BLCaptain Opportunity PRD Skill
把一个产品想法，从社区评论里的真实痛点，一路推进到可工程实施的商业化 PRD。
安装：对支持 Skill 的 Agent 说：「帮我安装 BLCaptain Opportunity PRD Skill：
仓库 github.com/dososo/BLCaptain-Opportunity-PRD-Skill」
首次使用先做这一步
安装后先让 Codex 检查模型 Agent 配置。你可以直接说：
代码块
Plain Text
使用 BLCaptain Opportunity PRD Skill，先帮我检查模型配置。
如果还没有模型池，请告诉我支持哪些模型 Agent，并引导我接入 DeepSeek / GLM / Claude CLI / Gemini / Grok / 本地模型。
Skill 应该先展示：
•
支持的模型 Agent：OpenAI-compatible、CLI Agent、本地模型、代码或原型 Agent。
•
推荐配置路径：~/.config/blcaptain-opportunity-prd/model-pool.json。
•
最简单接入方式：直接告诉 Codex“帮我接入某个模型”。
•
密钥安全规则：真实 API Key 不写进 JSON，不提交到 Git，默认保存到系统安全凭据。
•
健康检查命令：python3 scripts/setup_model_pool.py --doctor。
没有可用外部模型时，Skill 只输出配置引导，不进入社区扫描、Gate 或 PRD 生成。
工作截图
先找真实证据，再做多模型讨论与 Gate 决策
50%
50%
通过 Go 后，生成可交付开发的商业化 PRD
不固定平台，按场景动态路由社区证据源头
50%
50%
按证据缺口选择方法论，倒推 MVP、Gate 和 PRD
为什么要做它
AI 很擅长把一句想法写成一份“看起来完整”的 PRD，但这类文档经常有三个硬伤：
没有真实用户证据：需求来自脑补，不来自用户原话、手动行为或替代方案。
没有商业判断：看起来有痛点，但不知道谁会付费、为什么现在付费、替代方案是什么。
不能指导研发：PRD 有目标和功能，却缺系统架构、字段字典、API 契约、异常流程、测试方案和交付边界。
BLCaptain Opportunity PRD Skill 解决的是这个问题：先从社区评论、产品评价、Issue、问答和用户反馈里找真实痛点，再用反向证据和商业 Gate 判断要不要做，只有通过 Gate 时才生成可工程实施的 PRD。
它不是“灵感生成器”，而是“机会验证流水线”。核心原则很简单：没有证据，不写确定需求；没有商业信号，不写商业化 PRD；没有工程规格，不交给研发。
它能给你什么
#lfsGPKiIddSy text { white-space: pre; }#lfsGPKiIddSy .fb0 { stroke: var(--N900-FG, 0.15); }#lfsGPKiIddSy .fb0 {stroke: rgba(31,35,41, 0.15)}#lfsGPKiIddSy .fx0 { stroke-miterlimit: 10; }#lfsGPKiIddSy .fx0 {stroke-miterlimit: 10}#lfsGPKiIddSy .fa1 { fill: rgb(187, 191, 196); }#lfsGPKiIddSy .fa1 {fill: rgb(187, 191, 196)}#lfsGPKiIddSy .fx1 { font: 400 12px MonospacedNumber, LarkHackSafariFont, LarkEmojiFont, LarkChineseQuote, -apple-system, BlinkMacSystemFont, "Helvetica Neue", Tahoma, "PingFang SC", "Microsoft Yahei", Arial, "Hiragino Sans GB", sans-serif, "Apple Color Emoji", "Segoe UI Emoji", "Segoe UI Symbol", "Noto Color Emoji"; }#lfsGPKiIddSy .fx1 {font-style: normal}#lfsGPKiIddSy .fx2 { text-anchor: middle; }#lfsGPKiIddSy .fx2 {text-anchor: middle}#lfsGPKiIddSy .fx3 { dominant-baseline: central; }#lfsGPKiIddSy .fx3 {dominant-baseline: central}#lfsGPKiIddSy .fx4 { stroke: none; }#lfsGPKiIddSy .fx4 {stroke: none}#lfsGPKiIddSy .fc0 { fill: var(--text-caption); }#lfsGPKiIddSy .fc0 {fill: #646a73}#lfsGPKiIddSy .fa2 { fill: var(--text-link-disabled); }#lfsGPKiIddSy .fa2 {fill: rgb(187, 191, 196)}#lfsGPKiIddSy .fx5 { font: 400 13px MonospacedNumber, LarkHackSafariFont, LarkEmojiFont, LarkChineseQuote, -apple-system, BlinkMacSystemFont, "Helvetica Neue", Tahoma, "PingFang SC", "Microsoft Yahei", Arial, "Hiragino Sans GB", sans-serif, "Apple Color Emoji", "Segoe UI Emoji", "Segoe UI Symbol", "Noto Color Emoji"; }#lfsGPKiIddSy .fx5 {font-style: normal}#lfsGPKiIddSy .fx6 { text-anchor: start; }#lfsGPKiIddSy .fx6 {text-anchor: start}#lfsGPKiIddSy .fx7 { dominant-baseline: alphabetic; }#lfsGPKiIddSy .fx7 {dominant-baseline: alphabetic}#lfsGPKiIddSy .fc1 { fill: rgb(0, 0, 0); }#lfsGPKiIddSy .fc1 {fill: rgb(0, 0, 0)}#lfsGPKiIddSy .fb1 { fill: var(--N900-FG, 0.15); }#lfsGPKiIddSy .fb1 {fill: rgba(31,35,41, 0.15)}#lfsGPKiIddSy .fb2 { fill: rgb(209, 217, 224); }#lfsGPKiIddSy .fb2 {fill: rgb(209, 217, 224)}#lfsGPKiIddSy .fa3 { fill: var(--bg-body); }#lfsGPKiIddSy .fa3 {fill: #fff}AB1234567维度输入证据分析决策输出工程规格内容一句话想法、赛道方向、竞品名称、社区评论样本、公开 URL、本地导出文件用户原话、日期、来源、行为信号、商业信号、反向证据意图拆解、社区路由、证据墙、反向证据墙、方法论路由、商业 GateGo / Watch / Pivot / No-Go，不强行把所有想法包装成机会机会评估报告；只有 Go 时生成商业化机会 + 工程实施 PRD系统架构、数据流、字段字典、API 契约、错误码、安全隐私、异常流程、测试、部署、监控、任务 DoD
它解决什么事
适合这些场景：
•
你有一个产品想法，但不知道是不是真痛点。
•
你想从多个社区评论里挖掘可商业化机会。
•
你想避免 AI 根据一句话直接生成“漂亮但虚”的 PRD。
•
你想让 PRD 能直接进入开发，而不是停在方向描述。
•
你想把需求、证据、商业判断和工程交付串成一条可验证链路。
不适合这些场景：
•
只想要脑暴点子，不关心证据。
•
只想写市场宣传文案，不需要产品落地。
•
需要抓取私密社区、绕过登录或处理未授权数据。
•
需要对医疗、法律、金融等高风险领域做最终合规判断。
•
希望工具替你保证商业成功。它只能降低误判，不能替代真实市场验证。
核心能力
多模型能力池
用户可以配置自己已有的模型或本地命令行模型。Skill 会先做健康检查，再根据可用能力动态分工。
Codex 始终负责主持、整合、生成文件和校验，但 Codex 主持能力不计入外部模型。只有检测到真实可调用的外部模型后，才进入机会分析；如果只有一个外部模型，会进入低置信度模式；如果有多个外部模型，会分配主分析、反方审查、结构化分析、外部视角或工程实现视角。角色根据实际配置动态调整，不绑定固定模型名称。
支持模型与多模型配置
这个 Skill 不绑定固定供应商。只要能通过 OpenAI-compatible API 或本机 CLI 返回文本，就可以接入。
配置文件有两个：
•
templates/model-pool.example.json：默认空模型池，新用户从这里开始，不含 mock。
•
templates/model-pool.providers.example.json：可复制的模型接入示例，覆盖 DeepSeek、GLM、Claude CLI、Gemini、Grok、本地模型。
推荐的最简单方式，是直接让 Codex 帮你配置。你可以在安装后对 Codex 说：
代码块
Plain Text
请用 BLCaptain Opportunity PRD Skill 帮我接入 DeepSeek。
或者：
代码块
Plain Text
请用 BLCaptain Opportunity PRD Skill 帮我接入 Claude CLI。
我的本机非交互命令是：claude -p
Codex 应该帮你完成这些事：
判断应该走 openai_compatible 还是 cli。
生成或更新本地模型配置文件。
提醒你不要把真实 API Key 写进 JSON。
引导你用隐藏输入把 Key 保存到系统安全凭据，或在你明确选择时使用环境变量、密码管理器、本地私有 dotenv 或 CLI 登录态。
运行健康检查，并解释当前是 config_required、low_confidence、standard 还是 heavy_discussion。
健康检查还会提示可接入候选，例如 Claude CLI、Gemini CLI、Ollama、本地模型或常见 OpenAI-compatible 模型。候选只是帮你配置，不会被算作可用模型；只有写入模型池 JSON 并通过健康检查后，才会参与多模型讨论。
API Key 模型的推荐命令：
代码块
SQL
python3 scripts/setup_model_pool.py connect deepseek --store auto --prompt-key
python3 scripts/setup_model_pool.py connect glm --store auto --prompt-key
python3 scripts/setup_model_pool.py connect gemini --store auto --prompt-key
python3 scripts/setup_model_pool.py connect grok --store auto --prompt-key
--store auto 会自动选择本机安全存储：
如果你想自己手动配置，也可以用下面的方式：
复制一份模型配置文件到本地，例如 my-model-pool.json。
从 templates/model-pool.providers.example.json 复制你需要的模型条目。
只填写 base_url、model、secret_ref 或 command。
把真实密钥放到系统安全凭据、系统环境变量、1Password、Bitwarden、dotenv 本地私有文件或模型 CLI 自己的登录态中。
运行健康检查，确认至少 1 个外部模型可用。
CLI 示例：
OpenAI-compatible 示例：
代码块
JSON
{
"id": "claude-cli",
"display_name": "Claude CLI",
"method": "cli",
"command": "填写你的本机非交互命令",
代码块
JSON
{
"id": "deepseek-main",
"display_name": "DeepSeek",
健康检查：
代码块
Plain Text
python3 scripts/check_model_pool.py --config my-model-pool.json
python3 scripts/check_model_pool.py --config my-model-pool.json --json-output model-health.json
健康检查不是只看接口是否返回 HTTP 200。OpenAI-compatible 模型必须返回可用于讨论的最终 content；如果只返回 reasoning_content，Skill 会判定失败，并提示关闭 thinking 或增大 max_tokens 后重试。
检查结果含义：
•
config_required：没有可用外部模型，只输出配置引导，不声称完成多模型讨论。
•
low_confidence：1 个外部模型可用，可以做低置信度初筛。
•
standard：2 到 3 个外部模型可用，可以做主分析、反方和结构化审查。
•
heavy_discussion：4 个及以上外部模型可用，可以做多视角讨论。
安全原则：
•
配置文件只保存模型名称、调用方式、secret_ref、环境变量名或 CLI 命令。
•
不把任何真实 API Key、token、cookie、账号信息写进仓库。
•
Codex 是主持者，不需要写进外部模型池，也不计入外部模型通过数。
•
缺少配置或凭据时只提示 missing_config / missing_secret，不伪装成功。
动态社区路由
不同机会应该去不同地方找证据。Skill 不固定扫描某几个平台，而是根据目标用户、行业、竞品和场景选择来源。
常见来源类型包括：
•
产品评论
•
开发者 Issue
•
问答社区
•
垂直论坛
•
社交平台评论
•
用户访谈摘录
•
本地导出的评论样本
评论证据墙
每条关键证据都要求能追溯：
反向证据
好机会必须经得起反问：
•
有没有免费替代？
•
竞品为什么没做好？
•
用户是否真的有预算？
•
是否有隐私、合规、部署阻力？
•
是否只是低频一次性需求？
•
P0 是否被做得太大？
反向证据无法回应时，输出 Pivot 或 No-Go，而不是硬写 PRD。
需求分析方法论
方法论不是装饰章节，也不是把所有经典框架机械套一遍。Skill 会根据证据缺口选择最小方法论组合，默认只选 2 到 4 个；每个方法都必须影响 Gate 判断、MVP 边界或 PRD 结论。
输出时不会只写方法名称，而会写清楚：
•
为什么选择这个方法。
•
该方法得出的关键结论。
•
结论引用了哪些 evidence_id。
•
它如何改变 MVP、Gate、7 天实验或 PRD 边界。
证据不足时，方法论不能替代补证；方法论结论也不能覆盖反向证据。
工程实施级 PRD
只有 Go 后才生成最终 PRD。最终 PRD 必须能指导后续开发，至少包含：
•
商业速读卡
•
机会摘要
•
证据墙
•
目标用户与 JTBD
•
替代方案与竞品缺口
•
需求分析与方法论结论
•
MVP 功能边界
•
商业模型与增长路径
•
产品流程
•
系统架构
•
数据流
•
技术选型
•
AI / 规则分析方案
•
数据模型与字段字典
•
API 契约与错误码
•
权限、安全、隐私与删除策略
•
非功能需求
•
异常流程
•
测试方案
•
部署运维与监控
•
埋点与验证指标
•
开发任务拆分与 DoD
•
7 天验证计划
•
风险、反证与停止条件
使用场景
哪些 Agent 能用
不绑定某一个 Agent。只要你的 Agent 支持读取本地 Skill 文件夹并能调用命令行，就可以使用。
安装
代码块
Markdown
环境要求：
•
Python 3.10+
•
能运行本地命令行
•
如需调用外部模型，推荐用 scripts/setup_model_pool.py connect
怎么用
装好后，在新会话里直接说：
代码块
Plain Text
你会得到一组可追溯产物：
模型配置状态
动态模型分工
意图卡
平台路由
评论证据墙
反向证据墙
方法论结论
Gate 结果
机会评估报告
Go 后的工程实施级 PRD
工作流：八步机会验证法
这套 Skill 始终按八步运行：
调研 — 收集社区评论、公开 URL、本地样本、竞品评价和反向证据。
分析 — 抽取用户、场景、行为信号、商业信号和未知项。
计划 — 选择社区路由、方法论组合、验证动作和 P0 范围。
开发 — 只有 Go 时才生成工程实施级 PRD，并拆成可执行任务。
验证 — 校验证据数量、商业信号、反向证据和 P0 绑定关系。
测试 — 运行脚本检查 PRD 结构、API、字段、异常、测试和部署章节。
审计验收 — 检查是否泄露本地路径、真实凭据、私密数据或不可复核结论。
总结 — 输出决策、停止条件、下一步动作和可交接文件。
任一步失败，都回到调研补证，而不是继续编造结论。
本地命令
基础校验：
代码块
Plain Text
python3 scripts/quick_validate.py
python3 scripts/simulate_user_flow.py
模型健康检查：
代码块
Plain Text
python3 scripts/check_model_pool.py \
--config templates/model-pool.example.json
查看 DeepSeek、GLM、Claude CLI、Gemini、Grok、本地模型配置示例：
代码块
Plain Text
python3 scripts/check_model_pool.py \
--config templates/model-pool.providers.example.json
扫描社区证据：
代码块
Plain Text
python3 scripts/scan_community_evidence.py \
--idea "AI 客服质检工具" \
--sources templates/community-sources.example.json
扫描反向证据：
代码块
Plain Text
端到端工作流：
代码块
Plain Text
python3 scripts/run_opportunity_workflow.py \
--idea "AI 客服质检工具" \
--model-config templates/model-pool.example.json \
--sources templates/community-sources.example.json \
--output-dir tests/runs/opportunity-workflow
校验机会评估或 PRD：
代码块
Plain Text
python3 scripts/validate_opportunity_prd.py path/to/report-or-prd.md