Menü
需求洞察分析，整合JTBD、需求分层、5Whys根因、KANO分类和优先级评分。关键词：需求洞察、JTBD、5Whys、KANO、优先级评分、需求分析。
Mit Codex oder Claude installieren Kopieren Sie diesen Prompt, fügen Sie ihn in Codex, Claude oder einen anderen Assistant ein und lassen Sie die Skill-Seite prüfen und installieren.
Basierend auf der SOC-Berufsklassifikation
当需要评估获客渠道或优化获客漏斗时使用。用户获取指挥官，调度 acquisition-analysis（获客分析一体化），实现从渠道评估到漏斗优化的闭环。关键词：用户获取、获客渠道、漏斗优化、渠道评估、获客策略、acquisition-analysis、拉新、获客。
当需要识别和工程化Aha Moment时使用。Aha Moment自动工程化Pipeline，分析留存数据和行为数据，自动识别Aha Moment候选，测量到达率，识别最短路径，输出Onboarding优化建议。关键词：Aha Moment、激活时刻、用户激活、到达率、Onboarding优化、什么时候觉得好用、体验核心价值、爽点在哪。
当需要优化用户Onboarding流程时使用。Onboarding自动优化Pipeline，分析Onboarding数据和用户分群，自动生成个性化引导策略，设计A/B测试方案。关键词：Onboarding、新用户引导、引导优化、个性化引导、用户激活、新手引导、上手快、引导太长。
当需要识别Aha Moment或设计Onboarding流程时使用。用户激活指挥官，调度activation-aha/onboarding。关键词：用户激活、Aha Moment、Onboarding、新用户引导、新手引导、激活率。
当需要管理Sprint周期或追踪敏捷执行时使用。敏捷执行指挥官，调度 agile-sprint-planning、agile-daily-sync、agile-review 子Skill执行。agile-review 已合并 retrospective-auto 的自动回顾能力。关键词：敏捷执行、Sprint规划、每日站会、Sprint评审、敏捷管理、Sprint复盘、迭代复盘、敏捷开发、复盘报告、自动回顾。
当需要自动化Sprint评审和复盘报告时使用。Sprint评审与复盘报告一体化，Step 1完成Sprint评审（产出清单整理、Demo准备清单、反馈收集分类、数据收集、问题识别、改进建议生成），Step 2生成完整复盘报告（Sprint目标达成分析、交付质量评估、团队速率趋势、改进行动项、下一Sprint建议），Step 3完成上线复盘（效果复盘、工程质量复盘、过程复盘、改进行动项生成）。关键词：Sprint Review、Sprint Retro、迭代评审、迭代回顾、敏捷复盘、评审会、复盘报告、Sprint复盘、改进行动项、做得怎么样、上线复盘、发布复盘、效果评估、持续改进。
| name | insight-analysis |
| description | 需求洞察分析，整合JTBD、需求分层、5Whys根因、KANO分类和优先级评分。关键词：需求洞察、JTBD、5Whys、KANO、优先级评分、需求分析。 |
| metadata | {"module":"产品探索与发现","sub-module":"需求洞察","type":"pipeline","version":"3.0","domain_tags":["通用"],"trigger_examples":["帮我分析一下用户需求","需求太多了，帮我排个优先级","用KANO模型分析一下需求","挖掘一下用户的深层需求","用户到底想完成什么任务","为什么用户总是抱怨这个功能","哪些功能是必须有的","需求太多先做哪个"],"interaction_mode":"ai_suggest_human_approve"} |
🤖→👤 AI 建议人类审批
| 输入项 | 类型 | 必填 | 来源 | 说明 |
|---|---|---|---|---|
| 用户反馈数据 | JSON | 是 | output/pm-discovery/user-research-voice-analysis/voice-analysis.json | 用户声音与情感分析数据 |
| 行为分析数据 | JSON | 是 | output/pm-discovery/user-research-behavior-analysis/behavior-analysis.json | 行为模式与痛点数据 |
| 原始需求列表 | JSON | ○ | 用户提供 | 用户声音、业务方需求、数据异常等原始需求 |
并行执行 JTBD 分析和需求三层模型拆解。
从用户反馈和行为数据中提取功能性、情感性、社会性三层Job。
Step 1a-1: Functional Job 提取
| 模式类别 | 匹配模式 | 推断方向 |
|---|---|---|
| 直接表达 | "我想..."、"能不能..."、"需要..."、"帮我..."、"希望..." | 直接提取为Functional Job |
| 痛点反推 | "太慢了"、"太麻烦了"、"不方便"、"不好用" | 反推用户想高效/便捷地完成某事 |
| 行为目标 | 高频操作路径、重复行为模式 | 推断用户试图达成的行为目标 |
| 竞品对比 | "XX产品可以..."、"为什么你们不能..." | 提取用户期望的功能能力 |
| 场景描述 | "每次做XX的时候..."、"在XX场景下..." | 提取场景化的功能需求 |
Step 1a-2: Emotional Job 推断
| 负向表达模式 | 情感诉求方向 | 置信度基准 |
|---|---|---|
| "太麻烦了"/"太复杂了"/"操作太多" | 渴望轻松/省力 | 0.8 |
| "不放心"/"担心"/"怕出错" | 渴望安全感/确定性 | 0.75 |
| "很焦虑"/"着急"/"来不及" | 渴望掌控感/效率 | 0.75 |
| "被忽略了"/"没人理我"/"反馈没回应" | 渴望被重视/被关注 | 0.7 |
| "太慢了"/"等太久"/"响应慢" | 渴望即时反馈/流畅感 | 0.8 |
| "看不懂"/"不知道怎么用" | 渴望清晰/简单/易懂 | 0.75 |
Step 1a-3: Social Job 推断
| 社会表达模式 | 社会诉求方向 | 置信度基准 |
|---|---|---|
| "同事都在用"/"别人也在用" | 社会认同/归属感 | 0.7 |
| "领导要求"/"公司规定" | 合规/服从权威 | 0.8 |
| "行业标配"/"竞品都有" | 行业认同/竞争力 | 0.7 |
| "推荐给朋友"/"分享给同事" | 社交货币/分享欲 | 0.7 |
将原始需求拆解为表层需求、行为需求、本质需求三层。
Step 1b-1: 表层需求提取
Step 1b-2: 行为需求推断
"希望增加XX功能" → 场景：XX场景下需要完成YY → 行为：当前通过ZZ方式替代"需要支持XX" → 场景：XX条件下无法完成YY → 行为：转向竞品或手动处理"XX太慢/太卡" → 场景：高频操作XX时体验受阻 → 行为：减少使用频率或寻找替代方案"找不到XX" → 场景：信息架构不清晰导致迷失 → 行为：反复搜索或求助他人"XX操作太复杂" → 场景：任务流程步骤过多 → 行为：跳过非必要步骤或放弃使用"希望XX能自动" → 场景：重复性操作消耗精力 → 行为：手动执行但产生挫败感"XX数据不准" → 场景：决策依赖数据但数据不可靠 → 行为：交叉验证或延迟决策Step 1b-3: 本质需求推断
"批量导出" → 减少重复劳动 → 追求效率和成就感"多语言支持" → 服务海外客户 → 追求业务拓展和竞争力"实时通知" → 不想错过信息 → 追求掌控感和安全感"操作简化" → 降低认知负荷 → 追求轻松体验和自主感"数据准确性" → 避免决策失误 → 追求确定性和信任感"个性化定制" → 适配自身工作流 → 追求自主性和归属感"协作功能" → 减少沟通成本 → 追求社交连接和团队认同validation_needed: true，行为需求置信度<0.7 → validation_needed: true对关键痛点或问题现象进行根因深挖。
Round 1: 基于问题现象，生成原因假设列表Top3，按可能性排序，每个原因标注数据支撑度和置信度
Round 2-N: 对上一轮Top1原因追问为什么，生成子原因列表Top3
多路径分叉：当上一轮Top1与Top2置信度差距 < 0.15时，同时追踪两条因果链
终止条件（满足任一即停止）：
| 条件 | 说明 |
|---|---|
| 达到第5层 | 已进行5轮追问，更深层次推断可信度不足 |
| 原因已触及不可再分根因 | 如"系统架构限制"、"组织流程问题"等不可再细化的原因 |
| 连续2层置信度 < 0.3 | 推断链可信度不足，需人类介入 |
| 已找到可行动改进点 | 根因已明确且可转化为具体行动 |
对功能需求进行KANO模型分类。
Step 3-1: 功能-反馈关联
Step 3-2: 分类规则
| 分类 | 条件 | 含义 |
|---|---|---|
| 必备型（Must-be） | 负向提及率 > 60% 且 提及频率 > 5% | 缺失时强烈不满，存在时视为理所当然 |
| 期望型（One-dimensional） | 负向提及率 30%-60% 且 与使用深度正相关（correlation > 0.3） | 做得越好用户越满意 |
| 兴奋型（Attractive） | 正向提及率 > 60% 且 提及频率 < 5% | 超出预期带来惊喜，缺失不会不满 |
| 无差异型（Indifferent） | 提及频率 < 1% 且 平均情感强度 < 2 | 用户不在乎有无 |
行业阈值适配规则：
| 行业/阶段 | 适配规则 | 调整说明 |
|---|---|---|
| B端SaaS | 必备型阈值下调：负向提及率 > 50% 即为必备型 | B端用户对基础功能缺失容忍度更低 |
| C端消费 | 兴奋型阈值上调：正向提及率 > 70% 才为兴奋型 | C端用户更容易给出正向反馈 |
| 早期产品 | 整体阈值放宽：数据量不足时降低判定门槛（置信度0.5即可分类） | 早期数据有限 |
| 成熟产品 | 严格阈值：数据充足时使用标准阈值，置信度<0.7必须升级 | 成熟产品数据充分 |
Step 3-3: 边界情况处理
对需求列表进行加权优先级评分排序。
评分函数：
KANO系数映射：
| KANO分类 | 系数 | 加成效果 |
|---|---|---|
| 必备型（Must-be） | 1.5 | 基础分+50% |
| 期望型（One-dimensional） | 1.0 | 无加成 |
| 兴奋型（Attractive） | 0.8 | 基础分-20% |
| 无差异型（Indifferent） | 0.2 | 基础分-80% |
| 反向型（Reverse） | 0.0 | 基础分归零 |
各维度评分规则：
痛点强度（1-5分）：
| 分数 | 条件 |
|---|---|
| 5 | 情感强度≥4 且 5Whys根因已确认 |
| 4 | 情感强度≥3 或 5Whys根因已确认 |
| 3 | 情感强度=2-3 且有负向反馈 |
| 2 | 情感强度=1-2 且反馈较少 |
| 1 | 无负向反馈或情感强度<1 |
频率权重（1-5分）：
| 分数 | 条件 |
|---|---|
| 5 | 影响用户占比 > 30% 或 提及频率 > 10% |
| 4 | 影响用户占比 20-30% 或 提及频率 5-10% |
| 3 | 影响用户占比 10-20% 或 提及频率 2-5% |
| 2 | 影响用户占比 5-10% 或 提及频率 1-2% |
| 1 | 影响用户占比 < 5% 或 提及频率 < 1% |
可解决性（1-5分）：
| 分数 | 条件 |
|---|---|
| 5 | 技术方案成熟，1个迭代可交付 |
| 4 | 技术方案可行，2-3个迭代可交付 |
| 3 | 技术方案需调研，3-5个迭代 |
| 2 | 技术方案有挑战，需跨团队协作 |
| 1 | 技术方案不确定或依赖外部条件 |
注意：可解决性需技术团队输入，默认值为3（中等），标记为"待技术确认"，该需求整体评分置信度降级为low
输出路径：output/pm-discovery/insight-analysis/
输出文件：insight-analysis.json + insight-analysis.md
{
"type": "object",
"required": ["jtbd", "requirement_layers", "5whys", "kano", "priority_scoring", "metadata"],
"properties": {
"jtbd": {
"type": "object",
"required": ["jobs", "summary"],
"properties": {
"jobs": {"type": "array", "description": "任务列表，详见输出校验规则→jtbd校验"},
"summary": {"type": "object", "description": "统计摘要，含total_jobs和by_type"}
}
},
"requirement_layers": {
"type": "object",
"required": ["requirement_layers"],
"properties": {
"requirement_layers": {"type": "array", "description": "需求三层拆解列表，详见输出校验规则→requirement_layers校验"}
}
},
"5whys": {
"type": "object",
"required": ["chains", "root_cause", "actionable_fix"],
"properties": {
"chains": {"type": "array", "description": "因果链列表，详见输出校验规则→5whys校验"},
"root_cause": {"type": "string"},
"actionable_fix": {"type": "object", "description": "可行动改进建议，含description/effort/impact/suggested_metrics"}
}
},
"kano": {
"type": "object",
"required": ["kano_classification", "boundary_cases", "summary"],
"properties": {
"kano_classification": {"type": "array", "description": "KANO分类列表，详见输出校验规则→kano校验"},
"boundary_cases": {"type": "array"},
"summary": {"type": "object"}
}
},
"priority_scoring": {
"type": "object",
"required": ["priority_list", "scoring_summary", "priority_thresholds"],
"properties": {
"priority_list": {"type": "array", "description": "优先级列表，详见输出校验规则→priority_scoring校验"},
"scoring_summary": {"type": "object"},
"priority_thresholds": {"type": "object"}
}
},
"metadata": {"type": "object", "description": "元数据，含版本、时间戳和来源文件"}
}
}
类型信息见上方输出Schema，下表仅列出必填标记与约束条件（"—"表示无额外约束）。
| 字段路径 | 必填 | 约束条件 |
|---|---|---|
jtbd.jobs | 是 | 不可为空 |
jtbd.jobs[].type | 是 | enum: functional, emotional, social |
jtbd.jobs[].job | 是 | 不可为空 |
jtbd.jobs[].frequency | 是 | — |
jtbd.jobs[].evidence | 是 | 不可为空 |
jtbd.jobs[].confidence | 是 | 范围 0-1.0 |
jtbd.jobs[].pain_with_current | 否 | — |
jtbd.jobs[].pain_level | 否 | enum: high, medium, low |
jtbd.summary.total_jobs | 是 | — |
jtbd.summary.by_type | 是 | — |
| 字段路径 | 必填 | 约束条件 |
|---|---|---|
requirement_layers.requirement_layers | 是 | 不可为空 |
requirement_layers.requirement_layers[].id | 是 | 唯一 |
requirement_layers.requirement_layers[].surface.content | 是 | 保留原始表述 |
requirement_layers.requirement_layers[].surface.confidence | 是 | 必须等于1.0 |
requirement_layers.requirement_layers[].behavioral.content | 是 | 含场景+行为描述 |
requirement_layers.requirement_layers[].behavioral.confidence | 是 | 范围 0.7-0.9 |
requirement_layers.requirement_layers[].behavioral.inference_basis | 是 | 不可为空 |
requirement_layers.requirement_layers[].essential.content | 是 | 描述底层动机 |
requirement_layers.requirement_layers[].essential.confidence | 是 | 范围 0.4-0.7 |
requirement_layers.requirement_layers[].essential.inference_basis | 是 | 不可为空 |
requirement_layers.requirement_layers[].validation_needed | 是 | 本质需求置信度<0.5或行为需求置信度<0.7时必须为true |
requirement_layers.summary.total | 是 | — |
| 字段路径 | 必填 | 约束条件 |
|---|---|---|
5whys.chains | 是 | 长度≥1 |
5whys.chains[].path_id | 是 | — |
5whys.chains[].round | 是 | — |
5whys.chains[].question | 是 | — |
5whys.chains[].answer | 是 | — |
5whys.chains[].evidence | 是 | — |
5whys.chains[].confidence | 是 | 范围 0-1.0 |
5whys.chains[].data_support | 是 | enum: high, medium, low |
5whys.root_cause | 是 | 非空 |
5whys.actionable_fix.description | 是 | — |
5whys.actionable_fix.effort | 是 | enum: low, medium, high |
5whys.actionable_fix.impact | 是 | enum: low, medium, high |
5whys.actionable_fix.suggested_metrics | 是 | — |
| 字段路径 | 必填 | 约束条件 |
|---|---|---|
kano.kano_classification | 是 | 不可为空 |
kano.kano_classification[].feature_id | 是 | — |
kano.kano_classification[].category | 是 | 必须为must-be/one-dimensional/attractive/indifferent/reverse/insufficient_data之一 |
kano.kano_classification[].confidence | 是 | 范围 0-1 |
kano.kano_classification[].evidence | 是 | 含5项指标 |
kano.kano_classification[].review_period | 是 | — |
kano.boundary_cases | 是 | confidence<0.7的必须在其中 |
kano.summary | 是 | — |
| 字段路径 | 必填 | 约束条件 |
|---|---|---|
priority_scoring.priority_list | 是 | 不可为空 |
priority_scoring.priority_list[].rank | 是 | — |
priority_scoring.priority_list[].requirement_id | 是 | — |
priority_scoring.priority_list[].requirement_name | 是 | — |
priority_scoring.priority_list[].scores.pain_intensity.score | 是 | 范围 1-5 |
priority_scoring.priority_list[].scores.frequency_weight.score | 是 | 范围 1-5 |
priority_scoring.priority_list[].scores.solvability.score | 是 | 范围 1-5 |
priority_scoring.priority_list[].scores.solvability.confirmed | 是 | — |
priority_scoring.priority_list[].scores.kano_coefficient.coefficient | 是 | — |
priority_scoring.priority_list[].scores.kano_coefficient.category | 是 | — |
priority_scoring.priority_list[].base_score | 是 | — |
priority_scoring.priority_list[].kano_bonus | 是 | — |
priority_scoring.priority_list[].total_score | 是 | — |
priority_scoring.priority_list[].score_confidence | 是 | enum: high, medium, low |
priority_scoring.scoring_summary | 是 | — |
priority_scoring.priority_thresholds | 是 | — |
{
"jtbd": {
"analysis_metadata": {
"source_files": ["voice-analysis.json", "behavior-analysis.json"],
"total_voice_entries": 0,
"total_behavior_entries": 0,
"analysis_timestamp": "ISO8601"
},
"jobs": [
{
"type": "functional",
"job": "快速完成表单填写",
"frequency": 12,
"current_solution": "手动逐项填写",
"pain_with_current": "重复劳动，耗时且易出错",
"confidence": 1.0,
"evidence": ["用户访谈#23", "行为数据-表单放弃率35%"],
"sentiment_intensity": 4
}
// ... 同结构可扩展
],
"summary": {
"total_jobs": 3,
"by_type": { "functional": 1, "emotional": 1, "social": 1 }
}
},
"requirement_layers": {
"analysis_metadata": {
"source": "原始需求列表",
"total_requirements": 2,
"analysis_timestamp": "ISO8601"
},
"requirement_layers": [
{
"id": "REQ-001",
"source": "用户反馈",
"surface": { "content": "希望增加批量导出功能", "confidence": 1.0 },
"behavioral": { "content": "运营人员在月度报表场景下，需要一次性导出多份报表，当前只能逐个导出", "confidence": 0.85, "inference_basis": "用户反馈频率8次+行为数据：报表导出页面平均停留时长异常" },
"essential": { "content": "追求工作效率，减少重复性劳动，获得工作成就感", "confidence": 0.6, "inference_basis": "从行为需求推断+JTBD情感Job交叉验证" },
"validation_needed": true,
"validation_reason": "本质需求置信度0.6<0.7，建议通过用户访谈验证"
}
],
"summary": { "total": 2, "needs_validation": 2, "high_confidence": 0 }
},
"5whys": {
"analysis_metadata": {
"source_files": ["jtbd.json"],
"total_paths": 1,
"analysis_timestamp": "ISO8601"
},
"phenomenon": {
"description": "用户在注册流程第3步大量放弃",
"source": "jtbd.json",
"metrics": { "drop_off_rate": 0.35, "affected_users": 1200 }
},
"chains": [
{ "path_id": "main", "round": 1, "question": "为什么用户在注册流程第3步大量放弃？", "answer": "第3步需要填写过多非必要信息", "evidence": "表单字段数12个，行业平均5个", "confidence": 0.85, "data_support": "high" }
// ... 同结构可扩展
],
"root_cause": "缺乏分阶段收集数据的策略，将注册流程当作唯一的数据收集窗口",
"actionable_fix": {
"description": "实施渐进式数据收集策略，注册流程仅保留核心必填字段（3-5个）",
"effort": "medium",
"impact": "high",
"suggested_metrics": ["注册完成率提升", "第3步放弃率下降"]
}
},
"kano": {
"analysis_metadata": {
"source_files": ["voice-analysis.json", "requirement-layers.json"],
"total_features": 3,
"analysis_timestamp": "ISO8601"
},
"kano_classification": [
{ "feature_id": "FEAT-001", "feature_name": "批量导出", "category": "must-be", "confidence": 0.85, "evidence": { "negative_rate": 0.75, "frequency": 0.08, "positive_rate": 0.25, "usage_depth_correlation": 0.6, "avg_sentiment_intensity": 3.5 }, "review_period": "6个月" }
// ... 同结构可扩展
],
"boundary_cases": [
{ "feature_id": "FEAT-002", "reason": "频率接近兴奋型/期望型边界", "suggested_action": "补充更多用户反馈数据或进行专项问卷验证" }
],
"summary": { "must_be": 1, "one_dimensional": 0, "attractive": 1, "indifferent": 1, "needs_judgment": 1 }
},
"priority_scoring": {
"analysis_metadata": {
"source_files": ["requirement-layers.json", "kano.json", "jtbd.json", "5whys.json"],
"scoring_formula": "基础分(0.35×痛点+0.30×频率+0.35×可解决性) + KANO加成(基础分×(系数-1))",
"weights_confirmed_by_human": false,
"analysis_timestamp": "ISO8601"
},
"priority_list": [
{
"rank": 1,
"requirement_id": "REQ-001",
"requirement_name": "批量导出功能",
"scores": {
"pain_intensity": { "score": 4, "basis": "情感强度4+5Whys根因已确认" },
"frequency_weight": { "score": 4, "basis": "提及频率8%，影响用户占比约25%" },
"solvability": { "score": 3, "basis": "默认值，待技术团队确认", "confirmed": false },
"kano_coefficient": { "coefficient": 1.5, "category": "must-be", "confidence": 0.85 }
},
"base_score": 3.65,
"kano_bonus": 1.825,
"total_score": 5.475,
"score_confidence": "medium"
}
],
"scoring_summary": { "total_requirements": 2, "high_priority": 0, "medium_priority": 1, "low_priority": 1, "needs_tech_confirmation": 1 },
"priority_thresholds": { "high": "总分 >= 4.5", "medium": "总分 2.0-4.4", "low": "总分 < 2.0" }
},
"metadata": {
"version": "3.0",
"generated_at": "2026-05-14T21:00:00Z",
"source_files": [
"output/pm-discovery/user-research-voice-analysis/voice-analysis.json"
// ... 同结构可扩展
]
}
}
| 检查项 | 通过条件 |
|---|---|
| JTBD三层Job均已提取 | functional/emotional/social Job均存在 |
| 每个Job有数据支撑 | evidence字段非空 |
| 低置信度Job已标记验证 | confidence<0.5的Job在needs_human_validation中 |
| 需求三层均已拆解 | surface/behavioral/essential均有内容 |
| 推断依据非空 | inference_basis字段非空 |
| 本质需求已标记验证状态 | validation_needed字段完整 |
| 因果链完整 | 从现象到根因逻辑连贯 |
| 根因有数据支撑 | 至少1条evidence |
| 可行动建议已给出 | actionable_fix非空，含effort/impact/suggested_metrics |
| 所有功能需求已分类 | kano_classification完整 |
| 边界情况已标记 | confidence<0.7的在boundary_cases中 |
| 分类统计summary完整 | summary中各类型数量之和等于kano_classification数组长度 |
| 所有需求已评分 | priority_list完整 |
| 评分结果按优先级降序排列 | rank字段正确 |
| 评分可信度等级已标注 | score_confidence字段完整 |
| base_score和kano_bonus分别计算 | 可审计 |
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 |
|---|---|---|
| voice-analysis.json | 基于用户直接粘贴的反馈文本提取JTBD和KANO分类 | Emotional/Social Job推断依据减少，KANO分类置信度降低 |
| behavior-analysis.json | 基于用户反馈文本推断行为意图 | Functional Job缺乏行为数据佐证，频率统计不精确 |
| voice-analysis.json + behavior-analysis.json | 用户提供反馈文本 → 直接提取JTBD | 整体置信度降低，frequency为估算值 |
| 原始需求列表 | 用户口述需求 → 直接拆解三层 | inference_basis缺失数据佐证，行为需求置信度上限降至0.7 |
| 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执行轻量版分析 | 输出为轻量版，JTBD仅含Functional Job，KANO全部分类为推断结果，priority_scoring多个维度使用默认值 |
本Skill需要用户反馈和行为分析数据，请通过以下方式之一提供：
| 上游数据源 | 变更类型 | 影响维度 | 影响描述 | 响应策略 |
|---|---|---|---|---|
| voice-analysis.json | 新增反馈条目 | jtbd.jobs / kano.kano_classification | Job频率和证据变化，KANO分类指标变化 | 标注受影响的Job和KANO分类，建议人类确认是否需要重新提取 |
| voice-analysis.json | 情感分类修正 | jtbd.emotional_jobs | Emotional Job推断依据变化 | 标注受影响的Emotional Job，建议重新评估置信度 |
| behavior-analysis.json | 行为模式更新 | jtbd.functional_jobs / requirement_layers.behavioral | Functional Job频率和行为目标变化 | 标注受影响的Functional Job，更新frequency |
| 原始需求列表 | 需求增删 | requirement_layers / kano / priority_scoring | 需求拆解、分类和评分均受影响 | 标注新增/删除的需求，重新计算排名 |
| 下游消费者 | 通知字段 | 通知时机 | 通知内容 |
|---|---|---|---|
| opportunity-definition | jtbd.jobs / requirement_layers | JTBD或需求分层变更后 | 通知Job增删和需求拆解变化 |
| design-orchestrator | priority_scoring.priority_list | 优先级排序变更后 | 通知排名变化的需求，建议重新评估开发排期 |