构建机会解决方案树（OST，Opportunity Solution Tree），将期望产出映射到机会、解决方案和实验，以结构化产品探索工作。基于 Teresa Torres 的《Continuous Discovery Habits》。适用于构建探索结构、将机会映射到解决方案，或决定下一步要做什么时使用。
From pm-product-discoverynpx claudepluginhub killvxk/pm-skills-zh --plugin pm-product-discoveryThis skill uses the workspace's default tool permissions.
Guides Next.js Cache Components and Partial Prerendering (PPR) with cacheComponents enabled. Implements 'use cache', cacheLife(), cacheTag(), revalidateTag(), static/dynamic optimization, and cache debugging.
Migrates code, prompts, and API calls from Claude Sonnet 4.0/4.5 or Opus 4.1 to Opus 4.5, updating model strings on Anthropic, AWS, GCP, Azure platforms.
Details PluginEval's skill quality evaluation: 3 layers (static, LLM judge), 10 dimensions, rubrics, formulas, anti-patterns, badges. Use to interpret scores, improve triggering, calibrate thresholds.
用于结构化持续产品探索的可视化框架。将期望的产出与客户机会、可能的解决方案以及验证它们的实验连接起来。
机会解决方案树（OST）（Teresa Torres，《Continuous Discovery Habits》）是现代产品探索的核心骨架。它通过强制团队首先绘制机会空间，防止团队直接跳到解决方案。
结构（4 个层级）：
期望产出（顶层）— 团队正在追求的、可衡量的业务或产品产出。应为单一、清晰的指标（例如"将 7 日留存率提升至 40%"）。来源于 OKR（目标与关键结果）或产品战略。
机会（第二层）— 通过调研发现的客户需求、痛点或期望。这些是值得解决的问题——不是功能。从客户视角描述："我很难……"或"我希望我能……"。使用机会评分排优先级：重要性 × (1 − 满意度)（Dan Olsen，《The Lean Product Playbook》）。将重要性和满意度归一化至 0–1。
解决方案（第三层）— 解决每个机会的可能方式。每个机会生成多个解决方案——不要轻易承诺第一个想法。产品铁三角（产品经理 + 设计师 + 工程师）应共同构思。"最好的创意往往来自工程师。"
实验（底层）— 快速、低成本的测试，用于验证某个解决方案是否真的解决了机会。使用假设测试（价值、可用性、商业可行性、技术可行性风险）。优先选择具有"真金白银投入"（Alberto Savoia）的实验，而非基于观点的验证。
核心原则：
你正在帮助一个产品团队为 $ARGUMENTS 构建机会解决方案树。
定义期望产出 — 确认或协助明确树顶端的单一、可衡量产出。
绘制机会 — 从提供的调研中识别 3-7 个客户机会（需求/痛点）。将相关机会分组。从客户视角描述每个机会。
机会优先级排序 — 使用机会评分或定性评估排序。聚焦前 2-3 个。
生成解决方案 — 针对每个优先机会，从产品经理、设计师和工程师视角头脑风暴 3+ 个解决方案。
设计实验 — 针对最有前途的解决方案，推荐 1-2 个快速实验。明确说明：假设陈述、方法、指标、成功阈值。
可视化展示 — 以清晰的层级格式呈现完整的机会解决方案树（OST）。
逐步思考。内容较多时保存为 markdown。