prioritize-assumptions

prioritize-assumptions 技能概覽

prioritize-assumptions 技能能幫你用「影響力 × 風險」的角度，判斷哪些假設最值得先處理，並為每個假設建議相對應的實驗。它特別適合產品團隊、創辦人、研究人員與策略規劃者；如果你手上是一長串不確定性，需要的是一個站得住腳的處理順序，而不只是腦力激盪清單，這個技能最對味。

當你要把凌亂的探索筆記整理成可執行的測試計畫時，尤其是 prioritize-assumptions for Strategic Planning 這類情境，prioritize-assumptions 特別有用。它的核心價值在於「快」但不失結構：幫你把現在該驗證的假設，和可以先放一邊的假設分開，並且把工作推向行動，而不是停留在空泛的優先排序。

prioritize-assumptions 實際會做什麼

這個技能會接收一組假設，評估它們的影響力與風險，並對應到決策分類。它也會為每個假設建議一個實驗或測試，讓輸出可以直接用在規劃或探索工作中。

最適合哪些人使用

它最適合那些已經有候選假設、使用者洞察或產品假說的人，並協助你排出先後順序。若你目前只有一個很大的問題陳述，還沒有具體假設可評估，這個技能的效益就比較有限。

這個技能有什麼不同

prioritize-assumptions 技能不像一般的提示詞那樣中性，它對決策框架是有明確主張的：以影響力對風險來看，並且附上有針對性的實驗。這讓它比單純的「幫我把這些想法排順序」更適合策略規劃。

如何使用 prioritize-assumptions 技能

prioritize-assumptions 安裝

依照你環境中的技能命令，從 repository path 安裝這個技能，然後指向 pm-product-discovery/skills/prioritize-assumptions 資料夾。如果你的工具鏈支援直接安裝技能，請確認技能名稱就是 prioritize-assumptions，這樣 agent 才能穩定觸發。

提示詞中該提供什麼

給這個技能的是一份假設清單，而不只是目標。好的輸入像這樣：

• “Assumption: users will trust AI-generated summaries if we show source citations.”
• “Assumption: SMB buyers will convert faster if onboarding is under 5 minutes.”
• “Assumption: procurement will block usage unless data retention settings are explicit.”

也可以補上任何會影響影響力或風險的已知背景，例如受眾規模、急迫性、信心程度、已知限制或商業目標。對於 prioritize-assumptions usage 來說，假設寫得越具體，排序通常就越準。

第一次使用的最佳工作流程

先把你的假設用白話貼上去，然後請技能依影響力與風險排序，並為每一項提出一個實驗。如果你的假設太模糊，先改寫成可測試的陳述，再進行優先排序。這通常比調整評分措辭，更能提升矩陣品質。

先讀哪些檔案

先讀 SKILL.md，因為它包含操作規則、背景與框架。如果 repository 之後變大，再查看 README.md、AGENTS.md、metadata.json，以及任何 rules/、resources/、references/ 或 scripts/ 資料夾，補充特定組織的指引。就目前這個 repo 而言，SKILL.md 是主要的事實來源。

prioritize-assumptions 技能 FAQ

這比一般提示詞更好嗎？

如果你要的是一致的優先排序，而不是臨時性的排列，通常答案是肯定的。一般提示詞也能列出假設，但 prioritize-assumptions 會加入可重複使用的結構，涵蓋影響力、風險與實驗設計。

什麼情況下不該用？

如果你只需要快速意見、假設還沒有清楚寫出來，或主要問題其實是選擇框架而不是排序，那就不適合用它。這些情況下，探索型提示詞或更廣泛的規劃技能，可能會是更好的第一步。

初學者適合用嗎？

可以，只要使用者能提供一份簡單的假設清單就行。初學者獲得最大價值的方式，是把它當成決策輔助工具，並提供具體陳述，而不是要它幫忙憑空生成假設。

它和 Strategic Planning 工作相比如何？

在 prioritize-assumptions for Strategic Planning 裡，這個技能最強的角色是過濾層：幫你找出哪些不確定性應該先影響整體計畫。它不會取代 roadmap 設計、資源分配或市場分析；它的作用是縮小假設集合，讓那些決策變得更精準。

如何改進 prioritize-assumptions 技能

一開始就把假設寫得更強

最好的結果來自具體、可觀察，而且真的會影響決策的假設。像「Users want AI」太空泛；「power users will accept AI suggestions if they can edit them before publishing」對 prioritize-assumptions 來說就好得多，因為它提供了能夠被評分、也能被測試的具體內容。

補上會改變影響力或風險的背景

告訴技能哪些人會受影響、賭注有多大，以及假設錯了會發生什麼事。受眾規模、營收敏感度、法遵風險與交付成本，通常都比單純的信心描述更能影響優先順序。

要求實驗，不只要排名

有價值的 prioritize-assumptions guide，最後應該要告訴你下一步要測什麼。如果第一次輸出只有排序，請再跑一次，讓前幾項轉成低成本實驗、驗證問題或原型測試。

對不清楚或過度塞滿的項目做迭代

常見失敗模式是：一個假設裡塞了多個主張。像「users will adopt it and recommend it and pay for it」這種句子，請拆成獨立陳述再重跑技能。這樣能得到更乾淨的排名，也更容易產出可行動的實驗。