一键导入
zach-feature-demand-validator
功能需求真伪验证器。用三维数据(Review/关键词/社区)验证微创新是否真实需求。 使用时机:品类选定后评估微创新、竞品分析发现差异点后判断要不要跟进。 触发词:/zach-feature-demand-validator
菜单
功能需求真伪验证器。用三维数据(Review/关键词/社区)验证微创新是否真实需求。 使用时机:品类选定后评估微创新、竞品分析发现差异点后判断要不要跟进。 触发词:/zach-feature-demand-validator
当用户需要将图片、截图或扫描件转换为 Office 文档(Word/Excel)或 PDF 时,使用此技能。适用于包含复杂表格、合同或图文混排内容的图片或扫描件,可尽量还原原始版式并生成可编辑文档。本技能由夸克扫描王提供转换支持。即使用户未明确提到格式转换,只要用户的需求涉及将图片内容转换为可编辑文档(如 .docx、.xlsx 或 .pdf),也应触发此技能。请勿用于提取纯文本或识别文字内容、图像增强处理或从零创建文档
当用户需要从图片、截图、照片或扫描文档中提取、识别或结构化文本,就使用此技能——包括手写体、表格、数学公式、商品图、各类证件(身份证、社保卡、驾照、行驶证、港澳台通行证、学位证等)、票据(增值税发票、火车票、英文发票等)、医疗报告、营业执照以及习题。本技能由夸克扫描王提供支持。即使用户没有明确提到“OCR”或“文字识别”,只要用户的需求涉及从图片中获取文字或关键信息,也应触发此技能。不适用于图像生成、图像编辑或无需从图片中提取文本的任务
对话式产品孵化技能。帮助零基础用户将模糊想法转化为结构化产品需求文档(PRD),包含门槛评估、风险提示、竞品对照、边界定义和工具链推荐。
棱镜 - 多学科动态适配分析引擎。支持真实性核查、片段补全、结构化输出(表格/流程图/列表)、HTML/Markdown导出,柔和化交互,多语言自适应。
Use when the user wants to design, preview, or customize an Obsidian vault theme — including choosing styles, comparing color schemes, adjusting typography, or generating CSS snippets. Triggers on keywords like "Obsidian theme", "color scheme", "CSS snippet", "appearance".
Plan, assign, review, and verify coding-agent work with tight scope control and clear acceptance criteria.
| name | zach-feature-demand-validator |
| description | 功能需求真伪验证器。用三维数据(Review/关键词/社区)验证微创新是否真实需求。 使用时机:品类选定后评估微创新、竞品分析发现差异点后判断要不要跟进。 触发词:/zach-feature-demand-validator |
| benefits-from | ["zach-product-research"] |
| user-invocable | true |
| allowed-tools | ["Read","Write","Edit","Bash","Glob","Grep","WebSearch","WebFetch","mcp__sorftime__product_reviews","mcp__sorftime__keyword_detail","mcp__sorftime__keyword_extends"] |
| risk-level | low |
本公开版 Skill 是自包含的,不依赖任何私有工作区文件、内部参考库或品牌专属协议。
开始执行前,建议先阅读本 Skill 自带的参考材料:
references/judgment_criteria.md — 三维需求判断标准references/report_template.md — 报告结构references/csv_schema.md — 交付 CSV 结构references/review_fallback_pack.md — 无 Sorftime 时的评论证据包格式亚马逊卖家的产品开发,大多数时候不是做颠覆式创新,而是在现有供给上做微创新:
危险点也恰好在这里。很多功能看起来合理,但很可能只是卖家自己的想象,不是消费者真实在意的点。
这个 Skill 的定位,不是帮你发明新物种,而是判断:
这个微创新,到底是不是用户真的在意。
它通过三个独立维度交叉验证,避免“感觉有需求就开模”。
| 维度 | 首选数据源 | 无 Sorftime 时的替代方案 |
|---|---|---|
| Review 信号 | Sorftime product_reviews | WebSearch + WebFetch 主动抓取 Amazon Review 页面,或用户提供 review_source_pack |
| 关键词信号 | Sorftime keyword_detail / keyword_trend / keyword_extends | Google Trends(WebFetch)+ Amazon Autocomplete(WebSearch)+ 第三方搜索量估算 |
| 社区信号 | WebSearch(Reddit + Quora) | 继续可执行(不依赖 Sorftime) |
zach-product-research、zach-competitor-deep-divezach-new-product-listing-writer适用条件:当前环境可调用 Sorftime MCP。
product_reviews适用条件:当前环境没有 Sorftime MCP。
review_source_pack注意:替代版的数据精度不如 Sorftime(无法拿到精确周搜索量和 CPC),但三个维度都有真实数据支撑,不存在”空白维度”。报告中需标注数据来源差异。
支持两类:
| 输入方式 | 示例 | 处理逻辑 |
|---|---|---|
| 品类 + 功能描述 | air fryer + steam feature | 先找市场上是否已有带该功能的产品 |
| ASIN + 功能描述 | B0XXXX + self-cleaning | 直接围绕指定产品和相邻竞品验证 |
默认站点:US
当 Sorftime 不可用时,用户需要提供本地评论证据包:
review_source_pack/
├── source_manifest.json
└── raw/
├── reviews.csv
├── reviews.txt
└── reviews.html
详细格式见 references/review_fallback_pack.md。
USreferences/keyword_construction_guide.md 构造 3-5 个英文关键词变体product_search 找含该功能的产品product_detail 确认功能是否真实存在product_reviewsmacOS / Linux:
python3 skills/zach-feature-demand-validator/scripts/parse_reviews.py \
--input <reviews.json> \
--asin <ASIN> \
--keywords "steam,steamer,steaming" \
--source-url "sorftime://product_reviews/<ASIN>" \
--output <数据源目录>/01_review_信号_原始数据.csv
Windows:
py -3 skills/zach-feature-demand-validator/scripts/parse_reviews.py `
--input <reviews.json> `
--asin <ASIN> `
--keywords "steam,steamer,steaming" `
--source-url "sorftime://product_reviews/<ASIN>" `
--output <数据源目录>\01_review_信号_原始数据.csv
核心原则:按功能关键词定向选 ASIN,不随机抓。
Review 采集的意义在于验证"用户有没有在意这个功能",所以必须定向找两类产品:
随机抓高销量产品的 review 不会命中功能相关内容,没有分析价值。
第一步:用功能关键词定向搜索 ASIN
amazon.com [品类] [功能关键词]
amazon.com air fryer steamamazon.com [品类] best seller,提取 2-3 个不带该功能但销量高的 ASIN(B 类)
B0XXXXX 等占位符,必须拿到真实可验证的 10 位 ASIN第二步:抓取 Review
对每个 ASIN:
https://www.amazon.com/product-reviews/<ASIN>/ref=cm_cr_dp_d_show_all_btm?reviewerType=all_reviews&sortBy=recent&pageNumber=1site:amazon.com "<ASIN>" reviews 获取评论摘要第三步:数据量要求
第四步:脚本解析
将采集到的 review 整理为标准 JSON,再调用 parse_reviews.py 脚本(同 1.1)
降级路径:用户提供 review_source_pack
仅当 WebSearch + WebFetch 均无法获取足够 review 数据时,才要求用户手动提供证据包:
review_source_pack/source_manifest.json 是否包含 ASIN、站点、导出时间、来源 URL、导出方式python3 skills/zach-feature-demand-validator/scripts/parse_review_source_pack.py \
--pack <review_source_pack> \
--keywords "steam,steamer,steaming" \
--output <数据源目录>/01_review_信号_原始数据.csv
支持的原始文件格式:CSV、TXT / Markdown、HTML
判定标准见 references/judgment_criteria.md,核心仍是:
wish it had)对关键词变体依次调用:
keyword_detailkeyword_trendkeyword_extends再用脚本导出标准 CSV:
python3 skills/zach-feature-demand-validator/scripts/generate_keyword_csv.py \
--type detail \
--data <detail.json> \
--source-ref "keyword_detail:steam air fryer" \
--output <数据源目录>/02_keyword_信号_搜索量数据.csv
关键词维度不能留空。没有 Sorftime 时,通过以下免费数据源获取替代数据:
搜索量估算(替代 keyword_detail):
"[功能关键词]" amazon search volume 或 "[功能关键词]" keyword search volumehttps://trends.google.com/trends/explore?q=[关键词]&geo=US 获取 Google Trends 相对热度趋势数据(替代 keyword_trend):
"[功能关键词]" trend 2025 2026 获取行业讨论中的趋势判断延伸词(替代 keyword_extends):
amazon autocomplete [功能关键词],或直接搜索 [功能关键词] 观察搜索引擎的自动补全建议"[功能关键词]" related searches 获取相关搜索词CSV 输出要求不变:三个 CSV(02/03/04)仍需生成,来源类型标为 google_trends / web_search_estimate / amazon_autocomplete,不标为 Sorftime。
⛔ 关键词数据不得伪造。如果某个数据源确实无法访问,该字段标为"采集失败 + 原因",不填 N/A 了事。
python3 skills/zach-feature-demand-validator/scripts/generate_community_csv.py \
--data <community.json> \
--source-ref 'site:reddit.com "air fryer steam"' \
--output <数据源目录>/05_社区_信号_讨论摘要.csv
| 判定 | 条件 | 建议 |
|---|---|---|
| ✅ 强真需求 | 三个维度均有正面信号 | 值得投入开发 |
| ⚠️ 弱真需求 | 两个维度有信号,一个维度缺失 | 可考虑,但要承认风险 |
| ❓ 待验证 | 只有一个维度有信号 | 先别上大投入 |
| ❌ 伪需求 | 没有正面信号,或已有明显负面信号 | 不建议投入 |
如果走无 Sorftime 替代版,综合结论必须标注”关键词数据来源为 Google Trends / 第三方估算,精度低于 Sorftime”。
交付固定包括:
[日期]_[品类]_[功能]_功能需求验证报告.mdreview_source_pack/source_manifest.jsonreview_source_pack/raw/*python3 skills/zach-feature-demand-validator/scripts/validate_deliverables.py --dir <output_dir>
只有返回 validate_ok 才算完成。
outputs/feature-validation/
├── YYYY-MM-DD_[品类]_[功能]_功能需求验证报告.md
└── YYYY-MM-DD_[品类]_[功能]_数据源/
├── 01_review_信号_原始数据.csv
├── 02_keyword_信号_搜索量数据.csv
├── 03_keyword_信号_趋势数据.csv
├── 04_keyword_信号_延伸词.csv
├── 05_社区_信号_讨论摘要.csv
└── review_source_pack/ # 仅 fallback 场景需要
├── source_manifest.json
└── raw/
所有 CSV 都必须包含:
数据来源来源类型来源链接/查询词原始文件名采集时间| 脚本 | 用途 |
|---|---|
scripts/parse_reviews.py | 解析 Sorftime product_reviews JSON |
scripts/parse_review_source_pack.py | 解析手动导出的 Amazon Review 证据包 |
scripts/generate_keyword_csv.py | 关键词数据导出为标准 CSV |
scripts/generate_community_csv.py | 社区讨论导出为标准 CSV |
scripts/validate_deliverables.py | 校验 MD、CSV 和 fallback 证据包是否完整 |
scripts/WINDOWS_USAGE.md | Windows 运行说明 |
parse_reviews.py 和 validate_deliverables.py 均会强制校验 ASIN 格式,非法值将导致脚本报错退出parse_reviews.py --asin <真实ASIN>,或在 JSON 中为每条 review 添加 ASIN / __asin 字段。禁止用一个占位符覆盖所有行references/csv_schema.mdreferences/report_template.mdreferences/judgment_criteria.mdreferences/keyword_construction_guide.mdreferences/review_fallback_pack.mdzach-product-research — 提供品类方向/zach-new-product-listing-writer报告完成状态:DONE / DONE_WITH_CONCERNS / BLOCKED / NEEDS_CONTEXT