Menu
目标定义技能。当用户有模糊的产品想法但不确定值不值得做、不知道目标用户是谁、或不知道用什么指标判断成功时使用。基于 North Star Framework、HEART 框架和 AARRR 海盗指标，输出一张目标定义卡，附判断标准与 AI 执行约束。
Install with Codex or Claude Copy this prompt, paste it into Codex, Claude, or another assistant, and let it review the skill page and install it for you.
Based on SOC occupation classification
小象AI产品Builder技能包主入口。双模式：任务前路由（你的想法该用哪个 skill）+ 任务后导航（刚做完一个 skill，下一步该干什么）。帮助用户用好 AI Agent 把想法做成上线的产品，覆盖想清楚/做出来/跑起来三阶段。触发方式：/xxskill、"帮我做产品"、"我不知道从哪开始"、"下一步怎么走"。
判断产品里要不要内置 AI 能力。当用户的产品想法已经过需求澄清，在决定要不要给产品加 AI 功能时使用。通过 4 个问题的决策链，15 分钟内给出"加 AI 功能 / 用规则功能 / 混合 / 不加"的结论，附判断标准与 AI 执行约束。
性能优化技能。当产品在低端机卡顿、接口等待白屏、历史列表滚动掉帧、或需要优化帧循环计算、运动交互时使用。覆盖典型性能场景（含 AI 调用的流式渲染、长等待、长列表、冷启动、节流防抖）和零体验降级原则，按P0/P1/P2分级优化，输出可直接应用的参考实现。
最小后端技能。当产品需要调用 AI API（或第三方 API）但不想搞复杂后端时使用。只讲最小三件套：API 代理（隐藏 key）、key 管理、简单缓存降本。不碰微服务、不碰数据库设计。
数据中心与AI评估方法论技能。当产品的 AI 能力需要提升输出质量、用户只靠改prompt碰运气、或缺乏系统化的评估方法时使用。基于Andrew Ng的Data-Centric AI思想，建立评估集、做离线/在线评估、绑定prompt与数据版本，用数据迭代而非盲目调prompt。输出数据迭代日志。AI 按本规范维护评估集与日志，用户按判断标准判断质量好坏。
安全与合规技能。当产品收集用户数据、涉及 AI 输出内容、准备提交微信小程序审核时使用。覆盖通用合规（隐私、备案、类目资质）和 AI 专属合规（内容审核、AI 输出安全），输出上线前合规检查清单。
| name | xx-goal |
| description | 目标定义技能。当用户有模糊的产品想法但不确定值不值得做、不知道目标用户是谁、或不知道用什么指标判断成功时使用。基于 North Star Framework、HEART 框架和 AARRR 海盗指标，输出一张目标定义卡，附判断标准与 AI 执行约束。 |
在写第一行代码之前，先想清楚：为谁解决什么问题，怎么判断成功。
帮你在 20 分钟内完成从"我有个想法"到"这是我要验证的核心假设"的转化。输出一张目标定义卡。
大多数产品失败不是因为代码写得差，而是因为一开始就没想清楚：
本技能面向"用自然语言提需求、看结果提优化"的用户：你用自然语言描述想法和目标用户，AI 负责按框架追问、提炼、检查虚荣指标；你只需判断"这个目标是不是我想要的、用户描述准不准"。
AI 执行约束： 每一步产出必须能让用户判断"对/不对"，不能只输出抽象结论。用户分层必须具体到职业 + 场景，北极星指标必须能覆盖 HEART 至少 2 个维度，否则标"未达标，需补"。
要回答：谁是最早期的用户？
不是"所有需要 XX 的人"，而是具体到能想象出一张脸的人群。
引导问题：
AARRR 用户生命周期检查：
获取(Acquisition)：这些人从哪里知道你的产品？
激活(Activation)：他们第一次用，什么时刻会"啊这个有用"？
留存(Retention)：什么会让他们第二天还来？
推荐(Referral)：他们会主动分享给谁？
收益(Revenue)：他们愿意为什么付费？
如果 5 个环节中任何一个想不清楚，这个方向就需要再斟酌。
判断标准： 用户描述必须具体到"能想象出一张脸"——能说出职业、日常场景、现在用什么替代方案。说"所有人"或"中小企业主"这种宽泛词，视为不达标。
AI 执行约束： 若用户描述用了"所有人""一般用户""年轻人"等宽泛词，必须追问"具体是哪一类人，在什么场景下用"，不能直接放过。
要回答：如果只能看一个数字，看什么？
北极星指标（North Star Metric）是最能反映你给用户创造了多少核心价值的单一指标。
好指标 vs 坏指标：
| 坏指标（虚荣指标） | 好指标（北极星指标） |
|---|---|
| 注册用户数 | 首次完成核心任务的用户比例 |
| 页面浏览量 | 每周成功达成目标的次数 |
| 下载数 | 7 天留存率 |
| 收入 | 单位用户创造的核心价值 |
北极星指标的 4 个特征：
HEART 框架辅助检查：
Happiness（满意度）：用户满意吗？怎么测？
Engagement（参与度）：用户多频繁使用？
Adoption（采用率）：新用户开始用了吗？
Retention（留存率）：用户回来吗？
Task Success（任务成功）：用户能完成想做的事吗？
你的北极星指标应该能覆盖 HEART 中至少 2 个维度。
判断标准： 北极星指标必须是"用户获得的价值"，不是"你的收入/注册量"。一句话能解释清楚。能覆盖 HEART 至少 2 个维度。
AI 执行约束： 若指标是"注册数/下载量/收入/DAU"这类虚荣指标，必须标记"虚荣指标，需替换"并给出至少 2 个候选北极星指标供用户选。
要回答：我最不确定的是什么？怎么用最小成本验证？
把前两步的结论转化为可证伪的假设：
假设：[目标用户] 在 [场景] 下 需要 [完成任务]，
但现有方案 [痛点]，
如果我们提供 [解决方案]，
他们会 [预期行为]，
我们可以用 [指标] 验证。
风险最高的假设是：____________
验证方法：____________
验证成本：____________（时间/金钱）
验证标准：____________（什么数字算通过）
验证方法梯度（从低成本到高成本）：
优先验证最危险的假设，不是最容易做的功能。
判断标准： 假设必须可证伪（能说出什么数据算通过、什么算失败）。验证方法必须从低成本梯度选起，前一个不通过就不做下一个。
AI 执行约束： 若"风险最高的假设"和"验证方法"对不上（比如最高风险是付费意愿，却选了桌面验证），必须指出并建议改用落地页或手工 MVP 验证付费意愿。
完成以上三步后，整理成一张卡片：
## 目标定义卡
### 产品名称
[一句话名称]
### 目标用户
[具体人群描述，不是"所有人"]
### 核心问题
[用户现在最痛的 1-3 个问题]
现有替代方案：[他们现在怎么解决的]
### 独特价值
[为什么选你而不是现有方案]
### 北极星指标
[单一指标]
输入指标：[3-5 个影响北极星的可控因素]
### 早期采用者
[最可能第一批使用的人]
### 最危险假设
[假设描述]
验证方法：[方法]
验证标准：[什么数字算通过]
### AARRR 检查
获取：[用户从哪来]
激活：[首次 Aha 时刻]
留存：[为什么回来]
推荐：[会不会分享]
收益：[为什么付费]
目标定义是否可靠：
AI 执行约束： 任意一项不满足，必须明确标注"该项证据不足/不达标"，不能补全脑补。
小象取色 — 摄像头实时取色 + AI 中式命名 + 配色海报
每周做配色方案 ≥3 次的平面/UI 设计师，常接国风、品牌类项目
现有替代方案：搜官网查色名 / 自己编名字 / 直接发 Hex
摄像头一秒取色，AI 一秒出中式色名 + 整套配色方案，还能生成海报直接交付
每周成功"取色→命名→生成配色"的完整闭环次数（覆盖 Task Success + Engagement）
输入指标：
在小红书发配色笔记的国风设计师、接品牌 VI 项目的独立设计师
设计师愿意把 AI 命名结果直接交付给客户（而不是只当参考） 验证方法：手工 MVP（微信群，人工帮 10 个设计师命名 + 配色，看几人会直接用于交付） 验证标准：≥4/10 人把结果直接用于客户交付，且 ≥3 人问"什么时候上线"
获取：小红书配色笔记 / 设计师社群 激活：第一次取色→1 秒出中式色名的"啊这有用"时刻 留存：历史记录 + 配色方案库，下次配色还来翻 推荐：生成海报带"小象取色"水印，设计师分享即拉新 收益：免费取色命名，付费高级配色 + 海报模板
把想法告诉我，我来引导你完成这张卡片。你用自然语言说想法和目标用户，我按框架追问、提炼、检查虚荣指标。
对话示例：
xx-research 验证需求成立后 → 用本技能定目标xx-research 的调研结论是本技能"目标用户""核心问题"模块的素材xx-business 用精益画布展开商业模式xx-track 上线后用真实数据回校北极星指标和最危险假设是否成立