research-product
渐进式研究当前产品,并把已经稳定、可追溯的产品认知增量写入根目录 SOUL.md。首次接入产品代码、原型或线上 URL,需要确认产品形态与已有能力,或某个增长 loop 在执行中发现新的产品事实、用户场景、问题与价值证据时使用。不得一次性臆造完整产品画像,也不得仅凭代码功能推断用户、问题或价值。
npx skills add tsingyuai/growth-lab --skill research-product --agent claude-code
Same command for any agent — swap --agent for codex, cursor, copilot.
Weekly change comes from our own snapshots, not the repository page — it measures attention, not adoption.
# 渐进式产品研究 目标不是完成一份产品报告,而是让 Agent 在真实执行中逐步认识产品。每次只研究当前任务需要的部分,并更新能够跨轮次复用的稳定认知。 ## 证据层级 按以下顺序区分,不得混写: 1. **已观察事实**:代码、配置、路由、界面、公开页面、真实数据或用户明确陈述直接支持。 2. **暂定解释**:多条事实共同支持,但仍需要使用或市场证据验证。 3. **工作假设**:为了推进当前 loop 提出的可能用户、问题、场景或价值,必须写明验证方式。 4. **未知**:没有证据时保留“未知”,不为了填满 SOUL 而补齐。 代码通常只能直接证明产品形态、组成和可见能力。不得从“存在某功能”直接推断“用户最需要它”“它解决了某个核心问题”或“这是产品差异化”。 ## 每次执行 1. 读取现有 `SOUL.md` 和当前 Model 的相关 Memory,确定这次真正缺少哪一小块产品认知。 2. 定位产品载体:当前/相邻本地仓库、用户指定路径、原型、线上 URL 或用户描述。 3. 只读检查与问题直接相关的代码、文档、路由、配置和页面,不进行无目标的全仓扫描。 4. 需要验证可见行为时,让调用方 Model 使用 [screenshot-assets](../../executors/screenshot-assets/SKILL.md) 获取真实页面证据;截图和本次研究记录进入该 Model 的 Memory。 5. 列出“新增事实 / 被修正事实 / 新假设 / 仍未知”,每项附来源路径、URL、截图或用户陈述。 6. 按 [SOUL 增量写入协议](references/soul-update.md) 修改 `SOUL.md`。只更新本轮有新证据的字段,不重写整份文件。 7. 将带时间的检查过程、证据清单和下一步验证动作写入调用方 Model 的 `memory/<model-name>/products/<product-slug>/`。 ## 写入边界 - `SOUL.md`:产品的稳定认知、明确假设、关键未知和证据链接。 - Model Memory:本轮检查过程、截图、页面状态、临时分析、冲突证据和后续验证任务。 - 产品仓库:产品实现本身;除非用户要求修改,不因研究而写入。 - Collector:只维护研究方法,不保存某个产品的事实。 发现冲突时保留旧说法和新证据,先降级为“待验证”,不要静默覆盖。用户明确纠正产品事实时,记录为用户陈述,并在能验证时补上产品证据。 ## 交付 报告本轮实际研究了什么、SOUL 哪些行发生变化、哪些结论仍只是工作假设、证据保存在哪里,以及下一次应在什么真实行动中验证。不要宣称已经“完整理解产品”。
- 证据层级
- 每次执行
- 写入边界
- 交付
What does the research-product skill do?
渐进式研究当前产品,并把已经稳定、可追溯的产品认知增量写入根目录 SOUL.md。首次接入产品代码、原型或线上 URL,需要确认产品形态与已有能力,或某个增长 loop 在执行中发现新的产品事实、用户场景、问题与价值证据时使用。不得一次性臆造完整产品画像,也不得仅凭代码功能推断用户、问题或价值。
How do I install it?
Run `npx skills add tsingyuai/growth-lab --skill research-product --agent claude-code` — it drops the skill into your project so the agent can pick it up. Swap the --agent value for codex, cursor or copilot if you use one of those.
Where does this skill come from?
From tsingyuai/growth-lab, a repository with 427 stars. We read it straight from the repository tree rather than a submitted listing, so what you see here is what is actually published.
Is a popular skill a good skill?
Not necessarily. Stars measure attention, not adoption — a repository can trend for a week and be abandoned. That is why we show the weekly change from our own snapshots next to the total, instead of a single flattering number.
