validation-assumption-map

name	validation-assumption-map
description	当需要提取和评估产品假设时使用。假设地图自动生成工具，根据方案设计和PRD，自动提取价值假设、可行性假设、可用性假设、增长假设，并进行风险评估和验证方法推荐。关键词：假设提取、风险评估、假设地图、验证方法、假设梳理、风险假设。
metadata	{"module":"产品构思与设计","sub-module":"方案验证","type":"pipeline","version":"2.1","domain_tags":["互联网","软件","通用"],"trigger_examples":["产品有哪些假设没验证","帮我梳理假设和风险","哪些假设可能不成立"],"interaction_mode":"ai_suggest_human_approve"}
execution_depth	{"default":"standard","quick_description":"直接输出核心假设和验证优先级","deep_description":"完整假设地图 + 验证实验设计 + 风险量化评估 + 假设演进追踪"}

假设地图自动生成

核心原则

1. 每个功能点背后都是假设——没有经过验证的功能点就是赌注，假设地图是赌注清单
2. 风险=影响×不确定性——高影响+高不确定性的假设是最大风险，必须优先验证
3. 验证方法与假设类型必须匹配——价值假设用落地页测试，可用性假设用原型测试，不可错配
4. 最大风险假设必须有验证计划——识别风险而不规划验证，等于知道有雷却不排雷

基本信息

属性	值
Pipeline ID	10
名称	假设地图自动生成
执行模式	🤖→👤 AI建议人类审批
输入	方案设计输出 + PRD

交互模式

🤖→👤 AI建议人类审批

输入

输入项	类型	必填	来源	说明
方案设计输出	JSON	是	output/pm-design/design-prototype / output/pm-design/design-userflow	功能列表、用户旅程、交互设计说明
PRD	markdown	是	output/pm-design/design-prd/prd.md	问题陈述、目标用户、核心价值主张
PRD结构化数据	JSON	○	output/pm-design/design-prd/prd.json	PRD机器可消费版本，包含features[]，供假设提取对齐

输入格式

{
  "solution_design": {
    "features": ["功能1", "功能2", ...],
    "user_journey": "用户旅程描述",
    "interaction_design": "交互设计说明"
  },
  "prd": {
    "problem_statement": "问题陈述",
    "target_users": "目标用户",
    "core_value": "核心价值主张"
  }
}

执行步骤

Step 1: 假设提取 [核心]

对每个功能点，提取以下四类假设：

假设类型	定义	示例
价值假设	用户是否认可该功能价值	用户愿意为XX功能付费
可行性假设	技术/资源是否支撑实现	我们能够实现XX功能
可用性假设	用户是否能顺利使用	用户能理解XX的操作方式
增长假设	该功能是否能驱动增长	XX功能能带来用户留存提升

规则: 每个功能点 → 至少1个假设

Step 2: 假设风险评估 [核心]

对每个假设进行风险评估：

维度	评分	说明
影响度 (Impact)	1-5	假设不成立对产品的影响程度
不确定性 (Uncertainty)	1-5	假设成立概率的不确定程度

风险分数计算: risk_score = impact × uncertainty

风险等级	分数范围	标识
高风险	15-25	is_max_risk = true
中风险	8-14	is_max_risk = false
低风险	1-7	is_max_risk = false

Step 3: 验证方法推荐 [核心]

根据假设类型，推荐验证方法：

假设类型	推荐验证方法
价值假设	落地页测试、预售MVP、用户访谈、付费意愿调研
可行性假设	技术原型、成本估算、专家评审
可用性假设	原型测试、可用性测试、任务完成率分析
增长假设	A/B测试、数据分析、用户行为追踪

输出深度分级

深度级别	输出范围	说明
quick	核心假设和验证优先级	核心结论 + 最小可行产物
standard	完整产物（当前默认）	完整产物，包含全部Step输出
deep	完整假设地图 + 验证实验设计 + 风险量化评估 + 假设演进追踪	完整产物 + 扩展分析 + 深度推演

输出

存储路径：output/pm-design/validation-assumption-map/ 输出文件：assumption_map.json

{
  "assumption_map": [
    {
      "id": "A001",
      "feature_id": "F001",
      "type": "value|feasibility|usability|growth",
      "assumption": "假设内容描述",
      "impact": 4,
      "uncertainty": 4,
      "risk_score": 16,
      "is_max_risk": false,
      "validation_method": "推荐验证方法",
      "validation_metric": "验证指标"
    }
  ],
  "summary": {
    "total_assumptions": 12,
    "max_risk_assumptions": ["A005", "A008"],
    "assumption_coverage": "100%"
  }
}

输出字段说明

字段	类型	说明
id	string	假设唯一标识
feature_id	string	关联的功能点ID
type	enum	假设类型
assumption	string	假设内容
impact	number	影响度评分(1-5)
uncertainty	number	不确定性评分(1-5)
risk_score	number	风险分数(1-25)
is_max_risk	boolean	是否为最大风险假设
validation_method	string	推荐验证方法
validation_metric	string	验证指标

输出校验规则：详见下方输出校验规则章节

决策规则

1. 最大风险假设识别

   • 必须识别风险分数最高的假设
   • 最大风险假设必须有明确的验证计划

2. 假设验证方法

   • 每个假设必须有对应的验证方法
   • 验证方法必须与假设类型匹配

质量检查

P0 检查（quick/standard/deep 都必须通过）

• 功能点覆盖（所有功能点都有至少1个假设）
• 假设风险评估（每个假设都有impact和uncertainty评分）

P1 检查（standard/deep 必须通过）

• 验证方法匹配（验证方法与假设类型对应）
• 最大风险识别（识别出风险分数最高的假设）

P2 检查（仅 deep 必须通过）

• 扩展分析完整（深度推演和路线图已生成）
• 决策记录完整（关键决策有依据和替代方案）

---

降级策略

缺失的上游输入	降级方案	输出影响	数据获取说明
方案设计数据缺失	用户提供方案描述，提取假设	缺乏结构化方案数据，假设覆盖可能不全	要求用户提供方案描述或上传design-prototype/design-userflow文件
PRD文档缺失	用户提供方案描述，提取假设	缺乏PRD数据，假设与需求可能脱节	要求用户提供功能需求描述或上传prd.json文件
方案设计+PRD均缺失	用户提供方案描述，提取假设	整体置信度降低，假设可能不够完整	要求用户提供核心假设和功能需求描述
所有上游文件均缺失	提示用户先执行前序阶段，或基于用户方案描述提取假设	输出仅为基本假设列表	要求用户提供核心假设、用户痛点和功能需求

输出校验规则

字段路径	类型	必填	说明
assumption_map	array	是	假设列表
assumption_map[].id	string	是	假设唯一标识
assumption_map[].feature_id	string	是	关联功能点ID
assumption_map[].type	string	是	假设类型（value/feasibility/usability/growth）
assumption_map[].assumption	string	是	假设内容
assumption_map[].impact	number	是	影响度评分（1-5）
assumption_map[].uncertainty	number	是	不确定性评分（1-5）
assumption_map[].risk_score	number	是	风险分数（1-25）
assumption_map[].is_max_risk	boolean	是	是否为最大风险假设
assumption_map[].validation_method	string	是	推荐验证方法
assumption_map[].validation_metric	string	是	验证指标
summary	object	是	统计摘要
summary.total_assumptions	integer	是	假设总数
summary.max_risk_assumptions	array	是	最大风险假设ID列表

上游变更响应

上游变更影响

上游变更	影响范围	响应策略
方案设计功能增删	假设提取、风险评估	标注受影响的功能点，建议人类确认是否重新提取假设
PRD核心价值变更	价值假设	标注受影响的价值假设，建议人类确认是否重新评估
原型交互变更	可用性假设	标注受影响的可用性假设，建议人类确认是否重新评估

下游通知机制

假设地图变更类型	通知范围	通知方式
假设增删	validation-mvp、validation-experiment	标记假设变更，触发MVP范围和实验设计更新
风险评分变更	validation-mvp、validation-experiment	标记评分变更，触发MVP Must Have和实验优先级更新
验证方法变更	validation-experiment	标记方法变更，触发实验方案更新

---

使用示例

输入:

功能点: 智能推荐
PRD核心价值: 帮助用户快速发现感兴趣的内容

输出:

{
  "assumption_map": [
    {
      "id": "A001",
      "feature_id": "F001",
      "type": "value",
      "assumption": "用户认为智能推荐能帮助其发现感兴趣的内容",
      "impact": 4,
      "uncertainty": 4,
      "risk_score": 16,
      "is_max_risk": true,
      "validation_method": "用户访谈",
      "validation_metric": "推荐内容点击率>15%"
    },
    {
      "id": "A002",
      "feature_id": "F001",
      "type": "usability",
      "assumption": "用户能理解推荐结果的来源和含义",
      "impact": 3,
      "uncertainty": 3,
      "risk_score": 9,
      "is_max_risk": false,
      "validation_method": "原型测试",
      "validation_metric": "任务完成率>80%"
    }
  ]
}