AI 技能AI 插件【免费下载链接】Product-Manager-SkillsProduct Management skills framework built on battle-tested methods for Claude Code, Cowork, Codex, and AI agents.项目地址https://gitcode.com/gh_mirrors/pr/Product-Manager-Skills点击查看免费下载本文基于开源仓库 Product-Manager-Skills 中的 epic-hypothesis 技能及其工业示例文档 sample-industrial.md系统拆解把史诗Epic写成可证伪假设这一方法在工业硬件产品控制面板、产线设备上的落地打法。读完你将掌握如何写出 If/Then 三段式假设、如何设计微小发现实验Tiny Acts of Discovery、如何预设 Kill Criteria 在错误方向上及时止损以及如何识别一份看起来正确、实则无法证伪的坏史诗。为什么工业场景反而更需要假设纪律示例文档开头给出了一个关键判断工业环境的反馈回路以季度而非天为单位且控制面板这类硬件无法做 A/B 测试——这两点让假设纪律的价值不降反升。因为真正的实验装机、产线试运行昂贵且缓慢所以发现阶段的实验必须廉价且物理化打印纸面板、秒表、笔记本盘点、车间照明下的可读性测试都是可以用天来计量的手段。这正是 epic-hypothesis 技能的适用前提它是你正在验证的假设而不是你承诺交付的功能规格This is not a requirements spec—its a hypothesis youre testing。在工业场景下这条边界尤其重要——一次错误的整机设计迭代成本可能是 SaaS 功能的数十倍。方法骨架If/Then 假设 微小发现实验 验证指标在阅读工业示例前先回顾该技能的核心结构完整填空模板见 template.md### If/Then Hypothesis **If we** [代表目标人物画像采取的行动或方案] **for** [目标人物画像] **Then we will** [达成可欲的结果或用户待办事项] ### Tiny Acts of Discovery Experiments **We will test our assumption by:** - [实验 1] - [实验 2] - [按需继续添加] ### Validation Measures **We know our hypothesis is valid if within** [时间窗] **we observe:** - [可量化的结果] - [可定性的结果] - [按需继续添加]该格式源自 Tim Herbig 的 Lean UX 假设表述见 SKILL.md 的 Key Concepts 一节其设计意图是四条假设驱动迫使你陈述自己相信且可能出错的东西结果导向Then we will 强调用户收益而非功能产出实验优先在完整构建之前先做轻量验证可证伪清晰的成败标准使坏点子能在早期被枪毙把史诗当作赌注而非承诺来管理风险。三个工业示例正是这套骨架在你无法 A/B 测试控制面板、反馈周期以季度计约束下的完整演练。示例一一份优秀的工业史诗假设——On-Unit Fault IsolationNorthfield Automation 在 NFA-500 开发期间将机载故障隔离史诗写成如下假设原文完整保留### Epic Hypothesis: On-Unit Fault Isolation for the NFA-500 #### If/Then Hypothesis **If we** display fault information down to the individual I/O slot on the controllers front panel, readable without a laptop or network connection **for** maintenance technicians diagnosing a stopped line at the panel **Then we will** reduce median time-from-stop-to-first-corrective-action from 52 minutes to under 15 minutes across pilot sites #### Tiny Acts of Discovery Experiments 1. **Notebook audit** (1 week, ~0 cost) — collect the personal fault-code notebooks technicians keep. If most techs maintain one, the information gap is real and we can see exactly which codes matter. If few do, our premise is wrong. 2. **Paper-panel test** (2 weeks) — mock the front panel on printed card at three pilot sites. Give techs a simulated fault and time how long to correct diagnosis. No hardware required. 3. **Glove-and-lighting check** (3 days) — verify legibility at panel height, in plant lighting, with work gloves on. Kills or confirms the touchscreen option before tooling. 4. **Downtime attribution pull** (2 weeks) — get three plants to split logged downtime into diagnosis versus repair. Establishes the 52-minute baseline, which we currently believe but have not measured. #### Success Metrics - **Primary:** median stop-to-first-corrective-action under 15 min at pilot sites (baseline 52) - **Secondary:** controller swaps per 100 faults drops below 10 (baseline 34) — techs stop replacing the whole unit when they can see which module failed - **Guardrail:** no increase in incorrect module replacements. Faster wrong answers are worse than slower right ones. #### Kill Criteria - If the notebook audit shows fewer than a third of techs track codes themselves, the information gap isnt what we think — stop and re-frame - If the paper-panel test doesnt beat 25 minutes, the panel UI isnt the lever; the constraint is somewhere else - If guardrail rises above baseline, stop regardless of the primary metric这份假设为什么成立原文档总结了五个要点每一条都对应 SKILL.md 中的质量检查项基线被如实标注为未测量。52 分钟同时出现在假设与实验 4 中而实验 4 的存在就是为了验证这个数字。先承认数字未经验证、再设计实验去确认它是诚实的排序——对应 SKILL.md 的检查项If we 要具体、Then we will 要是可度量的结果。注意这里的52 → 15 分钟是一个带明确目标值和基线的可证伪声明而示例二中的improved则不是。实验是物理且廉价的。打印卡片加秒表没有固件、没有工装、没有资本支出——这是硬件时间线上唯一可行的发现实验方式。对照 SKILL.md 的 Step 3实验要快天/周而非月、便宜避免完整工程构建、可证伪能证明你错了paper-panel test 与 notebook audit 是这三条在工业语境下的完美翻译。实验 3 可以在三天内枪毙一个设计方案。手套 车间照明 vs 触摸屏是一个五分钟就能回答的问题却省下整整一轮工装周期——这是cheap and physical发现实验的直接收益。Guardrail 点明了真正的风险。诊断更快但更常出错是更差的产品——这正是把故障灯做得更醒目若被草率执行可能造成的后果。原文档用 Primary / Secondary / Guardrail 三层指标把 SKILL.md 中验证指标要定量、可观察的要求升级为工业场景的护栏机制。Kill Criteria 预先承诺。在团队爱上面板设计之前就把止损线写下来。这一条对应 SKILL.md 的核心理念可证伪清晰的成败标准使坏点子能在早期被枪毙——工业场景中发现实验周期以周计Kill Criteria 是防止沉没成本式继续推进的唯一刹车。示例二一份失败的工业史诗假设——Improve NFA-500 Diagnostics同一文档给出了反面教材原文完整保留### Epic: Improve NFA-500 Diagnostics **Goal:** Deliver best-in-class diagnostics for the NFA-500 platform to improve customer satisfaction and differentiate from competitors. **Success:** Positive customer feedback, improved NPS, competitive win rate. **Approach:** Work with engineering to scope and deliver enhanced diagnostic capabilities in H2.它坏在哪原文档的剖析与 SKILL.md 的 Anti-Patterns这不是什么一一对应这里没有任何东西可能出错。Improve diagnostics 不存在任何让团队停下、转向或承认前提失败的触发条件——这就是不可测试史诗的定义。对照 SKILL.mdShip feature X by Q2 这种输出导向表述错失了重点——它达成结果了吗没有用户。技术员、控制工程师、运营经理需要完全不同的诊断能力史诗不指明是哪一个工程团队就会自己挑——通常是最好实现的那个。这直接对应 SKILL.md 的质量检查If we 要具体、For 要是清晰的人物画像可参考 proto-persona 技能。Positive customer feedback 与 improved NPS 落后了数个季度并且会被发布包里的其他一切因素混淆二者都无法在构建途中指导任何决策。这与 SKILL.md 的 Pitfall 4 一致验证周期若长达数月等你测出来时东西已经建完了。没有基线于是事后连improved都无法度量。Best-in-class 邀请的是无上限的范围。对比under 15 minutes——后者精确告诉你何时停止构建。这是 SKILL.md 的 Pitfall 1假设是特性而非结果在工业措辞上的变体。示例三一份被枪毙的好假设——Predictive Failure Alerts原文档特意展示了被枪毙的史诗这恰恰是纪律兑现的时刻。### Epic Hypothesis: Predictive Failure Alerts **If we** analyze I/O signal patterns to predict module failures before they occur **for** plant operations managers planning maintenance windows **Then we will** convert at least 30% of unplanned line stops into planned maintenance at pilot sites #### Tiny Acts of Discovery Experiments 1. **Historical data pull** (3 weeks) — collect signal logs preceding 50 known module failures. Do failures show a detectable precursor pattern at all? 2. **Blind classification** (1 week) — have an engineer attempt to identify pre-failure windows from logs without knowing the outcomes. #### Kill Criteria - If fewer than half of failures show any precursor signal, prediction isnt feasible with the data we have — stop.结果实验 1 在 50 次故障中仅发现 9 次存在前兆模式史诗在约三周、近乎零工程成本的情况下被枪毙。为什么这是成功替代方案是一次两个季度的构建落地在一个 80% 时间里都会判断错误的特性上——而在你的产线即将停机这类场景中一次错误的预警比没有预警更快摧毁信任。假设格式让廉价测试变得显而易见也让枪毙决定毫无争议。这对应 SKILL.md 的 Step 5 决策点中的❌ 假设被证伪枪毙史诗或转向另一个假设——注意它是与✅ 假设被验证继续构建用户故事并加入路线图并列的正当结果而非失败。工业示例用9/50这个具体数字证明好的假设必须包含失败的可能性而证明失败本身就是成功。工业示例与 SaaS 示例的对照方法一致实验形态不同仓库同时提供了通用示例 examples/sample.mdGoogle Calendar 集成、Slack 通知等 SaaS 场景与本文的工业示例。两者共享同一套 If/Then 骨架差异集中在微小发现实验的形态上维度SaaS 示例sample.md工业示例sample-industrial.md实验载体Figma 可点击原型、非功能性 CTA、人工同步打印纸面板、故障码笔记本盘点、车间照明实测反馈周期以周计可快速迭代以季度计需一次性做对验证指标点击率、激活率、自报节省时间中位停机到首次纠错动作时间、控制器更换率典型风险用户喜欢但不用错误预警摧毁信任、错误模块更换工业示例还引入了 SaaS 示例中不存在的Guardrail护栏指标与Kill Criteria止损线两个结构要素——因为硬件场景下方向错了再回头的代价是工装周期与资本支出必须在出发前写清刹车条件。若要在自己的工业项目中使用可直接从 template.md 起步并参照本示例补上 Primary / Secondary / Guardrail 三层指标与显式 Kill Criteria。在仓库中的定位从一句话想法到路线图的第一步epic-hypothesis 在仓库中被归类为component型技能见 catalog/skills-index.yaml描述为以可测试假设的形式框定史诗含目标用户、预期结果与验证方法在路线图、发现或交付规划之前定义重大举措时使用。它的上下游链条清晰上游依赖problem-statement 技能假设应对已验证的问题、proto-persona 技能定义For [画像]、jobs-to-be-done 技能支撑Then we will的结果下游出口user-story 技能 与 user-story-splitting 技能——假设被验证后史诗拆解为用户故事SKILL.md 的 Step 6。在实操工作流中/plan-roadmap命令将本技能置于明确的位置见 commands/plan-roadmap.md第 1 步用roadmap-planning构建路线图上下文第 2 步把举措转换为epic-hypothesis声明随后才进入优先级排序与交付切片。也就是说本文工业示例中的三份假设产物正是路线图规划环节的标准化中间产物——它把领导批准了重大项目但没人说得清什么能证明它错了这种场景SKILL.md 的 scenarios转化为可执行的赌注。可复用的检查清单综合工业示例的成败案例与 SKILL.md 的 Common Pitfalls 一节在提交一份史诗假设前逐条核对If we 具体到动作不是improve diagnostics而是在控制器前面板把故障信息下钻到单个 I/O 槽位无需笔记本或网络即可读取。For 是单一清晰画像不是users而是在面板前诊断停机产线的维护技术员。Then we will 是可测结果带基线52 分钟与目标值15 分钟而不是improved NPS。基线标注测量状态数字若尚未实测须有配套实验去确认实验 4 的 downtime attribution pull。实验满足快/便宜/可证伪打印卡 秒表绝不允许实验 构建完整功能。Guardrail 覆盖真实风险速度提升不得以正确率下降为代价预警类功能须把假阳性破坏信任显式列为护栏。Kill Criteria 预先写下在团队爱上方案之前完成触发即停无论主指标表现如何。验证时间窗现实2-4 周为佳SKILL.md Pitfall 4若该周期内无法度量改用领先指标。对照 示例二 可见违反上述任何一条史诗就会退回输出导向的交付计划对照 示例三全部满足则即便被证伪团队也能在三周内以近乎零成本全身而退——这正是假设纪律在工业时间线上的最大价值。赞分享AI 技能AI 插件【免费下载链接】Product-Manager-SkillsProduct Management skills framework built on battle-tested methods for Claude Code, Cowork, Codex, and AI agents.项目地址https://gitcode.com/gh_mirrors/pr/Product-Manager-Skills点击查看免费下载相关推荐Product-Manager-Skills 史诗假设Epic Hypothesis实战指南用可证伪的 If/Then 框架给每个重大举措设定赌注与验证方法Product Manager Skills 史诗假设Epic Hypothesis实战指南用可证伪的 If/Then 框架给每个重大举措设定赌注与验证方AI 技能AI 插件Product-Manager-Skills 竞争研究快照Competitive Research Snapshot工业场景实战示例深度解析Product Manager Skills 竞争研究快照Competitive Research Snapshot工业场景实战示例深度解析 本篇技术指南AI 技能AI 插件一键生成 OpenCore EFIOpCore Simplify 黑苹果配置完整教程一键生成 OpenCore EFIOpCore Simplify 黑苹果配置完整教程 有黑苹果经验的老玩家会说手写一份 config.plistOpenCAI 技能AI 插件上一篇拆解Kumo构建系统ESM-only、极致Tree-Shaking与RSC兼容背后的三步流水线下一篇无需公网IP接入PromptX飞书机器人WebSocket长连接完整教程创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考 Product-Manager-Skills 工业场景下的 Epic Hypothesis 实战指南：以 NFA-500 故障诊断史诗为例
AI 技能AI 插件【免费下载链接】Product-Manager-SkillsProduct Management skills framework built on battle-tested methods for Claude Code, Cowork, Codex, and AI agents.项目地址https://gitcode.com/gh_mirrors/pr/Product-Manager-Skills点击查看免费下载本文基于开源仓库 Product-Manager-Skills 中的 epic-hypothesis 技能及其工业示例文档 sample-industrial.md系统拆解把史诗Epic写成可证伪假设这一方法在工业硬件产品控制面板、产线设备上的落地打法。读完你将掌握如何写出 If/Then 三段式假设、如何设计微小发现实验Tiny Acts of Discovery、如何预设 Kill Criteria 在错误方向上及时止损以及如何识别一份看起来正确、实则无法证伪的坏史诗。为什么工业场景反而更需要假设纪律示例文档开头给出了一个关键判断工业环境的反馈回路以季度而非天为单位且控制面板这类硬件无法做 A/B 测试——这两点让假设纪律的价值不降反升。因为真正的实验装机、产线试运行昂贵且缓慢所以发现阶段的实验必须廉价且物理化打印纸面板、秒表、笔记本盘点、车间照明下的可读性测试都是可以用天来计量的手段。这正是 epic-hypothesis 技能的适用前提它是你正在验证的假设而不是你承诺交付的功能规格This is not a requirements spec—its a hypothesis youre testing。在工业场景下这条边界尤其重要——一次错误的整机设计迭代成本可能是 SaaS 功能的数十倍。方法骨架If/Then 假设 微小发现实验 验证指标在阅读工业示例前先回顾该技能的核心结构完整填空模板见 template.md### If/Then Hypothesis **If we** [代表目标人物画像采取的行动或方案] **for** [目标人物画像] **Then we will** [达成可欲的结果或用户待办事项] ### Tiny Acts of Discovery Experiments **We will test our assumption by:** - [实验 1] - [实验 2] - [按需继续添加] ### Validation Measures **We know our hypothesis is valid if within** [时间窗] **we observe:** - [可量化的结果] - [可定性的结果] - [按需继续添加]该格式源自 Tim Herbig 的 Lean UX 假设表述见 SKILL.md 的 Key Concepts 一节其设计意图是四条假设驱动迫使你陈述自己相信且可能出错的东西结果导向Then we will 强调用户收益而非功能产出实验优先在完整构建之前先做轻量验证可证伪清晰的成败标准使坏点子能在早期被枪毙把史诗当作赌注而非承诺来管理风险。三个工业示例正是这套骨架在你无法 A/B 测试控制面板、反馈周期以季度计约束下的完整演练。示例一一份优秀的工业史诗假设——On-Unit Fault IsolationNorthfield Automation 在 NFA-500 开发期间将机载故障隔离史诗写成如下假设原文完整保留### Epic Hypothesis: On-Unit Fault Isolation for the NFA-500 #### If/Then Hypothesis **If we** display fault information down to the individual I/O slot on the controllers front panel, readable without a laptop or network connection **for** maintenance technicians diagnosing a stopped line at the panel **Then we will** reduce median time-from-stop-to-first-corrective-action from 52 minutes to under 15 minutes across pilot sites #### Tiny Acts of Discovery Experiments 1. **Notebook audit** (1 week, ~0 cost) — collect the personal fault-code notebooks technicians keep. If most techs maintain one, the information gap is real and we can see exactly which codes matter. If few do, our premise is wrong. 2. **Paper-panel test** (2 weeks) — mock the front panel on printed card at three pilot sites. Give techs a simulated fault and time how long to correct diagnosis. No hardware required. 3. **Glove-and-lighting check** (3 days) — verify legibility at panel height, in plant lighting, with work gloves on. Kills or confirms the touchscreen option before tooling. 4. **Downtime attribution pull** (2 weeks) — get three plants to split logged downtime into diagnosis versus repair. Establishes the 52-minute baseline, which we currently believe but have not measured. #### Success Metrics - **Primary:** median stop-to-first-corrective-action under 15 min at pilot sites (baseline 52) - **Secondary:** controller swaps per 100 faults drops below 10 (baseline 34) — techs stop replacing the whole unit when they can see which module failed - **Guardrail:** no increase in incorrect module replacements. Faster wrong answers are worse than slower right ones. #### Kill Criteria - If the notebook audit shows fewer than a third of techs track codes themselves, the information gap isnt what we think — stop and re-frame - If the paper-panel test doesnt beat 25 minutes, the panel UI isnt the lever; the constraint is somewhere else - If guardrail rises above baseline, stop regardless of the primary metric这份假设为什么成立原文档总结了五个要点每一条都对应 SKILL.md 中的质量检查项基线被如实标注为未测量。52 分钟同时出现在假设与实验 4 中而实验 4 的存在就是为了验证这个数字。先承认数字未经验证、再设计实验去确认它是诚实的排序——对应 SKILL.md 的检查项If we 要具体、Then we will 要是可度量的结果。注意这里的52 → 15 分钟是一个带明确目标值和基线的可证伪声明而示例二中的improved则不是。实验是物理且廉价的。打印卡片加秒表没有固件、没有工装、没有资本支出——这是硬件时间线上唯一可行的发现实验方式。对照 SKILL.md 的 Step 3实验要快天/周而非月、便宜避免完整工程构建、可证伪能证明你错了paper-panel test 与 notebook audit 是这三条在工业语境下的完美翻译。实验 3 可以在三天内枪毙一个设计方案。手套 车间照明 vs 触摸屏是一个五分钟就能回答的问题却省下整整一轮工装周期——这是cheap and physical发现实验的直接收益。Guardrail 点明了真正的风险。诊断更快但更常出错是更差的产品——这正是把故障灯做得更醒目若被草率执行可能造成的后果。原文档用 Primary / Secondary / Guardrail 三层指标把 SKILL.md 中验证指标要定量、可观察的要求升级为工业场景的护栏机制。Kill Criteria 预先承诺。在团队爱上面板设计之前就把止损线写下来。这一条对应 SKILL.md 的核心理念可证伪清晰的成败标准使坏点子能在早期被枪毙——工业场景中发现实验周期以周计Kill Criteria 是防止沉没成本式继续推进的唯一刹车。示例二一份失败的工业史诗假设——Improve NFA-500 Diagnostics同一文档给出了反面教材原文完整保留### Epic: Improve NFA-500 Diagnostics **Goal:** Deliver best-in-class diagnostics for the NFA-500 platform to improve customer satisfaction and differentiate from competitors. **Success:** Positive customer feedback, improved NPS, competitive win rate. **Approach:** Work with engineering to scope and deliver enhanced diagnostic capabilities in H2.它坏在哪原文档的剖析与 SKILL.md 的 Anti-Patterns这不是什么一一对应这里没有任何东西可能出错。Improve diagnostics 不存在任何让团队停下、转向或承认前提失败的触发条件——这就是不可测试史诗的定义。对照 SKILL.mdShip feature X by Q2 这种输出导向表述错失了重点——它达成结果了吗没有用户。技术员、控制工程师、运营经理需要完全不同的诊断能力史诗不指明是哪一个工程团队就会自己挑——通常是最好实现的那个。这直接对应 SKILL.md 的质量检查If we 要具体、For 要是清晰的人物画像可参考 proto-persona 技能。Positive customer feedback 与 improved NPS 落后了数个季度并且会被发布包里的其他一切因素混淆二者都无法在构建途中指导任何决策。这与 SKILL.md 的 Pitfall 4 一致验证周期若长达数月等你测出来时东西已经建完了。没有基线于是事后连improved都无法度量。Best-in-class 邀请的是无上限的范围。对比under 15 minutes——后者精确告诉你何时停止构建。这是 SKILL.md 的 Pitfall 1假设是特性而非结果在工业措辞上的变体。示例三一份被枪毙的好假设——Predictive Failure Alerts原文档特意展示了被枪毙的史诗这恰恰是纪律兑现的时刻。### Epic Hypothesis: Predictive Failure Alerts **If we** analyze I/O signal patterns to predict module failures before they occur **for** plant operations managers planning maintenance windows **Then we will** convert at least 30% of unplanned line stops into planned maintenance at pilot sites #### Tiny Acts of Discovery Experiments 1. **Historical data pull** (3 weeks) — collect signal logs preceding 50 known module failures. Do failures show a detectable precursor pattern at all? 2. **Blind classification** (1 week) — have an engineer attempt to identify pre-failure windows from logs without knowing the outcomes. #### Kill Criteria - If fewer than half of failures show any precursor signal, prediction isnt feasible with the data we have — stop.结果实验 1 在 50 次故障中仅发现 9 次存在前兆模式史诗在约三周、近乎零工程成本的情况下被枪毙。为什么这是成功替代方案是一次两个季度的构建落地在一个 80% 时间里都会判断错误的特性上——而在你的产线即将停机这类场景中一次错误的预警比没有预警更快摧毁信任。假设格式让廉价测试变得显而易见也让枪毙决定毫无争议。这对应 SKILL.md 的 Step 5 决策点中的❌ 假设被证伪枪毙史诗或转向另一个假设——注意它是与✅ 假设被验证继续构建用户故事并加入路线图并列的正当结果而非失败。工业示例用9/50这个具体数字证明好的假设必须包含失败的可能性而证明失败本身就是成功。工业示例与 SaaS 示例的对照方法一致实验形态不同仓库同时提供了通用示例 examples/sample.mdGoogle Calendar 集成、Slack 通知等 SaaS 场景与本文的工业示例。两者共享同一套 If/Then 骨架差异集中在微小发现实验的形态上维度SaaS 示例sample.md工业示例sample-industrial.md实验载体Figma 可点击原型、非功能性 CTA、人工同步打印纸面板、故障码笔记本盘点、车间照明实测反馈周期以周计可快速迭代以季度计需一次性做对验证指标点击率、激活率、自报节省时间中位停机到首次纠错动作时间、控制器更换率典型风险用户喜欢但不用错误预警摧毁信任、错误模块更换工业示例还引入了 SaaS 示例中不存在的Guardrail护栏指标与Kill Criteria止损线两个结构要素——因为硬件场景下方向错了再回头的代价是工装周期与资本支出必须在出发前写清刹车条件。若要在自己的工业项目中使用可直接从 template.md 起步并参照本示例补上 Primary / Secondary / Guardrail 三层指标与显式 Kill Criteria。在仓库中的定位从一句话想法到路线图的第一步epic-hypothesis 在仓库中被归类为component型技能见 catalog/skills-index.yaml描述为以可测试假设的形式框定史诗含目标用户、预期结果与验证方法在路线图、发现或交付规划之前定义重大举措时使用。它的上下游链条清晰上游依赖problem-statement 技能假设应对已验证的问题、proto-persona 技能定义For [画像]、jobs-to-be-done 技能支撑Then we will的结果下游出口user-story 技能 与 user-story-splitting 技能——假设被验证后史诗拆解为用户故事SKILL.md 的 Step 6。在实操工作流中/plan-roadmap命令将本技能置于明确的位置见 commands/plan-roadmap.md第 1 步用roadmap-planning构建路线图上下文第 2 步把举措转换为epic-hypothesis声明随后才进入优先级排序与交付切片。也就是说本文工业示例中的三份假设产物正是路线图规划环节的标准化中间产物——它把领导批准了重大项目但没人说得清什么能证明它错了这种场景SKILL.md 的 scenarios转化为可执行的赌注。可复用的检查清单综合工业示例的成败案例与 SKILL.md 的 Common Pitfalls 一节在提交一份史诗假设前逐条核对If we 具体到动作不是improve diagnostics而是在控制器前面板把故障信息下钻到单个 I/O 槽位无需笔记本或网络即可读取。For 是单一清晰画像不是users而是在面板前诊断停机产线的维护技术员。Then we will 是可测结果带基线52 分钟与目标值15 分钟而不是improved NPS。基线标注测量状态数字若尚未实测须有配套实验去确认实验 4 的 downtime attribution pull。实验满足快/便宜/可证伪打印卡 秒表绝不允许实验 构建完整功能。Guardrail 覆盖真实风险速度提升不得以正确率下降为代价预警类功能须把假阳性破坏信任显式列为护栏。Kill Criteria 预先写下在团队爱上方案之前完成触发即停无论主指标表现如何。验证时间窗现实2-4 周为佳SKILL.md Pitfall 4若该周期内无法度量改用领先指标。对照 示例二 可见违反上述任何一条史诗就会退回输出导向的交付计划对照 示例三全部满足则即便被证伪团队也能在三周内以近乎零成本全身而退——这正是假设纪律在工业时间线上的最大价值。赞分享AI 技能AI 插件【免费下载链接】Product-Manager-SkillsProduct Management skills framework built on battle-tested methods for Claude Code, Cowork, Codex, and AI agents.项目地址https://gitcode.com/gh_mirrors/pr/Product-Manager-Skills点击查看免费下载相关推荐Product-Manager-Skills 史诗假设Epic Hypothesis实战指南用可证伪的 If/Then 框架给每个重大举措设定赌注与验证方法Product Manager Skills 史诗假设Epic Hypothesis实战指南用可证伪的 If/Then 框架给每个重大举措设定赌注与验证方AI 技能AI 插件Product-Manager-Skills 竞争研究快照Competitive Research Snapshot工业场景实战示例深度解析Product Manager Skills 竞争研究快照Competitive Research Snapshot工业场景实战示例深度解析 本篇技术指南AI 技能AI 插件一键生成 OpenCore EFIOpCore Simplify 黑苹果配置完整教程一键生成 OpenCore EFIOpCore Simplify 黑苹果配置完整教程 有黑苹果经验的老玩家会说手写一份 config.plistOpenCAI 技能AI 插件上一篇拆解Kumo构建系统ESM-only、极致Tree-Shaking与RSC兼容背后的三步流水线下一篇无需公网IP接入PromptX飞书机器人WebSocket长连接完整教程创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考