| name | discovery |
| description | Product Discovery ligero (15-30 min) antes de /prd. Guía conversacional en 3 fases (ICP identification, JTBD extraction, validation gate) que produce doc/discovery/<feature>/icp_jtbd.md y, en modo bootstrap, también doc/app/app_market.md. Use when the user says "discovery", "framing", "antes de PRD", "definir ICP", "definir JTBD", o ejecuta /discovery <feature_name>. Skill v6.0.0 — "Discovery Foundations".
|
| context | direct |
| allowed-tools | Read, Write, Edit, Glob, Grep, Bash(git:*), Bash(pwd), mcp__SpecBox-MCP__start_discovery, mcp__SpecBox-MCP__validate_discovery_completeness |
/discovery — Product Discovery ligero para feature
Genera el problem framing de una feature ANTES de invocar /prd. Produce un artefacto trazable (doc/discovery/<feature>/icp_jtbd.md) cuyos ICPs y JTBDs viajan con la feature hasta los ACs del PRD, las UCs del plan y los tests E2E.
Filosofía: "You don't ship the wrong thing perfectly." Tres de cada cuatro features que se construyen sin discovery requieren ≥2 iteraciones post-shipping para encontrar fit. Las que pasan por aquí tienen base estable.
Uso
/discovery <feature_name> # Standard mode (con app_market.md ya rellenado)
/discovery <feature_name> # Bootstrap mode (primer feature del proyecto)
/discovery <feature_name> --status # Mostrar verdict actual sin reiniciar
/discovery <feature_name> --explain # Modo pedagógico expandido (incluso feature 6+)
El comando requiere feature_name slug-friendly (letras, números, _, -). Sin argumento aborta (D-02 opción a: simplicidad). El feature_name será el nombre del directorio bajo doc/discovery/ y debe coincidir con el que usarás después en /prd <feature_name> y /plan <feature_name>.
Paso 0 — Boot detection (v6.0.1 content-passing)
Cambio v6.0.1: las tools MCP de discovery ya no leen ni escriben el filesystem del cliente. La skill es responsable de leer los archivos locales y pasar el contenido como parámetro, y de escribir cualquier artefacto que la tool devuelva.
-
Leer settings (.claude/settings.local.json) con la tool Read:
specbox.discovery.gate_mode ∈ {off, warn, block} (default off en upgrade, warn en fresh-clone v6.0).specbox.discovery.pedagogical_mode ∈ {auto, on, off} (default auto — verbose en primeras 5 features).specbox.engine_version_at_onboard (v6.0+ presente).
-
Preparar el content bundle (lectura cliente):
pwd → confirmar que estás en la raíz del repo.- Leer
doc/app/app_market.md con Read si existe; si la Read falla con archivo no encontrado, tratar el contenido como null.
- Leer
doc/discovery/<feature_name>/icp_jtbd.md con Read si existe; si no existe, tratar como null.
-
Llamar start_discovery con la API v6.0.1:
start_discovery(
feature_name="<slug>",
app_market_content=<contenido o null>,
existing_artifact_content=<contenido o null>,
mode="auto",
)
- Devuelve
discovery_id, mode_used (standard | bootstrap), artifact_path, next_step y — cuando status="created" — un campo skeleton_content con el contenido inicial del artefacto.
- Si
status="created": usar Write para escribir skeleton_content en artifact_path (la skill, no la tool, hace la escritura).
- Si
status="resumable": significa que ya pasaste contenido existente. La tool reporta current_verdict y missing. Ofrecer al usuario: resumir (continuar editando el archivo local) o reiniciar (borrar el archivo y volver a llamar start_discovery con existing_artifact_content=null).
- Si
mode_used="bootstrap", antes de bajar al feature, el skill primero rellena doc/app/app_market.md (ver Paso 5).
-
Determinar verbosity pedagógico:
- Contar features previas:
ls doc/discovery/ | wc -l. Si <5 → modo expanded (con justificaciones, ejemplos, anti-patterns).
- Si flag
--explain presente, modo expanded forzado.
- Si >5 features ya, modo conciso (sin micro-justificaciones inline).
Paso 1 — Fase 1: ICP identification
1.1 Mostrar ICPs canónicos del proyecto
Lee doc/app/app_market.md zona icps_primary y presenta los ICPs canónicos al usuario:
📋 ICPs canónicos del producto (heredados de doc/app/app_market.md):
[1] ICP-1: <nombre>
<atributos diferenciadores>
[2] ICP-2: ...
[N] Añadir un ICP nuevo (warning de drift)
¿Qué ICPs están involucrados en esta feature? (1-3 seleccionables, separados por coma)
> _
Si mode_used="bootstrap", los ICPs canónicos vienen del flujo que ya se ejecutó en Paso 5 (bootstrap), no de un app_market.md preexistente.
1.2 Micro-justificación pedagógica (modo expanded)
ℹ️ Por qué este paso importa:
Cada feature la usa alguien. Si no sabes quién, vas a tomar mil decisiones
(¿móvil o desktop? ¿simple o potente?) sin un norte claro y vas a producir
algo técnicamente correcto pero que no encaja con nadie. Vamos a identificar
1-3 ICPs concretos primero.
📚 Ejemplo (PaddockManager):
ICP-1 = "racing managers de equipos privadores en motorsport amateur/semi-pro"
— concreto, identificable (puedes encontrar 10 en LinkedIn), prioriza features
muy diferentes a "todos los amantes del motor sport".
⚠️ Anti-pattern:
"Developers que quieren más productividad" — demasiado vago, no permite
priorizar features ni encontrar 3 personas concretas.
1.3 Para cada ICP NUEVO (no presente en app_market.md)
⚠️ ICP nuevo detectado: <nombre>
Sanity check: ¿conoces a 3 personas concretas que encajan en este ICP?
[y] Sí, los puedo nombrar / encontrar en LinkedIn
[n] No, es una hipótesis
[t] Tentativo, conozco 1-2 pero no 3
> _
Registra la respuesta en el artefacto. Si n o t, el ICP queda marcado como tentative y se considerará drift al validar.
Paso 2 — Fase 2: JTBD extraction (rational + emotional)
2.1 Por cada ICP seleccionado
Genera drafts iniciales con LLM (D-01 opción a) basándose en feature_name + descripción del problema (preguntar si no la tienes):
🎯 Generando drafts para ICP-1: <nombre>
JTBDs racionales draft:
JR-F<feat>.1 [ICP-1]: Cuando <situación>, quiero <motivación>, para <resultado>.
JR-F<feat>.2 [ICP-1]: Cuando ...
JR-F<feat>.3 [ICP-1]: Cuando ...
JTBDs emocionales draft:
JE-F<feat>.1 [ICP-1]: <sensación>
JE-F<feat>.2 [ICP-1]: <sensación>
✏️ Edita libremente: [a]ccept all [e]dit [d]elete one [+]add one [n]ext ICP
> _
Formato canónico enforced: "Cuando [situación], quiero [motivación], para [resultado]". Si el usuario escribe algo que no encaja, ofrece reformatear.
2.2 Micro-justificación pedagógica (modo expanded)
ℹ️ Diferencia racional vs emocional:
- **Racional**: lo que el usuario PUEDE HACER y MEDIR. Se valida con tests
E2E automatizados.
- **Emocional**: cómo el usuario quiere SENTIRSE. Se valida con qualitative
gate (preguntas reflexivas + screenshot review) en /implement.
📚 Ejemplo (McProfit):
JR racional: "Cuando cierro el mes, quiero consolidar P&L de 5 franquicias
en <1 día, para que no me roben el fin de semana."
JE emocional: "Reducir la ansiedad de cierre de mes — no sentir que algo
se me va a escapar."
⚠️ Anti-pattern JTBD racional: "Quiero que sea rápido" — no es un JTBD, es
un atributo. Mejor: "Cuando despliego a producción, quiero feedback de
errores en <30s para hacer rollback antes de que afecte a más usuarios."
⚠️ Anti-pattern JTBD emocional: "Quiero que se sienta moderno" — vago. Mejor:
"Quiero sentir control sobre el proceso, no dependencia ciega del LLM."
Paso 3 — Fase 3a: Drift detection
Compara los ICPs y JTBDs declarados contra doc/app/app_market.md:
🔍 Análisis de drift vs app_market.md:
ICPs nuevos introducidos por esta feature: [list o "ninguno"]
JTBDs nuevos introducidos por esta feature: [list o "ninguno"]
Para cada elemento nuevo:
📌 ICP nuevo: <nombre>
¿Cómo lo manejamos?
[a] feature_creep_rejected — descarto este ICP, no pertenece a esta feature
[b] app_market_updated — añadir este ICP al app_market.md como ICP del producto
[c] documented_exception — excepción puntual solo para esta feature (requiere justificación)
> _
📌 JTBD nuevo: <texto>
¿Cómo lo manejamos? [a/b/c]
> _
Acciones:
- (a) feature_creep_rejected: si la feature solo tiene drift rejected → marcar feature como cancelada, NO generar artefacto válido para
/prd. Mostrar mensaje al usuario.
- (b) app_market_updated: ofrecer editar
doc/app/app_market.md ahí mismo. Eliminar status="template-pristine" de la zona modificada.
- (c) documented_exception: pedir justificación obligatoria y registrar en sección "Drift from app_market" del
icp_jtbd.md con Resolución: documented_exception + texto de justificación.
- (d) no_drift: cuando la feature NO introduce ICPs/JTBDs nuevos (hereda todo de
app_market.md). Registrar en la sección "Drift from app_market" del icp_jtbd.md con Resolución: no_drift. validate_discovery_completeness lo trata como drift.resolved=true con drift.kind="no_drift".
Las 4 resoluciones canónicas son: feature_creep_rejected, app_market_updated, documented_exception, no_drift. Cualquiera satisface el gate. El alias legacy no drift detected (con espacios) sigue aceptado por compatibilidad pero se normaliza a no_drift en la respuesta.
Paso 4 — Fase 3b: Validation evidence
Resumen consolidado de lo capturado + pregunta de evidence:
📊 Resumen del Discovery de <feature_name>:
ICPs: <list>
JTBDs racionales: <count>
JTBDs emocionales: <count>
Drift: <count nuevos elementos> resueltos
🔎 Validation evidence:
¿Hay alguna conversación reciente, datapoint de mercado o evidence externa
que respalde estos JTBDs?
[c] Sí, conversación con usuarios — describir
[d] Sí, datapoint o señal de mercado — describir
[w] No, waiver explícito — confiar en intuición fundada (registrar razón)
> _
Registra la respuesta en la sección "Validation evidence" del artefacto. Si waiver, requiere texto que documente por qué es razonable no tener evidence externa todavía (ej. "feature interna del engine, no requiere validación con usuarios externos").
Paso 5 — Bootstrap mode (primer /discovery del proyecto)
Si mode_used="bootstrap", antes de bajar al flujo de la feature concreta, el skill primero rellena doc/app/app_market.md:
👋 ¡Es la primera vez que ejecutas /discovery en este proyecto!
Antes de definir esta feature, necesitamos definir para quién es el producto
entero. Esto solo se hace una vez por proyecto.
Tiempo estimado: 30-45 min (producto) + 15-30 min (feature) = ≤75 min total.
¿Comenzamos? [y/n]
Si y, ejecuta los 5 bloques esenciales de app_market.md:
- ICPs primarios (1-3, con sanity check "3 personas concretas" por cada uno).
- No-ICPs (anti-mercado): quién NO es target — protege contra feature creep.
- JTBDs racionales globales (3-5, formato canónico).
- JTBDs emocionales globales (2-3).
- North Star Metric: 1 NSM + 2-3 input metrics.
Bloques opcionales (saltables con [skip]):
- Posicionamiento competitivo.
- Principios anti-feature.
Tras rellenar cada zona, elimina el atributo status="template-pristine" del marcador de zona en app_market.md. Esto activa el hook normal (el hook deja de tratar la zona como "pristine").
Auto-derivar zona auto exportable_copy con LLM: landing headline, LinkedIn post template, elevator pitch — derivados de los ICPs+JTBDs definidos.
Tras completar app_market.md con Write/Edit, llamar record_app_docs_signature para sellar la baseline, y bajar al flujo de la feature (vuelve al Paso 1 en modo standard).
Nota v6.0.1: record_app_docs_signature sigue siendo state-tool (cat B) — no cambia firma. La firma se calcula a partir del contenido que el cliente ya escribió en disco vía la API de telemetría/state estándar.
Paso 6 — Output generation (v6.0.1 content-passing)
-
Reescribir doc/discovery/<feature_name>/icp_jtbd.md con Write o Edit aplicando todo el contenido capturado (no solo el skeleton inicial). Las secciones que el skeleton dejó como _(Pendiente...)_ se reemplazan con contenido real.
-
Releer el artefacto con Read para tener el contenido final en memoria.
-
Llamar validate_discovery_completeness con la API v6.0.1:
validate_discovery_completeness(
feature_name="<slug>",
icp_jtbd_content=<contenido recién leído>,
)
- Devuelve
{verdict, missing, drift, artifact_path}.
- Si
verdict="READY_FOR_PRD": mostrar al usuario:
✅ Discovery completo para <feature_name>
Artefacto: doc/discovery/<feature_name>/icp_jtbd.md
Discovery ID: disc-...
Verdict: READY_FOR_PRD
Next step recomendado:
/prd <feature_name>
- Si
verdict="DISCOVERY_INCOMPLETE": mostrar las razones específicas:
⚠️ Discovery incompleto para <feature_name>
Faltan: <list>
Run /discovery <feature_name> de nuevo para resumir.
-
Telemetría: emitir evento discovery_completed al MCP via report_session con {feature_name, verdict, duration_minutes, drift_detected_count, mode_used}.
Reglas inviolables
- NO simular entrevistas con usuarios. Si el usuario lo pide, recordar: el sanity check "3 personas concretas" no se puede automatizar; debe ser ejercicio humano.
- NO sustituir validation evidence con suposiciones. Si no hay evidence real, el waiver debe ser explícito y documentado.
- NO sobrescribir zonas
manual de app_market.md sin pasar por el flujo de drift detection (Paso 3).
- NO crear
icp_jtbd.md directamente sin pasar por start_discovery — pierde el UUID + idempotencia.
Pedagogical layer — progressive onboarding
- Feature 1-5: modo
expanded (micro-justificaciones, ejemplos, anti-patterns en cada paso).
- Feature 6+: modo
concise (sin explicaciones inline; el usuario ya conoce los conceptos).
- Override:
--explain fuerza modo expanded en cualquier feature.
Implementado via record_skill_hint(project_path=".", skill_name="discovery") y get_skill_hint(project_path=".", skill_name="discovery") (sistema existente). El contador se incrementa al final de cada /discovery exitoso.
Pedagogical hooks — mensaje cuando bloquea /prd
Cuando el hook pre-prd-discovery-check (gate=block) impide ejecutar /prd porque discovery es incompleto:
⚠️ /prd bloqueado: discovery incompleto para <feature_name>
Razones:
- <missing[0]>
- <missing[1]>
- Drift sin resolver: <icps_nuevos[0]> no está en app_market.md
¿Por qué este bloqueo importa para tu feature?
Sin discovery, los AC del PRD nacen sin justificación trazable.
3 de cada 4 features que se construyen sin discovery requieren
≥2 iteraciones post-shipping para encontrar fit. Las que sí
pasan por discovery tienen base estable.
Atajo (15-30 min):
/discovery <feature_name>
O salta este check (registrado para review post-shipping):
/prd <feature_name> --skip-discovery --reason "..."
Qualitative gate prompts (para JTBDs emocionales)
Este bloque se invoca desde /implement, no desde /discovery directamente. Cuando un AC del PRD lleva tag [JE-X.Y], antes de marcarlo passed se ejecutan 3 preguntas fijas (D-04 opción a):
🎭 Qualitative gate para AC-<id> [JE-<X>.<Y>]
JTBD emocional vinculado: <texto del JE-X.Y>
Antes de marcar este AC como passed, responde:
1. ¿Después de usar la feature, el usuario siente <sensación esperada>?
[y] Sí, claramente
[n] No, la implementación no transmite eso
[m] Más o menos, ambiguo
> _
2. ¿Hay algún screenshot del flujo que demuestre esa sensación?
[adjuntar path a screenshot, o "no" para skip]
> _
3. ¿La implementación entrega la sensación de forma observable, o requiere
que el usuario sepa "qué se está intentando"?
[o] Observable (cualquiera lo siente)
[s] Solo si sabes
[n] No observable
> _
Solo se marca AC como passed si:
- Pregunta 1 =
y, AND
- Pregunta 2 ≠ vacía (screenshot adjunto), AND
- Pregunta 3 ∈ {o, s} (no n).
Si falla cualquier criterio, AC queda en qualitative_gate_failed y el usuario decide: revisar implementación, o waiver explícito con justificación.
Compatibilidad con el resto del engine
/prd (UC-D003): si existe doc/discovery/<feature>/icp_jtbd.md con verdict READY_FOR_PRD, lo lee en Paso 0 y pre-rellena "Audience" + "Success Criteria" del PRD. Tagging [JR-X.Y] / [JE-X.Y] automático en cada AC./plan (UC-D003): chequea cobertura JTBD por UC. Warning si JTBD definido en discovery no tiene UC./implement (UC-D003): qualitative gate en ACs con tag JE (ver arriba). HTML Evidence Report sección "Discovery alignment"./app-init / /app-sync: respetan app_market.md (UC-D005). Plantilla pristine no produce drift.
Telemetría
Eventos emitidos al MCP (report_session):
| Evento | Cuándo | Payload |
|---|
discovery_started | Inicio del flujo | {feature_name, mode, timestamp} |
discovery_completed | Final con verdict READY_FOR_PRD o INCOMPLETE | {feature_name, verdict, duration_minutes, drift_detected} |
discovery_skipped | Usuario ejecuta /prd --skip-discovery | {feature_name, reason} |
qualitative_gate_passed | En /implement, AC JE marcada passed | {feature_name, ac_id, jtbd_id} |
Métricas agregadas consumibles por specbox_cloud u otros dashboards externos: NSM (% features Done con discovery + AC taggeados), tiempo medio en /discovery, % features descartadas en discovery, distribución de drift resolutions.
