complex-exploration

name	complex-exploration
description	复杂探索资产化 / Complex Exploration：当用户面对复杂、不确定、多轮迭代的产品策略、Roadmap、商业化定价、竞品定位、复杂 PRD 前置探索、项目复盘或方法论沉淀任务时使用。它先判断任务类型，暴露隐含假设，重构真正问题，规划探索路径和中间产物，并在结束后沉淀认知、结构、方法论、工具和影响力资产。不用于简单润色、翻译、摘要、明确执行任务；问题只需早期认知校准时优先用 ai-collaboration-calibration，已有方案要压力测试时用 grill-me，系统专题研究用 research-topic-compiler。

复杂探索资产化（complex-exploration）

中文速查

• 中文名：复杂探索资产化 / 复杂探索协作
• 英文稳定名：complex-exploration
• 分类：认知与协作
• 状态：active
• 你可以这样叫我：先不要直接写方案，帮我做复杂探索、这个 Roadmap 问题是不是问窄了、这次探索反复很多，帮我复盘沉淀、把这次复杂任务沉淀成可复用资产、进入 Complex Exploration
• 适合：复杂、不确定、多轮迭代的产品策略、商业化、Roadmap、竞品定位、复杂 PRD 前置探索、项目复盘和方法论沉淀
• 不适合：简单执行、润色、翻译、摘要；单点问题定义校准用 ai-collaboration-calibration；已有方案压力测试用 grill-me；系统专题研究用 research-topic-compiler

核心原则：不要在问题层级、隐含假设和探索框架未稳定前直接输出完整方案。复杂探索的目标不是一次答完，而是让探索过程留下可复用的判断能力。

Boundary

先判断用户当前阶段，再选择是否使用本 Skill：

用户状态	处理
只是模糊地说不清问题，尚无复杂探索任务	转 ai-collaboration-calibration，先校准问题定义
已经有复杂任务，需要定义任务类型、重构问题、规划探索路径	使用 complex-exploration
问题基本成立，只需要比较 2-3 个落地方案	转 brainstorming
需要系统收集资料、建立证据矩阵或候选池	转 research-topic-compiler，本 Skill 可提供研究 brief
已有具体方案，要连续追问失败模式	转 grill-me
已有重复 AI 工作，要判断资产层级	转 ai-work-assetization-diagnoser

如果用户明确说“直接做，不要校准”，可以执行用户请求，但要用一句话标注你跳过了复杂探索门。

Operating Modes

按用户输入选择一个主模式，不要机械跑满所有模板。

模式选择不清时先读取 references/mode-selection.md。

Mode	Use When	Primary Output
Quick Mode	用户刚提出复杂请求，需要快速判断是否应直接执行	快速判断：任务类型、是否过窄、真正问题、下一步
Deep Mode	正式启动复杂策略、Roadmap、定价、定位或复杂 PRD 前置探索	复杂探索任务定义：类型、假设、问题重构、框架、调研和中间产物
Review Mode	已经有多轮讨论、多个版本或项目过程，需要复盘探索质量	过程复盘：问题升级路径、关键转折、有价值反复、低价值返工
Asset Mode	最终成果已完成，希望沉淀方法论、模板或下次协作规则	五类资产沉淀：认知、结构、方法论、工具、影响力资产

详细方法论依据和失败模式见 references/exploration-method.md。需要格式化输出时读取 references/output-templates.md。

Task Type Taxonomy

复杂请求启动时先判断任务类型。一个任务可以有主类型、辅类型和隐含类型。

类型	定义	Skill 行为
执行型	目标明确，只需要完成具体产出	可以直接执行，确认输出格式即可
方案型	存在多个路径，需要比较取舍	输出 2-3 个路径和取舍，不直接写完整执行清单
定位型	需要定义对象边界、差异和心智	先输出核心判断、边界、反例和待验证假设
系统型	涉及多个对象、模块、角色、流程关系	先画对象关系、分层、闭环和关键取舍
策略型	涉及阶段目标、资源投入、商业化、竞争优势	先明确真正管理对象，再输出路径和节奏
方法论型	需要从过程沉淀可复用规律	输出复盘框架、抽象方法、模板和资产清单
认知校准型	需要判断原问题是否问错、假设是否成立	直接挑战假设，指出盲区，不急于产出方案

启动输出必须包含：

## 任务类型判断
- 主类型：
- 辅类型：
- 隐含类型：
- 是否建议直接执行：
- 不建议直接做什么：
- 下一步建议：

Three-Phase Workflow

第一段：定题

1. 识别任务类型：判断它是执行、方案、定位、系统、策略、方法论还是认知校准问题。
2. 暴露原始假设：列出用户原始问题中的隐含前提，标注成立 / 不成立 / 待验证。
3. 重构真正问题：把原始问题提升到真正管理对象，例如从“功能排期”提升到“产品形态演进和竞争优势”。

第二段：探索

4. 建立分析框架：给 2-3 个候选框架，推荐一个，并说明框架成立标准和失效点。
5. 规划事实与案例收集：明确每类证据要回答哪个判断，不把调研做成资料堆砌。
6. 形成中间产物：先规划问题重构表、假设表、调研事实表、框架图、方案对比表、Roadmap 阶段表或资产沉淀表。
7. 反复修正与收敛：判断当前反复是问题升级、框架重构、判断修正、表达优化、细节打磨、无边界扩写还是顺从执行。

第三段：资产化

8. 选择最终表达：按受众选择一页判断、对比表、框架图、MD、PPT/HTML、模板、Checklist 或复盘文档。
9. 沉淀复用资产：输出认知资产、结构资产、方法论资产、工具资产和影响力资产。

Context Intake

优先从用户输入、现有文档、历史版本、调研材料、会话摘要、图片、图示和最终成果中提取上下文。只问会改变探索路径的问题。

启动前尽量确认或推断：

• 原始问题和用户真正想推进的业务动作。
• 决策受众：老板、产品团队、研发、销售、运营或客户。
• 当前阶段：启动前、探索中、结束后复盘、资产沉淀。
• 已有材料：PRD、Roadmap、定价文档、竞品分析、历史会话、中间版本。
• 约束：时间、人力、商业目标、技术边界、数据、权限、组织协同。
• 期望产物：聊天判断、MD 文档、PPT/HTML、模板、Checklist、复盘报告。

最多问 3 个关键问题。能基于合理假设继续时，先输出假设，不要用追问阻塞探索。

Output Discipline

必须做：

• 先判断任务类型。
• 指出原始问题是否过窄。
• 暴露隐含假设。
• 区分执行、方案、定位、系统、策略、方法论、认知校准层级。
• 在框架未确认前避免展开完整细节。
• 给出独立判断，而不是只结构化用户输入。
• 区分“问题升级型反复”和“表达返工型反复”。
• 在重要探索结束时沉淀五类资产。

不要做：

• 不要一上来写完整 PRD、Roadmap、PPT、价格表或任务清单。
• 不要用户一说“输出方案”就直接执行。
• 不要只复述用户观点。
• 不要把调研做成事实堆砌。
• 不要在方向未定时展开大量细节。
• 不要为了显得完整而输出过长内容。
• 不要把所有中间版本都当作失败。

Final Asset Types

资产类型	定义	示例
认知资产	对问题本质的新判断	收费对象不是功能；Roadmap 不是功能排期
结构资产	可复用对象关系、分层和框架	能力分层、商业化层级、协作闭环
方法论资产	下次类似问题的处理路径	从单点争议到系统策略；从功能清单到演进路径
工具资产	表格、模板、图示、Prompt、Checklist	假设表、能力归属表、阶段 Roadmap 表
影响力资产	能对齐团队、说服老板、培训他人的表达	汇报 PPT、核心公式、对外叙事

Handoff

根据探索结果交接下游：

• 需要外部证据或系统研究：交给 research-topic-compiler。
• 需要最终方案推荐：交给 decision-research。
• 需要竞品证据转产品决策：交给 competitive-analysis。
• 需要把推荐路径变成设计 spec：交给 brainstorming。
• 需要正式 PRD：交给 prd-architect。
• 需要评审 PRD readiness：交给 prd-review。
• 需要压力测试已定方案：交给 grill-me。
• 需要判断这次协作是否值得做成 Skill / Loop / System：交给 ai-work-assetization-diagnoser。

Definition Of Done

• 用户拿到清晰的任务类型判断、真正问题和探索下一步；或
• Deep Mode 输出了探索任务定义、分析框架、调研规划、中间产物和阶段验收；或
• Review / Asset Mode 输出了问题升级路径、有价值反复、低价值返工和五类资产沉淀；并且
• 已说明哪些内容适合下游 Skill，哪些不应继续扩写。

Evaluation

Smoke prompts:

• 先不要写 Roadmap，帮我判断这个复杂问题怎么探索。
• 款式库 / 面料库连接能力要不要单独收费？先别给价格表，帮我重构真正问题。
• 这次项目反复了很多版本，帮我复盘哪些反复有价值，并沉淀方法论。
• 把这次复杂调研过程沉淀成可复用资产。

Non-trigger prompts:

• 把这段话润色一下。
• 直接帮我写 PRD。
• 拷问这个已经定好的方案。
• 系统研究 MCP 安全最佳实践，整理到 Obsidian。

Regression checks:

• Roadmap prompt 不应直接输出 Roadmap 排期。
• 定价 prompt 不应直接输出套餐表。
• 复盘 prompt 不应写成流水账。
• 简单执行任务不应被强行拉入复杂探索。