-analysis.json
  survey_data: 用户提供（可选，问卷数据）
  modeling_config: 用户提供（可选，建模配置）
输出: output/pm-discovery/user-research-user-modeling/persona.json + empathy-map.json + journey-map.json
验证: personas数组非空，至少1个Persona置信度≥0.7，Empathy Map四象限完整，Journey Map阶段完整
模式: 🤖→👤

⏸ 阶段卡口：personas数组非空，至少1个Persona置信度≥0.7 → 未通过：标记建模不充分，建议补充数据或访谈

阶段2b：访谈辅助

调用 user-research-interview-assist

Skill: user-research-interview-assist
输入:
  persona: output/pm-discovery/user-research-user-modeling/persona.json（可选）
  research_objectives: 用户提供（研究目标）
  interview_config: 用户提供（访谈配置）
  voice_analysis: output/pm-discovery/user-research-voice-analysis/voice-analysis.json（可选）
  behavior_analysis: output/pm-discovery/user-research-behavior-analysis/behavior-analysis.json（可选）
输出: output/pm-discovery/user-research-interview-assist/interview-script.json + interview-insights.json
验证: interview-script.json中core_modules非空，每个核心问题有追问策略；interview-insights.json中validated_hypotheses或new_discoveries非空
模式: 👤→🤖

⏸ 阶段卡口：interview-script.json已生成，访谈执行后interview-insights.json已生成 → 未通过：检查研究目标和访谈配置是否完整

阶段3：研究报告

调用 user-research-report

Skill: user-research-report
输入:
  voice_analysis: output/pm-discovery/user-research-voice-analysis/voice-analysis.json（可选）
  behavior_analysis: output/pm-discovery/user-research-behavior-analysis/behavior-analysis.json（可选）
  persona: output/pm-discovery/user-research-user-modeling/persona.json（可选）
  interview_script: output/pm-discovery/user-research-interview-assist/interview-script.json（可选）
  research_objectives: 用户提供（研究目标）
  product_info: 用户提供（可选，产品/品类信息）
输出: output/pm-discovery/user-research-report/user-research-report.md + user-research-report.json
验证: 执行摘要包含3条核心发现+Top1建议，每个Persona有代表性用户原话，行动建议至少3条且有优先级
模式: 🤖→👤

⏸ 阶段卡口：执行摘要包含3条核心发现+Top1建议 → 未通过：补充上游数据重新生成报告

阶段总结（post_pipeline）

所有子Skill执行完成后，必须生成阶段总结文档，写入 output/phase-reports/pm-discovery/user-research-orchestrator.md，包含以下6项结构（均不可为空）：

1. 执行概览：编排器名称与版本、执行时间、子Skill执行状态（成功/失败/降级）
2. 关键发现：每个子Skill的核心输出摘要（1-3条）、跨子Skill的交叉洞察
3. 决策记录：人类决策点及决策结果、AI自动决策及依据
4. 产出清单：所有输出文件路径及内容摘要、产出质量评估（是否通过验证）
5. 风险与待办：未通过验证的项、降级执行的项、建议后续跟进的事项
6. 下游衔接：本编排器产出可被哪些下游编排器消费、推荐的下一步编排器

参数	值
子Skill输出路径	output/pm-discovery/
总结输出路径	output/phase-reports/pm-discovery/user-research-orchestrator.md
审批记录路径	output/approvals/{orchestrator-name}/{stage-id}.approval.json

下游衔接: primary: insight-orchestrator（用户研究完成，从研究数据中提炼洞察） alternatives: - target: opportunity-orchestrator reason: 研究结论已足够明确，直接进入机会定义 condition: 用户研究已产出清晰的痛点和需求时 - target: design-orchestrator reason: 研究结论可直接支撑产品设计 condition: 用户研究已产出完整的用户画像和场景，且商业模式已确定时 special_cases: - target: user-research-report reason: 仅需生成研究报告，无需后续洞察分析 condition: 研究为独立项目交付物，不需要进一步分析时

阶段卡口

卡口	条件	未通过处理
phase-1完成	voice-analysis.json + behavior-analysis.json 均已生成且非空	补充用户反馈数据或行为数据
phase-2完成	persona.json 已生成且人类审批通过	补充数据或调整建模参数重新执行
phase-2b完成	interview-script.json 已生成且非空	检查研究目标和访谈配置是否完整
访谈洞察已提取	interview-insights.json 已生成且非空	等待人类完成访谈执行后提取洞察
phase-3完成	user-research-report.md + user-research-report.json 均已生成且非空	检查上游数据是否完整
阶段总结已生成	output/phase-reports/pm-discovery/user-research-orchestrator.md 已生成且6项结构均非空	补充缺失结构项后重新生成

人类决策点

决策点	触发条件	决策内容
Persona最终确认	user-research-user-modeling完成	确认Persona画像是否准确，修正推断性特征
Emotional/Social Job推断验证	Persona中Emotional/Social Job置信度<0.5	确认情感和社会诉求推断是否合理
访谈结果校准	user-research-interview-assist完成	校准访谈发现与已有数据的一致性，仲裁矛盾
用户研究报告结论与行动建议审批	user-research-report完成	审批用户研究报告的最终结论和行动建议

异常处理

异常类型	处理策略
阶段1某子Skill失败（voice-analysis或behavior-analysis）	不阻塞另一子Skill，失败子Skill使用降级方案继续，标注"降级执行"
voice-analysis数据量不足（<500条）	标注"数据不足"，输出降级为探索性结论，置信度统一降级，report中标注VOC结论为探索性
behavior-analysis漏斗数据不完整	基于已有数据完成可分析部分，缺失阶段标注"数据缺失"，aha_moment_candidates标注低置信度
user-modeling所有Persona置信度<0.7	标注"建模不充分"，输出最高置信度Persona供人类审批，建议补充数据或执行访谈后再建模
interview-assist访谈未执行（人类未完成访谈）	interview-insights.json标注"访谈未执行"，report基于VOC+行为数据+建模数据生成，标注"缺少访谈验证"
上游数据全部缺失	降级为轻量版流程：用户口述用户画像 → 基于描述生成假设性Persona → 生成探索性报告
阶段总结生成失败	基于已完成的子Skill输出生成部分总结，缺失项标注"数据缺失"，不阻塞编排完成