메뉴
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。
Codex 또는 Claude로 설치 이 Prompt를 복사해 Codex, Claude 또는 다른 어시스턴트에 붙여 넣으면 Skill 페이지를 검토하고 설치를 진행할 수 있습니다.
SOC 직업 분류 기준
| 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。