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
默认使用会先检查来源的 Prompt；你也可以切换为直接命令，或下载本地副本。
决定是否安装前，请先阅读 SKILL.md，以及 SkillsMP 当前展示的配套文件。
用 Codex 或 Claude 帮你安装 复制这段 Prompt，粘贴到 Codex、Claude 或其他助手里，让它检查 Skill 页面并帮你完成安装。
直接命令不会经过审查 Prompt；运行前请先检查来源。
npx skills add https://github.com/aiskillstore/marketplace --skill zach-feature-demand-validator命令会保持在同一行。复制前请横向滚动并检查完整内容。
想先保存到本地？可下载 SkillsMP 当前能够提供的文件。
基于 SOC 职业分类
正在显示 SKILL.md
| 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