kylecui/petfish.ai/product-validation-planner

作用/Purpose

将“想法可不可行”转为可执行验证路径，优先验证高风险假设而非直接开发。该skill必须输出： 1) 可检验假设清单； 2) 最小化验证实验与MVP范围； 3) 含 proceed/pivot/kill 的决策规则。

输出应支持阶段性投入决策，而不是泛化“先做再看”。

触发场景/Trigger Scenarios

• 用户提出“验证计划 / validation plan / 假设验证”
• 需要定义MVP并控制试错成本
• 需要设计 hypothesis testing 与 success metrics
• 需要回答“怎么验证这个想法”并给出具体实验路径
• 需要建立 go/pivot/kill 的决策树用于里程碑评审

输入/Input

• opportunity map（机会地图与优先级）
• product hypotheses（产品假设与风险假设）
• resource constraints（时间、人力、预算、技术约束）
• 可选：历史实验结果、现有指标基线

输出/Output

• hypothesis-list.md
• mvp-plan.md
• validation-experiments.md
• decision-tree.md

工作流/Workflow

1. 识别最风险假设（价值、可用性、可行性、增长等）。
2. 将假设改写为可测试、可证伪的验证命题。
3. 设计最小实验（原型、landing page、手动服务、A/B等）。
4. 定义成功/失败标准，要求可量化且可在窗口期观测。
5. 规划MVP最小范围，剔除非关键能力与过度实现。
6. 构建决策树：达到阈值则 proceed，未达阈值则 pivot/kill。
7. 估算资源消耗与执行顺序，明确关键依赖。
8. 输出验证节奏与复盘机制，约束决策漂移。

质量门禁/Quality Gates

• 必须至少包含1条可测试假设（testable hypothesis）。
• 每条核心假设必须配套量化成功标准（非定性口号）。
• MVP范围必须满足“最小可验证”，不得夹带大规模功能。
• 决策树必须包含 kill/pivot 分支，不能仅有“继续推进”。
• 实验设计必须说明采样窗口、数据来源与判定阈值。

Gotchas/注意事项

• 不要把“上线后看数据”当作验证方案。
• 不要把MVP做成v1.0，应优先验证关键不确定性。
• 量化指标需防止虚荣指标（vanity metrics）误导决策。
• 失败实验不是失败项目，关键是是否快速收敛认知。
• 决策树应预先冻结阈值，避免事后解释偏差。

关联资源

• None (standalone)