brainstorm-experiments-existing

brainstorm-experiments-existing 概览

brainstorm-experiments-existing 是一个以流程为核心的 skill，专门用于在已有产品上设计低成本实验，帮助你在投入工程时间之前先验证想法。它能把功能设想和一组假设，转化为可测试的方案，比如原型、fake-door test、A/B test、技术 spike、Wizard of Oz 流程或行为调查。它的核心任务很直接：尽快降低不确定性，同时避免高风险的过度开发。

这个 brainstorm-experiments-existing skill 最适合谁

当你已经有一个产品、一个拟议变更，以及至少一个需要回答的问题时，适合使用 brainstorm-experiments-existing skill。它尤其适合产品经理、设计师、创始人和工程师，用来做一个实用的 brainstorm-experiments-existing 指南，验证范围、需求、可用性或技术可行性。

它和其他方法有什么不同

这个 skill 不是通用的头脑风暴提示词。它强调的是衡量行为，而不只是收集观点；同时，当测试会触及生产环境时，它会要求你思考风险缓解方案。这让 brainstorm-experiments-existing for Workflow Automation 在你的工作流需要决策支持、而不是只想要一长串功能点子时特别有用。

什么时候最适合用

如果你需要 brainstorm-experiments-existing skill 帮你判断“这东西值不值得做，以及应该怎么先低成本验证”，就选它。它最适合你已经能说清想验证哪些假设，而且很看重学习速度、成本和用户安全的场景。

如何使用 brainstorm-experiments-existing skill

安装后接入真实上下文

先在你的 skills manager 里使用 brainstorm-experiments-existing 的安装路径，然后把你手头最相关的源材料喂给它：PRD 记录、假设列表、设计稿、客服工单，或者一个粗略的功能简报。这个 skill 的设计是基于 $ARGUMENTS 来工作的，所以输入越清晰，生成的实验方案就越靠谱。

把模糊想法改写成可用提示词

弱提示词会说：“帮我们测试一个新的 onboarding 功能。”更强的提示词会说：“我们想增加团队版 onboarding 来提升 SMB 管理员的激活率。先假设关键风险是可发现性和完成时间。请提出 3 个实验，优先给出最低成本的验证方案，并说明每个方案的成功标准。”

这种写法之所以有效，是因为它给 brainstorm-experiments-existing usage flow 提供了明确的产品范围、目标用户和可衡量的假设。

按正确顺序阅读仓库

先看 SKILL.md，因为这里写着核心流程和输出要求。如果你的本地副本还包含辅助文档，再依次查看 README.md、AGENTS.md、metadata.json，以及任何 rules/、resources/、references/ 或 scripts/ 文件夹。这个仓库里的 skill 很精简，辅助文件也不多，所以大部分价值都在于把主说明文件吃透。

让输出更利于决策

可以要求 skill 按假设、实验类型、成本、风险和预期信号来组织结果。如果可能，再加上约束条件，比如“不能有生产风险”“一周内完成”“没有设计资源”。这些信息会帮助 brainstorm-experiments-existing guide 产出真正能落地的实验，而不是只停留在有趣的理论层面。

brainstorm-experiments-existing skill 常见问题

这只是一个头脑风暴提示词吗？

不是。brainstorm-experiments-existing skill 的重点是对已有产品做结构化验证，而不是开放式点子发散。它最有用的场景，是你需要的是能够证伪假设的实验，而不是一长串创意可能性。

什么时候不该用它？

如果你还不知道产品问题是什么、目标用户是谁，或者要验证的假设是什么，就先别用这个 skill。它也不适合用来做实现规划而不是验证；如果想法还非常早期，通常先做发现性访谈，再考虑实验更合适。

初学者能用吗？

可以，只要你能用朴素语言描述产品想法。初学者在提供一个粗略目标、用户群和怀疑的风险时，往往收获最大。这样 brainstorm-experiments-existing skill 就能把不确定性转成具体的测试选项。

它和 Workflow Automation 怎么配合？

当你希望自动化助手帮你提出验证步骤、比较不同实验类型，或者帮助团队围绕证据收集保持一致时，可以把 brainstorm-experiments-existing 用在 Workflow Automation 里。它更适合设计测试方案，而不是直接自动执行实验本身。

如何改进 brainstorm-experiments-existing skill

把假设说得更锋利

质量提升最大的地方，是把假设说准确。不要只写“用户会喜欢吗？”，而要写“首次使用的管理员能不能不求助就找到新的批量邀请流程？”这样 brainstorm-experiments-existing skill 就能把每个假设对应到更低成本、信号更清晰的实验。

补充会改变实验设计的约束

把时间线、风险容忍度、可用流量和工具限制都写进去。比如：“只能在 staging 测试”“只有一个 sprint”“可以用现有分析工具，但不能加新埋点”。这些约束会迫使 brainstorm-experiments-existing guide 推荐现实可行的实验，而不是理想化方案。

要求输出能直接辅助决策

要求结果包含假设、实验、信号、风险和下一步。这样更容易比较不同选项，也能避免得到过于空泛的建议。如果第一次输出太宽泛，就继续收窄：要求更少的实验、更强的证伪标准，或者按投入和获得的信心排序，给出一个短名单。

第一轮结果出来后继续优化提示词

如果结果很泛，就补充更多关于当前产品行为、用户旅程，以及什么算成功或失败的上下文。brainstorm-experiments-existing install 最有价值的用法，是把它当作验证协作助手：先喂给它真实约束，再不断收紧方案，直到每个实验都足以支持“做还是不做”的决策。