pm-decision

name	pm-decision
version	2.0.0
description	Use when: 需要做重大战略决策（自研vs外包vs收购）、投资评估、多方案比较选择 Do NOT use when: 决策已由高层确定、决策影响极小无需系统分析
allowed-tools	["Agent","Read","Write","AskUserQuestion","Bash","WebSearch","mcp__exa__web_search_exa","mcp__exa__web_fetch_exa"]

Preamble (run first)

bash "$(dirname "${BASH_SOURCE[0]}")"/check-update.sh 2>/dev/null || true
# 创建目录
mkdir -p docs/05-产品战略

# 检查是否有相关前置文档
if [ -f "docs/05-产品战略/产品组合战略.md" ]; then
  echo "✅ 检测到产品组合战略文档"
fi

if [ -f "docs/05-产品战略/资源分配方案.md" ]; then
  echo "✅ 检测到资源分配方案文档"
fi

---

执行流程

步骤 1: 明确决策问题

询问方式：使用 AskUserQuestion 逐个询问

---

问题 1: 决策类型

使用 AskUserQuestion 询问：

请问您面临的决策类型是？

A) 自研 vs 外包决策 B) 自研 vs 收购决策 C) 产品投资决策 D) 市场进入决策 E) 业务转型决策 F) 合作伙伴选择 G) 其他（请手动输入）

---

问题 2: 决策背景

询问：

请简要描述决策背景

引导用户输入：

• 决策触发因素
• 面临的问题或机会
• 决策时间要求
• 决策影响范围

---

问题 3: 决策约束条件

询问：

决策面临的主要约束条件是？（可多选）

A) 资金预算限制 B) 时间紧迫性 C) 技术能力限制 D) 人才资源限制 E) 风险承受能力 F) 战略一致性要求 G) 其他（请手动输入）

---

步骤 2: 识别决策选项

根据决策类型，识别可选方案：

---

场景A: 自研 vs 外包决策

可选方案：

1. 完全自研
2. 部分外包
3. 完全外包
4. 混合模式（自研核心，外包非核心）

---

场景B: 自研 vs 收购决策

可选方案：

1. 完全自研
2. 收购成熟公司
3. 投资参股
4. 战略合作
5. 专利授权

---

场景C: 产品投资决策

可选方案：

1. 重大投资（全力以赴）
2. 中等投资（稳健推进）
3. 小额试探（快速验证）
4. 暂不投资（观望等待）

---

步骤 3: 决策矩阵评估

对每个决策选项，进行多维度评估：

---

评估维度定义：

询问：

请选择决策评估维度

推荐维度：

1. 财务维度：成本、收益、ROI
2. 时间维度：上市时间、开发周期
3. 技术维度：技术风险、技术可控性
4. 战略维度：战略一致性、竞争优势
5. 资源维度：人力需求、资金需求
6. 风险维度：市场风险、技术风险、执行风险

---

逐项评估：

针对每个维度，使用 AskUserQuestion 询问每个选项的得分（1-10分）：

示例（自研 vs 外包）：

请为"完全自研"方案在"财务成本"维度打分（1-10分，分数越低成本越高）

A) 1-2分（成本极高） B) 3-4分（成本较高） C) 5-6分（成本适中） D) 7-8分（成本较低） E) 9-10分（成本极低）

依次评估所有选项、所有维度。

---

权重设定：

询问：

各评估维度的权重如何分配？

引导用户分配权重（总和100%）：

维度	权重
财务成本	[X]%
上市时间	[X]%
技术风险	[X]%
战略一致性	[X]%
长期竞争力	[X]%
合计	100%

---

步骤 4: 决策树分析

针对复杂决策，构建决策树：

---

决策树构建：

询问关键决策节点：

决策的关键不确定性因素是什么？

示例：

1. 市场需求是否达标？（概率：[X]%）
2. 技术难题能否攻克？（概率：[X]%）
3. 竞品是否会提前入场？（概率：[X]%）

---

情景分析：

针对每个不确定性因素，分析不同情景：

情景1：市场需求达标

• 概率：[X]%
• 收益：[X]万元
• 成本：[X]万元
• 净收益：[X]万元

情景2：市场需求未达标

• 概率：[X]%
• 收益：[X]万元
• 成本：[X]万元
• 净收益：[X]万元

期望收益：概率加权平均

---

步骤 5: 敏感性分析

测试关键假设变化对决策结果的影响：

---

敏感性测试：

询问：

哪些关键假设可能影响决策结果？

常见关键假设：

1. 开发成本：预算[X]万元
2. 开发时间：[X]个月
3. 市场规模：[X]亿元
4. 市场增长率：[X]%
5. 竞品动态：[X]个月内入场

---

情景测试：

情景1：开发成本增加20%

• 对各选项的影响：[分析]
• 决策是否改变：[是/否]

情景2：市场规模下降30%

• 对各选项的影响：[分析]
• 决策是否改变：[是/否]

---

步骤 6: 生成战略决策建议

使用 Write 工具生成文档：

---
product: [产品/项目名称]
version: 1.0
created_at: [当前时间]
author: [用户]
skill: pm-decision
status: draft
---

# 战略决策建议报告

## 一、决策背景

### 决策问题

**核心问题**：[自研 vs 外包决策]

**决策背景**：
[描述决策背景，包括触发因素、面临的问题或机会]

**决策时间要求**：[X]周内做出决策

**决策影响范围**：[X]个部门，影响[X]人

---

### 决策约束条件

1. **资金预算限制**：预算上限[X]万元
2. **时间紧迫性**：需在[X]个月内上线
3. **技术能力限制**：[描述]
4. **人才资源限制**：现有团队[X]人
5. **风险承受能力**：[低/中/高]

---

## 二、决策选项

### 方案1：完全自研

**方案描述**：
组建[X]人团队，完全自主开发，预计[X]个月完成。

**优势**：
- 技术完全可控
- 知识产权自有
- 可深度定制

**劣势**：
- 成本高（[X]万元）
- 周期长（[X]个月）
- 技术风险高

---

### 方案2：部分外包

**方案描述**：
核心模块自研，非核心模块外包给[供应商名称]，预计[X]个月完成。

**优势**：
- 平衡成本与可控性
- 加快开发速度
- 降低技术风险

**劣势**：
- 沟通协调成本
- 依赖外部供应商
- 知识产权需明确

---

### 方案3：完全外包

**方案描述**：
整体外包给[供应商名称]，预计[X]个月完成，总价[X]万元。

**优势**：
- 成本可控
- 时间最短
- 风险转移

**劣势**：
- 技术不可控
- 后续迭代依赖供应商
- 知识产权风险

---

## 三、决策矩阵评估

### 评估维度与权重

| 维度 | 权重 | 说明 |
|------|------|------|
| 财务成本 | 25% | 开发成本、运维成本 |
| 上市时间 | 20% | 开发周期、上线时间 |
| 技术风险 | 20% | 技术难度、技术可控性 |
| 战略一致性 | 20% | 与公司战略契合度 |
| 长期竞争力 | 15% | 技术积累、竞争壁垒 |
| **合计** | 100% | - |

---

### 评分结果

| 维度 | 权重 | 完全自研 | 部分外包 | 完全外包 |
|------|------|---------|---------|---------|
| 财务成本 | 25% | 4分 | 6分 | 8分 |
| 上市时间 | 20% | 5分 | 7分 | 9分 |
| 技术风险 | 20% | 6分 | 7分 | 5分 |
| 战略一致性 | 20% | 9分 | 7分 | 4分 |
| 长期竞争力 | 15% | 9分 | 7分 | 3分 |
| **加权总分** | - | **6.4分** | **6.75分** | **5.95分** |

---

### 评估结论

**推荐方案**：部分外包（得分最高：6.75分）

**理由**：
1. 在财务成本、时间、风险之间取得平衡
2. 核心技术自主可控，保障战略一致性
3. 非核心模块外包，加快上市速度

---

## 四、决策树分析

### 决策树结构

决策节点 ├─ 方案1：完全自研 │ ├─ 技术成功（概率70%）→ 收益：[X]万元 │ └─ 技术失败（概率30%）→ 损失：[X]万元 │ └─ 期望收益：[X]万元 │ ├─ 方案2：部分外包 │ ├─ 执行成功（概率80%）→ 收益：[X]万元 │ └─ 执行失败（概率20%）→ 损失：[X]万元 │ └─ 期望收益：[X]万元 │ └─ 方案3：完全外包 ├─ 质量达标（概率60%）→ 收益：[X]万元 └─ 质量不达标（概率40%）→ 损失：[X]万元 └─ 期望收益：[X]万元

---

### 期望收益对比

| 方案 | 成功概率 | 成功收益 | 失败概率 | 失败损失 | 期望收益 |
|------|---------|---------|---------|---------|---------|
| 完全自研 | 70% | [X]万 | 30% | [X]万 | [X]万 |
| 部分外包 | 80% | [X]万 | 20% | [X]万 | [X]万 |
| 完全外包 | 60% | [X]万 | 40% | [X]万 | [X]万 |

**结论**：部分外包期望收益最高

---

## 五、敏感性分析

### 关键假设

1. 开发成本：预算[X]万元
2. 开发时间：[X]个月
3. 市场规模：[X]亿元
4. 技术难度：中

---

### 情景测试

#### 情景1：开发成本增加20%

**影响分析**：
- 完全自研：成本增加[X]万，得分降低至[X]分
- 部分外包：成本增加[X]万，得分降低至[X]分
- 完全外包：成本固定，得分不变

**决策改变**：否，仍推荐部分外包

---

#### 情景2：市场规模下降30%

**影响分析**：
- 各方案收益下降30%
- ROI降低，但仍为正向
- 决策框架不变

**决策改变**：否，仍推荐部分外包

---

#### 情景3：技术难度升级为"高"

**影响分析**：
- 完全自研风险大幅增加
- 部分外包风险适度增加
- 完全外包风险较低

**决策改变**：可能倾向于完全外包，但需权衡知识产权风险

---

## 六、风险评估

### 风险1: 供应商选择不当

**影响**：项目延期或质量不达标
**概率**：中
**应对**：
1. 严格的供应商筛选流程
2. 分阶段验收机制
3. 备选供应商名单

---

### 风险2: 核心人员流失

**影响**：核心技术无法延续
**概率**：低
**应对**：
1. 关键知识文档化
2. 核心人员激励
3. 团队备份机制

---

### 风险3: 市场需求变化

**影响**：产品不再符合市场需求
**概率**：中
**应对**：
1. 敏捷开发，快速迭代
2. 定期市场调研
3. MVP快速验证

---

## 七、决策建议

### 最终推荐

**推荐方案**：部分外包

**核心理由**：
1. 决策矩阵得分最高（6.75分）
2. 期望收益最高（[X]万元）
3. 在成本、时间、风险、战略之间取得平衡

---

### 实施路径

**阶段1：供应商筛选（Week 1-2）**
- 发布需求文档
- 供应商报价与评估
- 最终选择

**阶段2：合同签订（Week 3）**
- 明确交付标准
- 分阶段付款
- 知识产权归属

**阶段3：开发执行（Week 4-12）**
- 每周进度检查
- 分阶段验收
- 风险监控

**阶段4：验收上线（Week 13-14）**
- 全面测试
- 问题修复
- 正式上线

---

### 成功标准

- 按时交付：[X]周内完成
- 质量达标：无P0级Bug
- 成本可控：不超预算10%
- 知识产权：核心模块知识产权归公司所有

---

## 八、下一步建议

建议执行：
1. /pm-resource - 制定详细的资源分配方案
2. /pm-risk - 制定风险管控方案
3. /pm-release - 制定上线执行方案

---

**项目状态**: 战略决策分析完成
**生成时间**: [当前时间]
**生成工具**: super-pm v2.0.0

---

Subagent 并行分析（v2.0 新增）

在决策矩阵评估完成后，可派发 subagent 并行进行深度分析：

Agent 1: 方案可行性调研

type: "general-purpose"
prompt: "基于决策选项，搜索各方案的实际案例、成功率和关键因素。搜索工具优先级：首选 AnySearch（Bash 调用 anysearch_cli.py（先定位：检查 ~/.claude/skills/anysearch/scripts/ ~/.opencode/skills/anysearch/scripts/ ~/.openclaw/skills/anysearch/scripts/ ~/.cursor/skills/anysearch/scripts/ ~/.anysearch/scripts/ 或 which anysearch_cli.py，找到后 python3 <路径>）search），失败降级到 Exa MCP（mcp__exa__web_search_exa），最后才用 WebSearch。使用 WebSearch 时标注降级模式。"

Agent 2: 市场数据验证

type: "general-purpose"
prompt: "搜索行业数据验证决策假设，包括市场规模、竞争格局、增长率。搜索工具优先级：首选 AnySearch（Bash 调用 anysearch_cli.py（先定位：检查 ~/.claude/skills/anysearch/scripts/ ~/.opencode/skills/anysearch/scripts/ ~/.openclaw/skills/anysearch/scripts/ ~/.cursor/skills/anysearch/scripts/ ~/.anysearch/scripts/ 或 which anysearch_cli.py，找到后 python3 <路径>）search），失败降级到 Exa MCP（mcp__exa__web_search_exa），最后才用 WebSearch。使用 WebSearch 时标注降级模式。"

V1 vs V2 对比

维度	v1（串行）	v2（Subagent 并行）
方案调研	主 agent 手动搜索	Subagent 独立研究
市场验证	无系统验证	Subagent 并行验证
Token 占用	搜索结果占主上下文	Subagent 独立处理
决策依据	用户主观判断	数据支撑的客观建议

---

注意事项

1. 决策科学性：基于数据和事实，避免主观臆断
2. 多维评估：综合考虑财务、战略、技术、风险等多维度
3. 动态调整：根据环境变化及时调整决策
4. 决策记录：记录决策过程和依据，便于复盘

---

输出质量对比

✅ Good 示例：

- 有数据引用：「根据 Q4 数据，留存率从 35% 降至 28%」
- 有验证来源：「数据来源：Google Analytics, 2025-12-01」
- 有明确建议：「建议将新手引导步骤从 5 步减少至 3 步」

❌ Bad 示例：

- 模糊结论：「数据表明留存率有所下降」
- 无来源：「根据经验，这个功能很重要」
- 没有行动建议：「留存是个问题」

---

常见误区 / Red Flags — STOP

出现以下情况立即停止并回溯：

误区	正确做法
使用"应该"、"大概"、"看起来"做结论	必须基于实际数据和验证
未运行检查就声称已完成	先验证，再陈述
因时间紧迫跳过关键步骤	没有例外，时间紧更要严格
"这次应该没问题"的想法	每次都要重新验证

---

产出质量检查 / Verification Checklist

• 前置依赖已满足（输入文档/数据已收集）
• 核心步骤已全部执行
• 输出文档已生成到 docs/ 目录
• 每个判断都有数据/证据支撑
• 已推荐 2-3 个后续 skill

⚠️ 任何一项未通过 → 补全后再标记完成。

---