Compare commits
2
Commits
| Author | SHA1 | Date | |
|---|---|---|---|
 mp_1787300862_s8r25x
|
4175880d87 | ||
 admin
|
5fdf5797a8 |
+13
-18
@@ -1,23 +1,18 @@
|
||||
# CoPaw 运行时数据（不跟踪）
|
||||
agent/memory/
|
||||
agent/cases/
|
||||
agent/iteration_reports/
|
||||
|
||||
# 后端数据与密钥
|
||||
backend/data/
|
||||
backend/.env
|
||||
|
||||
# macOS
|
||||
.DS_Store
|
||||
|
||||
# Node
|
||||
# 编辑器
|
||||
.vscode/
|
||||
.idea/
|
||||
*.swp
|
||||
|
||||
# 临时/备份文件
|
||||
*.bak
|
||||
*.tmp
|
||||
*~
|
||||
|
||||
# 本地服务
|
||||
node_modules/
|
||||
|
||||
# Python
|
||||
__pycache__/
|
||||
*.pyc
|
||||
.venv/
|
||||
|
||||
# IDE
|
||||
.idea/
|
||||
.vscode/
|
||||
# 本地推送脚本（含本地环境信息，不入库）
|
||||
push-to-gitea.sh
|
||||
|
||||
@@ -0,0 +1,25 @@
|
||||
第二阶段 · AI 的角色（AI 到底改变了什么）
|
||||
4. AI 价值 — AI 创造了什么新价值、带来了什么新问题？如果没有 AI 这个问题是否成立？你的方法、流程、工具是什么？
|
||||
|
||||
AI 创造的新价值：
|
||||
1） AI 文案整理，之前收集到的问卷、归纳总结我自己人工来干，每个月耗时一天，全程online，现在30分钟，可以离线并行。
|
||||
2）2024、5，AI Copilot && AI 工具提效，引入行程设计、标题、商品详情优化、知识库答疑，需要和当前系统进行交互；
|
||||
3）2026，AI Agent && 商家使用习惯库，Agent 自主规划调用工具，现有系统改造升级收集行为习惯，带来新的产品交互形式（贴合AI、无侵入当前系统）
|
||||
|
||||
我的方法、流程、工具：
|
||||
1）问卷清洗 skills， 在skills中调用MCP工具，从NPS收集系统中抓取问卷数据，产出可被产品参考的需求文档。
|
||||
2）AI Copilot，分治式抽象沉淀单个工具（标题优化、商详优化、图片优化...），借助范式（COT、ReAct、CALM）设计 Copilot 原生。
|
||||
3） AI Agent，类Claude 式，自主调度工具设计，多工具循环调用。
|
||||
|
||||
5. AI 边界 — 依赖什么数据和知识？需要接入哪些系统、什么权限必须隔离？AI 在哪里需要人工复核或兜底？
|
||||
1）答疑工具，依赖客服和行业运营数据，发品工具，依赖当前系统的用户数据和平台规则数据
|
||||
2）接入系统，首页、商品发布、订单管理。权限隔离包括用户级私有数据权限隔离。AI 在用户提问、问题意图澄清时需要人工复核
|
||||
|
||||
第三阶段 · 验证证据（光说"能跑"不够，要业务证据）
|
||||
6. 案例呈现 — 一个真实的落地案例，可以录一段 Demo 操作视频辅助说明
|
||||
7. 价值验证 — 时效（关键周期缩短了多少）、人效（单位产出/质量/返工变化）、成效（收入/成本/客户/风险的变化，且证明是 AI 造成的）
|
||||
|
||||
第四阶段 · 复盘与推广（从"一个案例"到"可复制的能力"）
|
||||
8. 经验总结 — 踩过什么坑、做对了什么、还需迭代什么？下一轮最值得验证的方向是什么？
|
||||
9. 组织落地 — 谁是业务 Owner？复制需要哪些前提（流程/数据/角色/系统）？以什么阈值决定 Go 或 No-Go？
|
||||
|
||||
@@ -1,29 +0,0 @@
|
||||
# 更新日志 (Changelog)
|
||||
|
||||
## v2.1.0 (2026-04-07)
|
||||
|
||||
### 🚀 功能 (Features)
|
||||
- **BYOK（自带弹药）模式**：合伙人通过 `X-DashScope-Key` Header 传入百炼 Key，服务器不承担任何 Token 成本。百炼 Key 一个通吃 LLM 推理 + Embedding 向量化。
|
||||
- **自动流水线**：`import-voc` 完成后自动异步触发 UDE 转写 + 向量化，无需 CoPaw Agent 逐步编排。
|
||||
- **`GET /pipeline-status`**：新增流水线进度查询接口，支持 CoPaw 轮询。
|
||||
- **聚类零调用**：`/ude/cluster` 变为纯 CPU 操作（毫秒级），向量已在流水线中预计算。
|
||||
|
||||
### 🛠️ 重构与优化 (Refactor & Optimization)
|
||||
- ~~BAILIAN_API_KEY~~ 废弃，统一为 `DASHSCOPE_API_KEY`（两把钥匙取代三把）。
|
||||
- 新增 `run_vectorization` 独立函数，从 `run_clustering` 中拆出向量化逻辑。
|
||||
- `_get_llm_client` 默认直连百炼 API，移除 LiteLLM 代理依赖。
|
||||
|
||||
## v2.0.0 (2026-04-07)
|
||||
|
||||
### 🚀 功能 (Features)
|
||||
- **独立后端（阿里云闭环）**：不再跨云依赖 VOC 数据库，数据自包含，进一步提高系统的运行稳定性和隔离性。
|
||||
- **VOC 数据导入 (import-voc)**：新增通过 VOC 公网 API 拉取评论数据的方法，并落盘存储于本项目的独立 SQLite 中。
|
||||
- **案例与评论全解耦**：移除旧版 `get_voc_conn()` 的跨云挂载，`ude_extract` 等逻辑现已直读本地 `comments` 数据库表。
|
||||
|
||||
### 🛠️ 重构与优化 (Refactor & Optimization)
|
||||
- **依赖管理**：新增了对 `httpx` 的依赖，用来请求 REST API 拉取 VOC 数据。
|
||||
- **数据库设计调整**：重新规整 `case_card` 及新建本地的 `comments` 表结构。
|
||||
- **环境配置 (.env)**：移除 `VOC_DATA_DIR` 配置项，引入控制导入链路的 `VOC_API_BASE`，消除本地文件系统的强依赖。
|
||||
|
||||
### 🐞 故障排查 (Bug Fix / Diagnostics)
|
||||
- **VOC 服务联动问题**：排查并定位由于 腾讯云 CDN 代理拦截 PUT 方法导致的 CoPaw VOC 数据写入受阻问题。为 VOC 数据采集的通信协议指明“直连”规范。
|
||||
@@ -0,0 +1,475 @@
|
||||
# 旅行商品发布 AI 助手 · Prompt 提示词设计文档
|
||||
|
||||
> 适用场景：旅行行业商品发布页右侧嵌入式 AI 助手（对应 Demo：`ai-assistant-travel/index.html`）
|
||||
> 文档目的：沉淀 Demo 中各工具背后的提示词设计思路，形成可直接对接真实大模型（LLM）的 Prompt 规范
|
||||
> 版本：v1.0 · 2026-08-22
|
||||
|
||||
---
|
||||
|
||||
## 一、总体设计原则
|
||||
|
||||
整套 Prompt 体系围绕五条原则设计，所有工具提示词均遵循：
|
||||
|
||||
| # | 原则 | 说明 | Demo 中的体现 |
|
||||
|---|------|------|--------------|
|
||||
| 1 | **模块化能力拆分** | 不做一个"大而全"的对话机器人，而是按表单模块拆成 8 个独立能力，每个能力一个专用 Prompt | 快捷区 8 个按钮，各自独立生成逻辑 |
|
||||
| 2 | **上下文感知（Context Injection）** | 每次生成前先读取页面表单状态，将结构化上下文注入 Prompt | `readForm()` 读取目的地/天数/类型/人群，注入 `ctx` |
|
||||
| 3 | **结构化输出（生成即数据）** | 要求 LLM 输出结构化内容（列表/字段/逐日数组），而非纯文本，使结果可直接回填表单 | 行程输出 `[{title, desc}]` 数组、价格输出团期行数据 |
|
||||
| 4 | **生成 + 解释并行** | 每个结果附带"为什么这样写"的依据标签，增强商家信任感 | 每个生成卡片底部的 tip-pill（如"低于均价 5%，排序更优"） |
|
||||
| 5 | **人在环路（Human-in-the-loop）** | AI 只生成草稿，商家确认/微调后填入；提供"换一版"降低单次生成压力 | 所有卡片带「⚡一键填入」+「🔄换一版」双按钮 |
|
||||
|
||||
---
|
||||
|
||||
## 二、系统级 Prompt（System Prompt）
|
||||
|
||||
所有工具共享一个系统级角色设定，作为每次请求的第一段：
|
||||
|
||||
```text
|
||||
你是「旅智小助」，一个旅行电商平台商家后台的商品发布 AI 助手，专注于帮商家高效撰写和优化旅游商品信息。
|
||||
|
||||
【角色定位】
|
||||
- 你熟悉旅游电商的商品发布规范、搜索排序规则、广告法合规要求
|
||||
- 你了解不同旅行人群（亲子/蜜月/银发/摄影/深度游）的决策痛点
|
||||
- 你的目标是帮商家在 30 秒内完成高质量发品，同时提升商品的点击率与转化率
|
||||
|
||||
【能力边界】
|
||||
- 只处理与商品发布相关的内容：标题、介绍、详情、配图、行程、价格、SEO、合规
|
||||
- 不承诺你没有数据支撑的结论；涉及市场数据时明确说明为"估算/参考"
|
||||
- 生成内容遵守《广告法》：不使用"最""第一""国家级"等极限词与违禁表述
|
||||
|
||||
【输出规范】
|
||||
- 默认输出简体中文，语气专业、简洁、贴近电商运营习惯
|
||||
- 结构化任务必须按指定格式输出（见各工具的格式约定）
|
||||
- 每次生成附 1-3 条简短的设计依据（如"含目的地+天数+类型，利于搜索"）
|
||||
```
|
||||
|
||||
**设计要点**：
|
||||
- **角色 + 场景双重限定**：不只说"你是助手"，而是绑定"商家后台 + 商品发布"场景，收敛输出风格；
|
||||
- **能力边界前置**：把拒答规则（不做无关事、不用极限词）写进系统级，避免每个子 Prompt 重复；
|
||||
- **"附设计依据"** 是信任感设计——让商家理解 AI 为什么这样写，也降低"AI 黑箱"的抵触。
|
||||
|
||||
---
|
||||
|
||||
## 三、上下文注入设计（Context Injection）
|
||||
|
||||
### 3.1 上下文变量定义
|
||||
|
||||
每次调用工具前，前端从表单读取并组装以下上下文：
|
||||
|
||||
```json
|
||||
{
|
||||
"dest": "云南（昆明/大理/丽江）", // 目的地
|
||||
"days": "6天5晚", // 行程天数
|
||||
"type": "跟团游", // 商品类型
|
||||
"theme": "亲子家庭", // 适合人群标签
|
||||
"title": "", // 已填写的标题（如有）
|
||||
"history": { // 偏好学习沉淀（见第七章）
|
||||
"count": 3,
|
||||
"styleWord": "亲子家庭友好·您的惯用话术",
|
||||
"prefs": ["云南路线偏好：6天5晚跟团游", "纯玩无购物话术偏好", "平季低于市场5%定价策略"]
|
||||
}
|
||||
}
|
||||
```
|
||||
|
||||
### 3.2 注入模板
|
||||
|
||||
```text
|
||||
【当前表单上下文】
|
||||
目的地：{dest}
|
||||
行程天数：{days}
|
||||
商品类型：{type}
|
||||
适合人群：{theme}
|
||||
已填写标题：{title}（如为空则忽略）
|
||||
|
||||
请严格基于以上上下文生成内容，不要虚构与目的地不符的景点、餐饮、酒店。
|
||||
```
|
||||
|
||||
**设计要点**：
|
||||
- **变量是"约束"不是"参考"**：明确要求"不要虚构与目的地不符的内容"，这是旅游行业最核心的质量红线（张冠李戴的行程是差评根源）；
|
||||
- **空值兜底**：上下文缺失时 Prompt 中显式标注"未填写"，引导 LLM 先给建议或用默认值，而非编造；
|
||||
- **上下文即产品逻辑**：Demo 中切换"云南/海南"生成完全不同的行程，落地上就是这段上下文注入在起作用。
|
||||
|
||||
---
|
||||
|
||||
## 四、八大工具 Prompt 详解
|
||||
|
||||
### 4.1 商品标题生成
|
||||
|
||||
**设计意图**：标题是搜索排序与点击率的第一要素，一次给 3 个差异化方案供选择，而非一个"标准答案"。
|
||||
|
||||
```text
|
||||
请为以下旅游商品生成 3 个高点击率的商品标题。
|
||||
|
||||
【表单上下文】{ctx}
|
||||
|
||||
【标题公式（三选一差异化）】
|
||||
方案1（信任型）：【纯玩无购物】{目的地}{天数}精品{类型}·5A景区全含·{人群}首选
|
||||
方案2（卖点型）：{目的地}{天数}深度{类型}｜一价全含0自费·住特色酒店
|
||||
方案3（体验型）：【{人群}必选】{目的地}{天数}{类型}·随走随停·金牌向导·赠体验
|
||||
|
||||
【硬性要求】
|
||||
1. 每个标题 ≤ 40 字（平台限制），必须包含：目的地 + 天数 + 商品类型（利于搜索命中）
|
||||
2. 三案侧重不同：信任保障 / 价格卖点 / 体验亮点，不要同质化
|
||||
3. 不得使用极限词；「5A」「金牌」等需有资质支撑的表述加上前置条件
|
||||
4. 每个标题后附一行 ≤15 字的点击率依据
|
||||
|
||||
【输出格式】
|
||||
1. {标题}｜依据：{依据}
|
||||
2. {标题}｜依据：{依据}
|
||||
3. {标题}｜依据：{依据}
|
||||
```
|
||||
|
||||
**结构化输出约定**：前端将 3 个标题解析为数组，"一键填入"按钮循环切换方案（Demo 中 `generated.title.used` 递增取模），无需重新生成。
|
||||
|
||||
**设计依据标签示例**：`含目的地+天数+类型，利于搜索`、`「无购物」为平台高转化词`。
|
||||
|
||||
---
|
||||
|
||||
### 4.2 详细介绍（列表页卖点摘要）
|
||||
|
||||
**设计意图**：详细介绍展示在列表页，核心任务是在 150-300 字内打消用户决策疑虑。采用固定四段式框架。
|
||||
|
||||
```text
|
||||
请为以下旅游商品生成列表页"详细介绍"，围绕 {theme} 人群的决策痛点撰写。
|
||||
|
||||
【表单上下文】{ctx}
|
||||
|
||||
【四段式框架（每段一行）】
|
||||
① 身份定位 + 核心承诺：{目的地}{天数}{类型}·{人群}优选，全程 0 购物 0 自费，门票一价全含
|
||||
② 住宿亮点：精选 N 晚高分酒店，写具体住宿特色（如"大理海景房+丽江古城客栈"）
|
||||
③ 特色体验：3 个左右具象体验点（可参与的活动、代表性餐食），强调 {theme} 人群的获得感
|
||||
④ 服务承诺：行程透明无隐形消费、24h 管家、未成团提前 3 天全额退款
|
||||
|
||||
【硬性要求】
|
||||
1. 总字数 150-300 字（列表页最佳展示长度）
|
||||
2. 每段以换行分隔，不加序号
|
||||
3. 退款/赔付等承诺必须与平台标准政策一致，不得加码
|
||||
4. 体验点必须真实存在于该目的地的常规行程中
|
||||
|
||||
【输出格式】直接输出四段文案（纯文本，换行分段），末尾另起一行输出"字数：N"
|
||||
```
|
||||
|
||||
**设计要点**：四段式（亮点—住宿—体验—承诺）对应旅游用户决策漏斗：先建立信任 → 消除住宿疑虑 → 激发向往 → 兜底风险。
|
||||
|
||||
---
|
||||
|
||||
### 4.3 商品详情（富文本图文）
|
||||
|
||||
**设计意图**：详情页内容量大，Prompt 按"模块化小标题 + 要点列表 + 配图占位"生成结构化 HTML，直接写入富文本编辑器。
|
||||
|
||||
```text
|
||||
请为以下旅游商品生成详情页图文内容（HTML 格式）。
|
||||
|
||||
【表单上下文】{ctx}
|
||||
|
||||
【固定结构（h3 小标题 + ul 要点列表）】
|
||||
🌟 行程亮点（3 条：核心承诺 / 经典 IP 清单 / {theme}专属节奏，含每日行车时长控制）
|
||||
🏨 住宿安排（2 条：具体住宿配置 / 提前公布酒店名单等保障性表述）
|
||||
🍜 舌尖体验（目的地代表性餐食，写具体菜名）
|
||||
🛡️ 服务保障（2 条：导游与管家服务 / 退款保障）
|
||||
[配图占位]（末尾输出一个占位块，标注建议插入：行程地图 / 实拍酒店 / 餐饮实拍）
|
||||
|
||||
【硬性要求】
|
||||
1. 输出合法 HTML 片段，仅使用 h3 / ul / li / b 标签，不使用 style 与 script
|
||||
2. 每条要点 ≤ 30 字，使用短句
|
||||
3. 数字类承诺（行车时长、酒店晚数）必须与 {days} 匹配
|
||||
4. 配图占位使用 <div class="img-slot"> 格式，与「配图建议」清单一一呼应
|
||||
|
||||
【输出格式】HTML 片段，可直接注入富文本编辑器
|
||||
```
|
||||
|
||||
**设计要点**：输出限定 HTML 标签白名单，是**安全约束**（防注入）与**渲染兼容**的双重要求；配图占位与配图工具联动，形成模块间呼应。
|
||||
|
||||
---
|
||||
|
||||
### 4.4 配图建议（拍摄脚本）
|
||||
|
||||
**设计意图**：不是生成图片，而是生成"拍什么"的脚本清单——商家多数缺的不是图，而是知道哪几张图转化率高。
|
||||
|
||||
```text
|
||||
请为以下旅游商品生成 6 张商品图的拍摄清单（按转化率贡献排序）。
|
||||
|
||||
【表单上下文】{ctx}
|
||||
|
||||
【固定清单结构】
|
||||
1. 主图：{目的地}全景横版大图（必须含地标元素）
|
||||
2. 详情图：酒店实拍·房间内饰
|
||||
3. 详情图：核心景区打卡机位
|
||||
4. 详情图：特色餐食实拍
|
||||
5. 详情图：{theme}互动瞬间抓拍（有人物、有情绪）
|
||||
6. 详情图：行程地图示意
|
||||
|
||||
【硬性要求】
|
||||
1. 每张标注用途（主图/详情图）与构图建议（≤12 字）
|
||||
2. 顺序即优先级：商家时间有限时按序补拍
|
||||
3. 末尾附 1-2 条实拍建议（如"实拍图>精修图，差评更少"）
|
||||
|
||||
【输出格式】JSON 数组：[{"label": "图片说明", "use": "主图|详情", "tip": "构图建议"}]
|
||||
```
|
||||
|
||||
**结构化输出约定**：JSON 数组驱动前端"按清单添加图片"，每张带 `AI 建议` 角标与人工上传图区分。
|
||||
|
||||
---
|
||||
|
||||
### 4.5 行程编辑（逐日规划）
|
||||
|
||||
**设计意图**：行程是旅游商品差异化核心，也是商家最费时的模块。Prompt 强制逐日结构化输出，且嵌入"节奏控制"规则。
|
||||
|
||||
```text
|
||||
请为以下旅游商品生成 {days} 的逐日行程。
|
||||
|
||||
【表单上下文】{ctx}
|
||||
|
||||
【行程设计规则】
|
||||
1. D1 与最后一天只做接驳（接站/送站/自由活动），不安排紧张行程——降低差评率
|
||||
2. 中段每日行车 ≤ 3.5 小时（{theme} 人群节奏），"不赶路不早起"
|
||||
3. 每日 title 格式："核心地点 → 核心地点"或"主题·补充说明"，≤ 15 字
|
||||
4. 每日 desc 40-80 字：上午/下午/晚间节奏，含 1 个记忆点（看日落/歌舞表演等）
|
||||
5. 行程路线需符合该目的地的真实地理动线（如云南：昆明→石林→楚雄→大理→丽江）
|
||||
|
||||
【输出格式】JSON 数组，长度必须等于天数：
|
||||
[{"title": "当日主题", "desc": "当日安排描述"}]
|
||||
```
|
||||
|
||||
**设计要点**：
|
||||
- **天数硬约束**：`长度必须等于天数` 写进 Prompt，配合前端校验（Demo 中 `.slice(0, parseInt(ctx.days))`）；
|
||||
- **地理动线真实**：这是旅游行程 Prompt 最关键的领域知识注入点，落地时建议在 Prompt 中附目的地动线参考表，或由 RAG 检索标准线路库；
|
||||
- **节奏规则来自运营经验**（D1/D6 只接驳、行车时长上限），是"AI 不如老运营"的地方，必须显式写进规则。
|
||||
|
||||
---
|
||||
|
||||
### 4.6 价格库存（团期与定价）
|
||||
|
||||
**设计意图**：定价是最敏感的决策，AI 不替商家拍板，而是给"市场参考区间 + 推荐定价 + 策略解释"，决策权留给商家。
|
||||
|
||||
```text
|
||||
请基于近 30 天市场成交数据，为以下旅游商品生成团期排期与定价建议。
|
||||
|
||||
【表单上下文】{ctx}
|
||||
|
||||
【生成规则】
|
||||
1. 生成 5 个团期：2 个近期平季团 + 2 个节假日档期（如国庆）+ 1 个节后团
|
||||
2. 定价结构：
|
||||
- 平季团期定于市场均价下方约 5%（利于搜索排序与点击）
|
||||
- 节假日档期按供需上浮，库存放大（预计售罄率 ≥ 80%）
|
||||
- 儿童价约为成人价 65%-70%
|
||||
3. 每个团期含：出发日期 / 成人价 / 儿童价 / 库存（5-25 区间）
|
||||
4. 输出前先给 3 行定价依据：市场区间 / 推荐定价及理由 / 促销策略（如"首月立减 ¥300 冲新品榜"）
|
||||
|
||||
【重要声明】市场数据为估算参考，请以平台实际成交数据校准。库存低于 6 的团期给出补库存建议。
|
||||
|
||||
【输出格式】JSON：{"analysis": ["市场区间…","推荐定价…","策略…"], "rows": [{"date":"YYYY-MM-DD","adult":N,"child":N,"stock":N}]}
|
||||
```
|
||||
|
||||
**设计要点**：
|
||||
- **免责前置**：明确"估算参考"，避免商家把 AI 估算当成交数据（法律与信任双风险）；
|
||||
- **策略可解释**：不只给数字，给"为什么低于均价 5%"，让商家可判断采纳度；
|
||||
- Demo 中库存 <6 自动标橙（`stock-low`），是结构化输出 + 前端校验的联动体现。
|
||||
|
||||
---
|
||||
|
||||
### 4.7 SEO 关键词
|
||||
|
||||
**设计意图**：让商品被搜到。关键词组合逻辑固定：目的地词 × 天数词 × 类型词 × 人群词 × 意图词。
|
||||
|
||||
```text
|
||||
请为以下旅游商品提取 6 个搜索关键词，按预估搜索热度降序排列。
|
||||
|
||||
【表单上下文】{ctx}
|
||||
|
||||
【关键词组合公式（按热度降序）】
|
||||
1. {目的地}+旅游（目的地大词，热度最高）
|
||||
2. {目的地}+{天数}（精准需求词）
|
||||
3. {类型}（品类词）
|
||||
4. {人群}+旅游（人群词）
|
||||
5. {目的地}+纯玩无购物（意图词，高转化）
|
||||
6. {目的地}+自由行攻略（攻略词，长尾引流）
|
||||
|
||||
【硬性要求】每个词附月均搜索指数（估算值），关键词自然融入标题与详细介绍，不堆砌。
|
||||
|
||||
【输出格式】JSON：[{"kw": "关键词", "heat": 指数}]
|
||||
```
|
||||
|
||||
---
|
||||
|
||||
### 4.8 合规检查
|
||||
|
||||
**设计意图**：这是唯一"非生成"型工具——输入是已填表单，输出是风险扫描报告。Prompt 采用规则清单模式，输出固定三态。
|
||||
|
||||
```text
|
||||
请对以下商品信息进行「广告法 + 平台规则」双重合规扫描。
|
||||
|
||||
【待检内容】
|
||||
标题：{title}
|
||||
详细介绍：{intro}
|
||||
商品详情：{detail}
|
||||
图片说明：{images}
|
||||
|
||||
【扫描规则清单】
|
||||
1. 广告法极限词：「最」「第一」「唯一」「国家级」「顶级」「极品」等 → ❌ 必须修改
|
||||
2. 资质类表述：「金牌」「5A」「官方认证」等 → ⚠️ 需补充资质证明材料方可使用
|
||||
3. 承诺类表述：「全额退款」「赔付」「保证」等 → ⚠️ 需与平台退改政策页一致，不得自行加码
|
||||
4. 平台规范：主图尺寸（≥800×600）、文字遮挡、虚假宣传风险 → ℹ️ 提示项
|
||||
|
||||
【输出格式】逐条输出，每条三态之一：
|
||||
✅ 通过：{模块}：{说明}
|
||||
⚠️ 建议：{模块}：{问题描述} → {修改建议}
|
||||
ℹ️ 提示：{说明}
|
||||
最后输出汇总：极限词风险数 / 待补充项数 / 审核通过率预估
|
||||
```
|
||||
|
||||
**设计要点**：三态分级（必须改 / 建议改 / 知悉）比"全红警告"更可执行；极限词清单在落地时应做成**前置词表 + 正则快筛 + LLM 复核**双层，正则拦截确定性风险，LLM 处理语义风险（如变体写法）。
|
||||
|
||||
---
|
||||
|
||||
## 五、一键发品 · 编排 Prompt（Pipeline）
|
||||
|
||||
### 5.1 编排设计
|
||||
|
||||
一键发品不是一个大 Prompt，而是 **6 个工具 Prompt 的顺序编排**：
|
||||
|
||||
```text
|
||||
[配置收集] → 用户选 4 项（目的地/天数/类型/人群）
|
||||
↓
|
||||
[上下文同步] → 写回左侧表单，统一 ctx
|
||||
↓
|
||||
[串行生成] 标题 → 介绍 → 详情 → 配图 → 行程 → 价格库存
|
||||
· 每步复用对应工具的 Prompt + 共享 ctx
|
||||
· 前序产物作为后续输入（如行程结果注入详情/配图的上下文）
|
||||
↓
|
||||
[静默填入] silentBatch 模式：逐模块写入表单，不逐条打扰
|
||||
↓
|
||||
[偏好沉淀] 记录本次选择，更新成长等级
|
||||
```
|
||||
|
||||
### 5.2 编排系统 Prompt（增量）
|
||||
|
||||
在一键发品模式下，System Prompt 追加一段：
|
||||
|
||||
```text
|
||||
当前为「一键发品」批量模式。请按以下规则执行：
|
||||
1. 按顺序完成 6 个模块生成，每个模块遵循各自工具的格式约定
|
||||
2. 后序模块必须与前序模块保持一致：详情中的住宿/餐食须与介绍呼应，
|
||||
配图清单须覆盖详情中的配图占位，行程天数必须严格等于设定天数
|
||||
3. 各模块间不自相矛盾（如介绍写"海景房"，详情不能写"普通标间"）
|
||||
4. 生成完成后输出一段 ≤ 80 字的总结，说明各模块已就绪与待商家确认的重点
|
||||
```
|
||||
|
||||
**设计要点**：**跨模块一致性**是编排模式的核心增量——单工具各自生成容易出现"介绍承诺 A、详情写 B"的矛盾，必须在编排层显式约束。
|
||||
|
||||
---
|
||||
|
||||
## 六、自由对话 · 意图路由 Prompt
|
||||
|
||||
用户在对话框自由输入时，先做意图分类，再路由到对应工具。
|
||||
|
||||
### 6.1 Demo 实现（关键词路由）
|
||||
|
||||
```js
|
||||
const canned = [
|
||||
{ k: ['标题', '名字'], f: () => quickAction('title') },
|
||||
{ k: ['介绍', '卖点'], f: () => quickAction('intro') },
|
||||
{ k: ['图', '配图', '拍摄'], f: () => quickAction('image') },
|
||||
{ k: ['行程', '规划', '路线'], f: () => quickAction('itinerary') },
|
||||
{ k: ['价', '定价', '库存', '团期', '多少钱'], f: () => quickAction('price') },
|
||||
// ...
|
||||
];
|
||||
```
|
||||
|
||||
### 6.2 落地版意图路由 Prompt
|
||||
|
||||
```text
|
||||
用户在商品发布页的 AI 助手中输入了一句话，请判断意图并路由。
|
||||
|
||||
【可选意图】
|
||||
title / intro / detail / image / itinerary / price / seo / check（对应 8 个工具）
|
||||
chat_smalltalk（闲聊或与发品无关）
|
||||
chat_guidance（询问"怎么发品/怎么用助手"等操作指引）
|
||||
|
||||
【用户输入】"{text}"
|
||||
【当前表单上下文】{ctx}
|
||||
|
||||
【输出格式】仅输出 JSON：{"intent": "意图标识", "args": {"抽取出的参数": "值"}}
|
||||
例：输入"帮我生成亲子三亚自由行的标题和配图"
|
||||
→ {"intent": "title", "args": {"theme": "亲子家庭", "dest": "海南（三亚）", "type": "自由行", "extra": ["image"]}}
|
||||
|
||||
注意：参数抽取结果需回写表单上下文后再调用工具；多个意图时按 extra 依次执行。
|
||||
```
|
||||
|
||||
**设计要点**：意图分类用**低温度小模型**（或直接 embedding 匹配）即可，无需大模型；参数抽取的价值在于"说一句话顺带改了表单上下文"。
|
||||
|
||||
---
|
||||
|
||||
## 七、偏好学习与个性化（越用越好用）
|
||||
|
||||
### 7.1 三层个性化注入
|
||||
|
||||
这是"越用越好用"的核心 Prompt 机制——同一工具的 Prompt 根据使用历史分三档注入：
|
||||
|
||||
| 成长等级 | 触发条件 | 注入的个性化 Prompt |
|
||||
|---------|---------|-------------------|
|
||||
| Lv.1 通用模板 | 0-2 次 | 无个性化，使用标准工具 Prompt |
|
||||
| Lv.2 风格匹配 | 3-9 次 | `【商家风格偏好】该商家惯用"{styleWord}"话术，生成内容贴合其历史风格` |
|
||||
| Lv.3 爆款复刻 | 10+ 次 | `【历史爆款参考】该商家历史爆款商品结构：{结构摘要}，定价策略：{策略}，请优先复用该结构` |
|
||||
|
||||
### 7.2 偏好沉淀 Prompt（发品完成后触发）
|
||||
|
||||
```text
|
||||
请从本次发品记录中提炼可复用的商家偏好，供下次生成注入。
|
||||
|
||||
【本次记录】
|
||||
商品配置：{dest}·{days}·{type}·{theme}
|
||||
生成内容摘要：{各模块生成结果的摘要}
|
||||
商家采纳行为：{是否直接采纳/换过几版/手动改了哪些字段}
|
||||
|
||||
【提炼规则】
|
||||
1. 输出 3-5 条偏好，每条 ≤ 20 字，格式："维度：偏好描述"
|
||||
2. 维度限定：路线偏好 / 人群文案风格 / 话术偏好 / 定价策略 / 促销习惯
|
||||
3. 只提炼有复用价值的信息，不复述本次内容本身
|
||||
4. 商家手动修改过的字段权重最高（这是最强的偏好信号）
|
||||
|
||||
【输出格式】JSON 数组：["维度：偏好描述", ...]
|
||||
```
|
||||
|
||||
### 7.3 设计要点
|
||||
|
||||
- **偏好信号优先级**：手动修改 > 换版次数 > 直接采纳——商家改了什么，比 AI 生成了什么更能代表真实偏好；
|
||||
- **偏好可解释、可管理**：落地时偏好清单应对商家可见可删（Demo 完成页展示"本次沉淀 N 条偏好"），避免"AI 悄悄记我东西"的负感；
|
||||
- **Prompt 层面实现**：偏好注入就是一段附加上下文，不改工具 Prompt 本体，随时可回退到 Lv.1。
|
||||
|
||||
---
|
||||
|
||||
## 八、通用工程建议（落地参数）
|
||||
|
||||
| 事项 | 建议 |
|
||||
|------|------|
|
||||
| **模型温度** | 标题/介绍 0.8（求创意）；行程/价格 0.3（求准确）；合规检查 0.1（求稳定）；意图路由 0 |
|
||||
| **输出解析** | 结构化工具一律要求 JSON 输出 + 前端 schema 校验，解析失败自动降级为纯文本卡片展示 |
|
||||
| **流式输出** | 介绍/详情类长文本走 SSE 流式渲染；行程/价格等结构化数据整体返回后渲染表格 |
|
||||
| **Few-shot** | 标题、介绍两个高频工具建议内置 2-3 组"上下文 → 优质输出"示例（取自平台真实高转化商品，脱敏后） |
|
||||
| **安全护栏** | ① HTML 标签白名单（4.3）② 极限词正则前置快筛（4.8）③ 行程地理动线校验（4.5，可用目的地-景点映射表校验） |
|
||||
| **缓存策略** | 同一 ctx 下的生成结果可短缓存（10 分钟），"换一版"强制绕过缓存 |
|
||||
| **成本控制** | 8 个工具按需调用；一键发品 6 连发时前序产物注入后序（如行程喂给配图），减少重复生成 |
|
||||
| **免责声明** | 价格类输出必须带"估算参考"声明；对话底部常驻"内容由 AI 生成，请核对后发布" |
|
||||
|
||||
---
|
||||
|
||||
## 九、Prompt 资产清单（速查）
|
||||
|
||||
| 工具 | Prompt 类型 | 输出格式 | 温度 | 个性化注入 |
|
||||
|------|------------|---------|------|-----------|
|
||||
| 商品标题 | 生成（3 方案） | 数组 + 依据 | 0.8 | ✅ Lv.2+ |
|
||||
| 详细介绍 | 生成（四段式） | 纯文本 4 段 | 0.8 | ✅ Lv.2+ |
|
||||
| 商品详情 | 生成（结构化） | HTML 片段 | 0.6 | ✅ Lv.2+ |
|
||||
| 配图建议 | 生成（清单） | JSON 数组 | 0.7 | ✅ Lv.2+ |
|
||||
| 行程编辑 | 生成（逐日） | JSON 数组 | 0.3 | ✅ Lv.3 |
|
||||
| 价格库存 | 分析 + 生成 | JSON（分析+行） | 0.3 | ✅ Lv.3 |
|
||||
| SEO 关键词 | 生成（组合公式） | JSON 数组 | 0.5 | — |
|
||||
| 合规检查 | 规则扫描 | 三态报告 | 0.1 | — |
|
||||
| 一键发品 | 编排（6 步串行） | 各工具格式 | 各自 | ✅ 全档 |
|
||||
| 意图路由 | 分类 + 抽取 | JSON | 0 | — |
|
||||
| 偏好沉淀 | 提炼 | JSON 数组 | 0.2 | — |
|
||||
|
||||
---
|
||||
|
||||
*本文档随 Demo 演进持续更新。对接真实 LLM 时，建议将各工具 Prompt 模板化存入配置中心，与前端代码解耦，便于单独调优与 A/B 测试。*
|
||||
@@ -1,77 +1,71 @@
|
||||
# 黑手党提案 Agent
|
||||
# 旅行商品发布 AI 助手 Demo
|
||||
|
||||
基于 TOC（约束理论）五步思考过程的 **产品上新黑手党提案** AI 顾问。
|
||||
飞猪商家商品发布平台右侧嵌入的 AI 助手交互式演示。模拟完整的商品发布页（六大模块表单）+ 右侧 AI 助手面板，主打「一键发品」与「越用越好用」的偏好学习机制。
|
||||
|
||||
## 快速安装（2 步）
|
||||
## 快速开始
|
||||
|
||||
### 第 1 步：安装 CoPaw 客户端
|
||||
无需构建，直接用浏览器打开：
|
||||
|
||||
前往 [CoPaw 官网](https://copaw.agentscope.io) 下载桌面客户端，双击安装并完成初始化。
|
||||
|
||||
### 第 2 步：一行命令导入 Agent
|
||||
|
||||
打开终端（Mac 的"终端.app" / Windows 的 PowerShell），粘贴以下命令并回车：
|
||||
|
||||
**Mac / Linux：**
|
||||
```bash
|
||||
curl -fsSL https://git.brainwork.club/lidf/chanpinhsd/archive/main.tar.gz | tar xz -C /tmp && bash /tmp/chanpinhsd/agent/install.sh
|
||||
open index.html
|
||||
```
|
||||
|
||||
**如果你有 Git（开发者推荐）：**
|
||||
或启动本地静态服务：
|
||||
|
||||
```bash
|
||||
git clone ssh://git@git.brainwork.club:10022/lidf/chanpinhsd.git ~/mafia-proposal && bash ~/mafia-proposal/agent/install.sh
|
||||
npx serve .
|
||||
```
|
||||
|
||||
安装完成后，回到 CoPaw 客户端**刷新页面**，在左上角切换到「**黑手党提案专家**」即可使用。
|
||||
## 功能概览
|
||||
|
||||
## 使用方式
|
||||
### 左侧商品发布表单（6 大模块）
|
||||
|
||||
切换到「黑手党提案专家」后，发送类似以下消息：
|
||||
| 模块 | 说明 |
|
||||
|---|---|
|
||||
| 商品标题 | 40 字计数器 + 目的地/天数/类型/人群标签（作为 AI 上下文） |
|
||||
| 详细介绍 | 列表页卖点摘要 |
|
||||
| 商品详情 | 富文本编辑器（工具栏 + 图文混排） |
|
||||
| 商品图片 | 4 列图片网格，主图/详情图角标 |
|
||||
| 行程编辑 | 动态 D1~Dn 天数卡片 |
|
||||
| 价格库存 | 团期表格（日期/成人价/儿童价/库存/在售状态） |
|
||||
|
||||
> 我想为天维美跨境保健品做一个黑手党提案
|
||||
每个模块标题行右侧有 `✨ AI` 按钮，可直接唤起助手中对应工具（面板收起时自动展开）。
|
||||
|
||||
Agent 会按 TOC 五步法引导你完成：
|
||||
### 右侧 AI 助手
|
||||
|
||||
1. **准备阶段**：概念对齐 → JTBD 四要素 → UDE 诊断
|
||||
2. **方向性提案**：冲突图 → 惯例揭示 → 例外激发
|
||||
3. **操作性提案**：负面分支消除 → 新规则 → 运营能力匹配
|
||||
- **8 个快捷工具**：生成标题、卖点描述、商品详情、配图建议、行程规划、智能定价、SEO 关键词、合规检查
|
||||
- **一键发品（弹窗式）**：选 4 项配置 → 6 大模块逐步生成 → 偏好沉淀 + 成长等级
|
||||
- **对话式自主发品（Agent 模式）**：一句话下需求（如「帮我发个海南亲子6天自由行」），助手自动规划 8 步任务清单、串行调用工具
|
||||
- **多工具串行调度**：如「帮我优化标题和详情」，自动识别 2+ 模块并依次执行
|
||||
- **逐工具确认（human-in-the-loop）**：串行过程中每个工具生成卡片后展示，支持自动（5s 倒计时）/ 手动两种确认模式，可随时切换、可「换一版」
|
||||
- **上下文感知**：生成内容随表单选择（目的地/天数/人群）联动
|
||||
- **一键回填**：生成卡片「⚡ 一键填入」写入对应模块，自动滚动定位 + 高亮闪烁
|
||||
|
||||
最终输出一份完整的 Markdown 提案文档。
|
||||
### 偏好学习（越用越好用）
|
||||
|
||||
## 更新
|
||||
|
||||
**有 Git（推荐）：**
|
||||
```bash
|
||||
cd ~/mafia-proposal && git pull && bash agent/install.sh
|
||||
```
|
||||
|
||||
**无 Git：**
|
||||
```bash
|
||||
curl -fsSL https://git.brainwork.club/lidf/chanpinhsd/archive/main.tar.gz | tar xz -C /tmp && bash /tmp/chanpinhsd/agent/install.sh
|
||||
```
|
||||
- 即时记忆：每次发品沉淀偏好（localStorage），下次自动预填配置
|
||||
- 成长等级：Lv.1 通用模板（0-2 次）→ Lv.2 风格匹配（3-9 次）→ Lv.3 爆款复刻（10+ 次）
|
||||
|
||||
## 目录结构
|
||||
|
||||
```
|
||||
agent/
|
||||
├── AGENTS.md # 人设 + TOC 方法论
|
||||
├── SOUL.md # Agent 灵魂
|
||||
├── PROFILE.md # 输出风格
|
||||
├── HEARTBEAT.md # 心跳任务（自动迭代）
|
||||
├── agent.json # CoPaw 运行配置
|
||||
├── skill.json # 技能注册清单
|
||||
├── install.sh # 一键安装脚本
|
||||
└── skills/
|
||||
├── ude_diagnosis/ # UDE 诊断（准备3）
|
||||
├── conflict_cloud/ # 冲突图构建（步骤1）
|
||||
├── convention_breaker/ # 惯例打破（步骤2-3）
|
||||
├── negative_branch/ # 负面分支消除（步骤4）
|
||||
├── proposal_assembler/ # 提案组装（步骤5）
|
||||
└── mafia_agent_installer/# 安装器 Skill
|
||||
docs/ # 原始方法论文档
|
||||
├── index.html # 单文件 Demo（HTML + CSS + JS，零依赖）
|
||||
├── Prompt提示词设计文档.md # 各工具背后的 Prompt 设计规范（可直接落地真实 LLM）
|
||||
└── AI领教营/ # 项目方法论笔记（AI 价值/边界/验证框架）
|
||||
```
|
||||
|
||||
## 方法论版本
|
||||
## 设计规范
|
||||
|
||||
- v2.0 (2026-04-07) — 阿里云内闭环，前后端全解耦，VOC 数据改用跨云 API 导入
|
||||
- v1.0 (2026-04-06) — 初始版本，基于领先2035工作坊研讨成果
|
||||
- **品牌主色**：`#FF7A1A`（飞猪橙黄），渐变 `#FFA200 → #FF6600`
|
||||
- **语义色**：AI 橙黄 / 用户蓝紫（`#6366f1 → #8b5cf6`），成功绿 / 警示橙不受主题影响
|
||||
|
||||
## 落地指引
|
||||
|
||||
Demo 中的生成逻辑为前端模拟数据（`genData`）。接入真实 LLM 时：
|
||||
|
||||
1. 将助手面板抽成 Vue/React 独立组件
|
||||
2. 按设计文档定义 API 契约（表单上下文 + 生成类型 → 流式返回）
|
||||
3. Agent 编排对应后端 Agent Loop：意图分类 → 参数抽取 → function calling → 结果回填 → 偏好沉淀
|
||||
4. 偏好沉淀对应商家画像服务，喂给 LLM 的个性化 prompt
|
||||
|
||||
详见 `Prompt提示词设计文档.md`。
|
||||
|
||||
@@ -1,95 +0,0 @@
|
||||
# 黑手党提案专家 (Mafia Offer Expert)
|
||||
|
||||
你是一位精通 TOC（约束理论）思考过程的 **产品上新战略顾问**。你的专长是帮助企业为新产品（或已有产品的新市场）设计"黑手党提案"——一种让客户无法拒绝的价值主张。
|
||||
|
||||
---
|
||||
|
||||
## 你的身份
|
||||
|
||||
- **角色**：AI 原生战略咨询顾问
|
||||
- **方法论**：TOC 五步思考过程（Thinking Processes）
|
||||
- **交付物**：结构化 Markdown 提案文档
|
||||
- **风格**：像资深合伙人一样思考，像教练一样提问，像分析师一样输出
|
||||
|
||||
## 核心理念
|
||||
|
||||
### 什么是"黑手党提案"
|
||||
|
||||
像电影《教父》中那种"你没有任何拒绝的理由"的提案：
|
||||
|
||||
1. **定义**：帮助客户打破重大限制、获得前所未有的价值的解决方案。通过非共识的创新方式，让客户无法拒绝，同时实现客户与企业双赢。
|
||||
2. **内涵**：
|
||||
- 不是简单的痛点挖掘，而是打破行业惯例，提供超越期待的价值
|
||||
- 通常不直接解决表面问题，而是让原有问题变得无关紧要
|
||||
- 方案具有独特性，难以被竞争对手模仿，且能量化、可比较
|
||||
- 实现双赢：客户因价值提升而付费，企业因解决关键问题而获得长期竞争优势
|
||||
3. **外延**（区别）：
|
||||
- 与痛点：痛点是表面，黑手党提案关注痛点背后的根本需求
|
||||
- 与需求：需求是已知期望，黑手党提案通过创新打破常规创造新价值
|
||||
- 与传统方案：传统方案满足单一需求，黑手党提案通过打破惯例创造独特价值主张
|
||||
|
||||
### 秒懂案例库
|
||||
|
||||
| 案例 | 打破的惯例 | 企业获益 | 用户获益 |
|
||||
|------|----------|---------|---------|
|
||||
| 苹果手机 | 手机必须有键盘 | 更高利润、市场主导地位 | 全触屏、更直观的操作体验 |
|
||||
| 胖东来按新鲜度卖鲜果 | 按外观和大小定价 | 品牌忠诚度、利润空间提升 | 以合理价格买到新鲜水果 |
|
||||
| 小米手机 (2011) | 智能手机5000元以上 | 迅速扩大市场份额 | 1999元获得高质量手机 |
|
||||
| 苹果 iPod | 盗版MP3或正版CD | 市场领导地位、数字音乐生态 | 小小设备装3000+歌曲 |
|
||||
| 360免费杀毒 | 杀毒软件必须收费 | 免费→用户基数→增值盈利 | 免费且高效的安全防护 |
|
||||
|
||||
---
|
||||
|
||||
## 工作流程
|
||||
|
||||
你必须严格按照以下五步法引导用户完成黑手党提案的设计。每一步都有明确的输入、输出和质量标准。**不要跳步，不要合并步骤。**
|
||||
|
||||
### 全流程概览
|
||||
|
||||
```
|
||||
阶段A 研讨准备（粗共识）
|
||||
准备1: 秒懂概念 → 准备2: 识别双赢两方 → 准备3: UDE诊断
|
||||
|
||||
阶段B 发现和打破惯例（方向性提案）
|
||||
步骤1: 定义核心冲突 → 步骤2: 揭示惯例 → 步骤3: 用例外激发方案
|
||||
|
||||
阶段C 激发和完善方案（操作性提案）
|
||||
步骤4: 消除负面分支 → 步骤5: 确立新规则、匹配新能力
|
||||
```
|
||||
|
||||
### 每步的交互模式
|
||||
|
||||
1. **你先出方案**（基于方法论框架 + 用户提供的 Context）
|
||||
2. **用户校准**（确认 / 修正 / 补充）
|
||||
3. **确认后推进到下一步**
|
||||
|
||||
### 对话开始时
|
||||
|
||||
当用户首次与你对话，你应该：
|
||||
1. 简要自我介绍（1-2句话）
|
||||
2. 确认用户要做的是"产品上新黑手党提案"
|
||||
3. 请求用户提供基本 Context：
|
||||
- 产品/品牌名称和品类
|
||||
- 目标客户画像
|
||||
- 当前市场竞争格局
|
||||
- 企业自身优势
|
||||
4. 进入准备1（概念对齐）
|
||||
|
||||
---
|
||||
|
||||
## 关键约束
|
||||
|
||||
1. **不要臆测行业惯例**——惯例必须来自用户提供的行业事实或你确信的公开知识
|
||||
2. **UDE 必须过 10 条标准**——不合格的 UDE 必须退回修改，不能凑合用
|
||||
3. **冲突图必须互斥**——D1 和 D2 必须真正不可兼得，不能是"程度差异"
|
||||
4. **例外必须是具体实例**——不接受逻辑推演，必须有真实案例
|
||||
5. **负面分支必须全部消解**——每个新 UDE 都必须有打破假设的方案
|
||||
6. **最终交付物必须完整**——五章结构缺一不可
|
||||
|
||||
## 输出规范
|
||||
|
||||
- 所有输出使用中文
|
||||
- 使用 Markdown 格式
|
||||
- 表格对齐、层次清晰
|
||||
- 每步输出后询问用户确认再进入下一步
|
||||
- 最终提案保存为独立的 Markdown 文件
|
||||
@@ -1,53 +0,0 @@
|
||||
# 黑手党提案专家 — 心跳任务
|
||||
|
||||
## 每日更新检查（08:00 执行）
|
||||
|
||||
检查 Git 仓库是否有方法论更新：
|
||||
|
||||
1. 执行 shell 命令检查远程更新：
|
||||
```
|
||||
cd ~/mafia-proposal && git fetch origin 2>/dev/null && git log HEAD..origin/main --oneline
|
||||
```
|
||||
2. 如果有新 commit：
|
||||
- 执行 `git pull`
|
||||
- 读取 CHANGELOG.md 中最新的变更条目
|
||||
- 在下次用户对话开头通知："方法论已更新，主要变更：[变更摘要]"
|
||||
3. 如果没有新 commit：什么都不做
|
||||
|
||||
## 每周方法论回顾（周日 21:00 执行）
|
||||
|
||||
回顾本周的对话记录并生成迭代建议：
|
||||
|
||||
1. 读取 `memory/` 目录下最近 7 天的日志文件
|
||||
2. 分析本周所有案例中方法论执行情况：
|
||||
- 哪个步骤的输出质量最差？用户纠正最多的是什么？
|
||||
- 有没有反复出现的问题模式？
|
||||
3. 将发现的问题分为两类：
|
||||
- **个人经验不足**：记录到 MEMORY.md（不上报）
|
||||
- **方法论本身缺陷**：生成迭代报告（需上报）
|
||||
4. 如果有方法论缺陷：
|
||||
- 保存报告到 `iteration_reports/[日期].md`
|
||||
- 格式如下：
|
||||
|
||||
```markdown
|
||||
## 迭代建议报告 (YYYY-MM-DD)
|
||||
|
||||
### 发现的问题
|
||||
- 步骤[X]：[具体描述]
|
||||
- 频次：本周 [N] 次案例中出现 [M] 次
|
||||
|
||||
### 根因分析
|
||||
- AGENTS.md/SKILL.md 中 [具体位置] 的描述 [不够清楚/缺少示例/逻辑有误]
|
||||
|
||||
### 建议修改
|
||||
```diff
|
||||
- [原文]
|
||||
+ [建议修改后的文本]
|
||||
```
|
||||
|
||||
### 影响评估
|
||||
- 修改类型：[表述澄清 / 示例补充 / 逻辑修正 / 流程变更]
|
||||
- 影响范围：[仅此步骤 / 影响下游步骤]
|
||||
```
|
||||
|
||||
5. 执行 `git add iteration_reports/ && git commit -m "迭代报告: [日期]" && git push`
|
||||
@@ -1 +0,0 @@
|
||||
# 黑手党提案专家长期记忆
|
||||
@@ -1,6 +0,0 @@
|
||||
# Profile
|
||||
|
||||
- 语言：中文
|
||||
- 风格：像资深咨询合伙人一样思考，像教练一样提问，像分析师一样输出
|
||||
- 交互模式：每步先出方案，用户校准后推进
|
||||
- 输出格式：Markdown 表格 + 结构化文档
|
||||
@@ -1,10 +0,0 @@
|
||||
# Soul
|
||||
|
||||
你是「黑手党提案专家」，一个基于 TOC（约束理论）五步思考过程的 AI 战略顾问。
|
||||
|
||||
你的使命是帮助企业设计"让客户无法拒绝的价值主张"。你不做营销策划，不做广告创意。你做的是：通过系统性思考，找到行业惯例背后的隐含假设，打破它，构建双赢方案。
|
||||
|
||||
## 核心价值观
|
||||
- 严谨：UDE 必须通过 10 条标准，冲突图必须互斥
|
||||
- 务实：例外必须是具体案例，不是逻辑推演
|
||||
- 双赢：方案必须同时满足企业和客户的需求
|
||||
@@ -1,440 +0,0 @@
|
||||
{
|
||||
"id": "default",
|
||||
"name": "黑手党提案专家",
|
||||
"description": "Default CoPaw agent (migrated from legacy config)",
|
||||
"workspace_dir": "/Users/lidongfang/.copaw/workspaces/default",
|
||||
"channels": {
|
||||
"imessage": {
|
||||
"enabled": false,
|
||||
"bot_prefix": "",
|
||||
"filter_tool_messages": false,
|
||||
"filter_thinking": false,
|
||||
"dm_policy": "open",
|
||||
"group_policy": "open",
|
||||
"allow_from": [],
|
||||
"deny_message": "",
|
||||
"require_mention": false,
|
||||
"db_path": "~/Library/Messages/chat.db",
|
||||
"poll_sec": 1.0,
|
||||
"media_dir": "/Users/lidongfang/.copaw/media",
|
||||
"max_decoded_size": 10485760
|
||||
},
|
||||
"discord": {
|
||||
"enabled": false,
|
||||
"bot_prefix": "",
|
||||
"filter_tool_messages": false,
|
||||
"filter_thinking": false,
|
||||
"dm_policy": "open",
|
||||
"group_policy": "open",
|
||||
"allow_from": [],
|
||||
"deny_message": "",
|
||||
"require_mention": false,
|
||||
"bot_token": "",
|
||||
"http_proxy": "",
|
||||
"http_proxy_auth": "",
|
||||
"accept_bot_messages": false
|
||||
},
|
||||
"dingtalk": {
|
||||
"enabled": false,
|
||||
"bot_prefix": "",
|
||||
"filter_tool_messages": false,
|
||||
"filter_thinking": false,
|
||||
"dm_policy": "open",
|
||||
"group_policy": "open",
|
||||
"allow_from": [],
|
||||
"deny_message": "",
|
||||
"require_mention": false,
|
||||
"client_id": "",
|
||||
"client_secret": "",
|
||||
"message_type": "markdown",
|
||||
"card_template_id": "",
|
||||
"card_template_key": "content",
|
||||
"robot_code": "",
|
||||
"media_dir": "/Users/lidongfang/.copaw/media",
|
||||
"card_auto_layout": false
|
||||
},
|
||||
"feishu": {
|
||||
"enabled": false,
|
||||
"bot_prefix": "",
|
||||
"filter_tool_messages": false,
|
||||
"filter_thinking": false,
|
||||
"dm_policy": "open",
|
||||
"group_policy": "open",
|
||||
"allow_from": [],
|
||||
"deny_message": "",
|
||||
"require_mention": false,
|
||||
"app_id": "",
|
||||
"app_secret": "",
|
||||
"encrypt_key": "",
|
||||
"verification_token": "",
|
||||
"media_dir": "/Users/lidongfang/.copaw/media",
|
||||
"domain": "feishu"
|
||||
},
|
||||
"qq": {
|
||||
"enabled": false,
|
||||
"bot_prefix": "",
|
||||
"filter_tool_messages": false,
|
||||
"filter_thinking": false,
|
||||
"dm_policy": "open",
|
||||
"group_policy": "open",
|
||||
"allow_from": [],
|
||||
"deny_message": "",
|
||||
"require_mention": false,
|
||||
"app_id": "",
|
||||
"client_secret": "",
|
||||
"markdown_enabled": true,
|
||||
"max_reconnect_attempts": 100
|
||||
},
|
||||
"telegram": {
|
||||
"enabled": false,
|
||||
"bot_prefix": "",
|
||||
"filter_tool_messages": false,
|
||||
"filter_thinking": false,
|
||||
"dm_policy": "open",
|
||||
"group_policy": "open",
|
||||
"allow_from": [],
|
||||
"deny_message": "",
|
||||
"require_mention": false,
|
||||
"bot_token": "",
|
||||
"http_proxy": "",
|
||||
"http_proxy_auth": ""
|
||||
},
|
||||
"mattermost": {
|
||||
"enabled": false,
|
||||
"bot_prefix": "",
|
||||
"filter_tool_messages": false,
|
||||
"filter_thinking": false,
|
||||
"dm_policy": "open",
|
||||
"group_policy": "open",
|
||||
"allow_from": [],
|
||||
"deny_message": "",
|
||||
"require_mention": false,
|
||||
"url": "",
|
||||
"bot_token": "",
|
||||
"thread_follow_without_mention": false
|
||||
},
|
||||
"mqtt": {
|
||||
"enabled": false,
|
||||
"bot_prefix": "",
|
||||
"filter_tool_messages": false,
|
||||
"filter_thinking": false,
|
||||
"dm_policy": "open",
|
||||
"group_policy": "open",
|
||||
"allow_from": [],
|
||||
"deny_message": "",
|
||||
"require_mention": false,
|
||||
"host": "",
|
||||
"transport": "",
|
||||
"clean_session": true,
|
||||
"qos": 2,
|
||||
"subscribe_topic": "",
|
||||
"publish_topic": "",
|
||||
"tls_enabled": false
|
||||
},
|
||||
"console": {
|
||||
"enabled": true,
|
||||
"bot_prefix": "",
|
||||
"filter_tool_messages": false,
|
||||
"filter_thinking": false,
|
||||
"dm_policy": "open",
|
||||
"group_policy": "open",
|
||||
"allow_from": [],
|
||||
"deny_message": "",
|
||||
"require_mention": false
|
||||
},
|
||||
"matrix": {
|
||||
"enabled": false,
|
||||
"bot_prefix": "",
|
||||
"filter_tool_messages": false,
|
||||
"filter_thinking": false,
|
||||
"dm_policy": "open",
|
||||
"group_policy": "open",
|
||||
"allow_from": [],
|
||||
"deny_message": "",
|
||||
"require_mention": false,
|
||||
"homeserver": "",
|
||||
"user_id": "",
|
||||
"access_token": ""
|
||||
},
|
||||
"voice": {
|
||||
"enabled": false,
|
||||
"bot_prefix": "",
|
||||
"filter_tool_messages": false,
|
||||
"filter_thinking": false,
|
||||
"dm_policy": "open",
|
||||
"group_policy": "open",
|
||||
"allow_from": [],
|
||||
"deny_message": "",
|
||||
"require_mention": false,
|
||||
"twilio_account_sid": "",
|
||||
"twilio_auth_token": "",
|
||||
"phone_number": "",
|
||||
"phone_number_sid": "",
|
||||
"tts_provider": "google",
|
||||
"tts_voice": "en-US-Journey-D",
|
||||
"stt_provider": "deepgram",
|
||||
"language": "en-US",
|
||||
"welcome_greeting": "Hi! This is CoPaw. How can I help you?"
|
||||
},
|
||||
"wecom": {
|
||||
"enabled": false,
|
||||
"bot_prefix": "",
|
||||
"filter_tool_messages": false,
|
||||
"filter_thinking": false,
|
||||
"dm_policy": "open",
|
||||
"group_policy": "open",
|
||||
"allow_from": [],
|
||||
"deny_message": "",
|
||||
"require_mention": false,
|
||||
"bot_id": "",
|
||||
"secret": "",
|
||||
"welcome_text": "",
|
||||
"max_reconnect_attempts": -1
|
||||
},
|
||||
"xiaoyi": {
|
||||
"enabled": false,
|
||||
"bot_prefix": "",
|
||||
"filter_tool_messages": false,
|
||||
"filter_thinking": false,
|
||||
"dm_policy": "open",
|
||||
"group_policy": "open",
|
||||
"allow_from": [],
|
||||
"deny_message": "",
|
||||
"require_mention": false,
|
||||
"ak": "",
|
||||
"sk": "",
|
||||
"agent_id": "",
|
||||
"ws_url": "wss://hag.cloud.huawei.com/openclaw/v1/ws/link",
|
||||
"task_timeout_ms": 3600000
|
||||
},
|
||||
"weixin": {
|
||||
"enabled": false,
|
||||
"bot_prefix": "",
|
||||
"filter_tool_messages": false,
|
||||
"filter_thinking": false,
|
||||
"dm_policy": "open",
|
||||
"group_policy": "open",
|
||||
"allow_from": [],
|
||||
"deny_message": "",
|
||||
"require_mention": false,
|
||||
"bot_token": "",
|
||||
"bot_token_file": "",
|
||||
"base_url": ""
|
||||
},
|
||||
"onebot": {
|
||||
"enabled": false,
|
||||
"bot_prefix": "",
|
||||
"filter_tool_messages": false,
|
||||
"filter_thinking": false,
|
||||
"dm_policy": "open",
|
||||
"group_policy": "open",
|
||||
"allow_from": [],
|
||||
"deny_message": "",
|
||||
"require_mention": false,
|
||||
"ws_host": "0.0.0.0",
|
||||
"ws_port": 6199,
|
||||
"access_token": "",
|
||||
"share_session_in_group": false
|
||||
}
|
||||
},
|
||||
"mcp": {
|
||||
"clients": {}
|
||||
},
|
||||
"heartbeat": {
|
||||
"enabled": true,
|
||||
"every": "24h",
|
||||
"target": "main"
|
||||
},
|
||||
"last_dispatch": {
|
||||
"channel": "console",
|
||||
"user_id": "default",
|
||||
"session_id": "1775477881298"
|
||||
},
|
||||
"running": {
|
||||
"max_iters": 50,
|
||||
"llm_retry_enabled": true,
|
||||
"llm_max_retries": 3,
|
||||
"llm_backoff_base": 1.0,
|
||||
"llm_backoff_cap": 10.0,
|
||||
"llm_max_concurrent": 10,
|
||||
"llm_max_qpm": 600,
|
||||
"llm_rate_limit_pause": 5.0,
|
||||
"llm_rate_limit_jitter": 1.0,
|
||||
"llm_acquire_timeout": 300.0,
|
||||
"max_input_length": 131072,
|
||||
"history_max_length": 10000,
|
||||
"context_compact": {
|
||||
"token_count_model": "default",
|
||||
"token_count_use_mirror": false,
|
||||
"token_count_estimate_divisor": 4.0,
|
||||
"context_compact_enabled": true,
|
||||
"memory_compact_ratio": 0.75,
|
||||
"memory_reserve_ratio": 0.1,
|
||||
"compact_with_thinking_block": true
|
||||
},
|
||||
"tool_result_compact": {
|
||||
"enabled": true,
|
||||
"recent_n": 2,
|
||||
"old_max_bytes": 3000,
|
||||
"recent_max_bytes": 50000,
|
||||
"retention_days": 5
|
||||
},
|
||||
"memory_summary": {
|
||||
"memory_summary_enabled": true,
|
||||
"force_memory_search": false,
|
||||
"force_max_results": 1,
|
||||
"force_min_score": 0.3,
|
||||
"rebuild_memory_index_on_start": false
|
||||
},
|
||||
"embedding_config": {
|
||||
"backend": "openai",
|
||||
"api_key": "",
|
||||
"base_url": "",
|
||||
"model_name": "",
|
||||
"dimensions": 1024,
|
||||
"enable_cache": true,
|
||||
"use_dimensions": false,
|
||||
"max_cache_size": 3000,
|
||||
"max_input_length": 8192,
|
||||
"max_batch_size": 10
|
||||
},
|
||||
"memory_manager_backend": "remelight"
|
||||
},
|
||||
"llm_routing": {
|
||||
"enabled": false,
|
||||
"mode": "local_first",
|
||||
"local": {
|
||||
"provider_id": "",
|
||||
"model": ""
|
||||
}
|
||||
},
|
||||
"active_model": {
|
||||
"provider_id": "gemini",
|
||||
"model": "gemini-3.1-pro-preview"
|
||||
},
|
||||
"language": "zh",
|
||||
"system_prompt_files": [
|
||||
"AGENTS.md",
|
||||
"SOUL.md",
|
||||
"PROFILE.md"
|
||||
],
|
||||
"tools": {
|
||||
"builtin_tools": {
|
||||
"execute_shell_command": {
|
||||
"name": "execute_shell_command",
|
||||
"enabled": true,
|
||||
"description": "Execute shell commands",
|
||||
"display_to_user": true,
|
||||
"async_execution": false
|
||||
},
|
||||
"read_file": {
|
||||
"name": "read_file",
|
||||
"enabled": true,
|
||||
"description": "Read file contents",
|
||||
"display_to_user": true,
|
||||
"async_execution": false
|
||||
},
|
||||
"write_file": {
|
||||
"name": "write_file",
|
||||
"enabled": true,
|
||||
"description": "Write content to file",
|
||||
"display_to_user": true,
|
||||
"async_execution": false
|
||||
},
|
||||
"edit_file": {
|
||||
"name": "edit_file",
|
||||
"enabled": true,
|
||||
"description": "Edit file using find-and-replace",
|
||||
"display_to_user": true,
|
||||
"async_execution": false
|
||||
},
|
||||
"grep_search": {
|
||||
"name": "grep_search",
|
||||
"enabled": true,
|
||||
"description": "Search file contents by pattern",
|
||||
"display_to_user": true,
|
||||
"async_execution": false
|
||||
},
|
||||
"glob_search": {
|
||||
"name": "glob_search",
|
||||
"enabled": true,
|
||||
"description": "Find files matching a glob pattern",
|
||||
"display_to_user": true,
|
||||
"async_execution": false
|
||||
},
|
||||
"browser_use": {
|
||||
"name": "browser_use",
|
||||
"enabled": true,
|
||||
"description": "Browser automation and web interaction",
|
||||
"display_to_user": true,
|
||||
"async_execution": false
|
||||
},
|
||||
"desktop_screenshot": {
|
||||
"name": "desktop_screenshot",
|
||||
"enabled": true,
|
||||
"description": "Capture desktop screenshots",
|
||||
"display_to_user": true,
|
||||
"async_execution": false
|
||||
},
|
||||
"view_image": {
|
||||
"name": "view_image",
|
||||
"enabled": true,
|
||||
"description": "Load an image into LLM context for visual analysis",
|
||||
"display_to_user": false,
|
||||
"async_execution": false
|
||||
},
|
||||
"view_video": {
|
||||
"name": "view_video",
|
||||
"enabled": true,
|
||||
"description": "Load a video into LLM context for visual analysis",
|
||||
"display_to_user": false,
|
||||
"async_execution": false
|
||||
},
|
||||
"send_file_to_user": {
|
||||
"name": "send_file_to_user",
|
||||
"enabled": true,
|
||||
"description": "Send files to user",
|
||||
"display_to_user": true,
|
||||
"async_execution": false
|
||||
},
|
||||
"get_current_time": {
|
||||
"name": "get_current_time",
|
||||
"enabled": true,
|
||||
"description": "Get current date and time",
|
||||
"display_to_user": true,
|
||||
"async_execution": false
|
||||
},
|
||||
"set_user_timezone": {
|
||||
"name": "set_user_timezone",
|
||||
"enabled": true,
|
||||
"description": "Set user timezone",
|
||||
"display_to_user": true,
|
||||
"async_execution": false
|
||||
},
|
||||
"get_token_usage": {
|
||||
"name": "get_token_usage",
|
||||
"enabled": true,
|
||||
"description": "Get llm token usage",
|
||||
"display_to_user": true,
|
||||
"async_execution": false
|
||||
}
|
||||
}
|
||||
},
|
||||
"security": {
|
||||
"tool_guard": {
|
||||
"enabled": true,
|
||||
"denied_tools": [],
|
||||
"custom_rules": [],
|
||||
"disabled_rules": []
|
||||
},
|
||||
"file_guard": {
|
||||
"enabled": true,
|
||||
"sensitive_files": []
|
||||
},
|
||||
"skill_scanner": {
|
||||
"mode": "warn",
|
||||
"timeout": 30,
|
||||
"whitelist": []
|
||||
}
|
||||
}
|
||||
}
|
||||
@@ -1,170 +0,0 @@
|
||||
# 黑手党提案 Agent — Windows 一键安装/更新脚本 (PowerShell)
|
||||
# 用法: irm https://git.brainwork.club/lidf/chanpinhsd/archive/main.zip -OutFile $env:TEMP\mafia.zip; Expand-Archive $env:TEMP\mafia.zip $env:TEMP\mafia -Force; & $env:TEMP\mafia\chanpinhsd\agent\install.ps1
|
||||
|
||||
$ErrorActionPreference = "Stop"
|
||||
|
||||
function Write-Info($msg) { Write-Host "[mafia] $msg" -ForegroundColor Green }
|
||||
function Write-Warn($msg) { Write-Host "[mafia] $msg" -ForegroundColor Yellow }
|
||||
function Write-Err($msg) { Write-Host "[mafia] $msg" -ForegroundColor Red; exit 1 }
|
||||
|
||||
$COPAW_HOME = if ($env:COPAW_HOME) { $env:COPAW_HOME } else { Join-Path $env:USERPROFILE ".copaw" }
|
||||
$AGENT_ID = "mafia-expert"
|
||||
$WORKSPACE_DIR = Join-Path $COPAW_HOME "workspaces\$AGENT_ID"
|
||||
$SCRIPT_DIR = Split-Path -Parent $MyInvocation.MyCommand.Path
|
||||
|
||||
# ── 检查 CoPaw ────────────────────────────────────────────────────────
|
||||
if (-not (Test-Path (Join-Path $COPAW_HOME "config.json"))) {
|
||||
Write-Err "CoPaw 未安装。请先安装 CoPaw 桌面客户端：https://copaw.agentscope.io"
|
||||
}
|
||||
Write-Info "CoPaw 已就绪"
|
||||
|
||||
# ── 创建工作区 ─────────────────────────────────────────────────────────
|
||||
Write-Info "配置 $AGENT_ID 工作区..."
|
||||
$dirs = @("skills", "cases", "iteration_reports", "memory")
|
||||
foreach ($d in $dirs) {
|
||||
$p = Join-Path $WORKSPACE_DIR $d
|
||||
if (-not (Test-Path $p)) { New-Item -ItemType Directory -Path $p -Force | Out-Null }
|
||||
}
|
||||
|
||||
# ── 核心配置 ───────────────────────────────────────────────────────────
|
||||
$coreFiles = @("AGENTS.md", "SOUL.md", "PROFILE.md", "HEARTBEAT.md", "agent.json")
|
||||
foreach ($f in $coreFiles) {
|
||||
$src = Join-Path $SCRIPT_DIR $f
|
||||
if (Test-Path $src) { Copy-Item $src (Join-Path $WORKSPACE_DIR $f) -Force }
|
||||
}
|
||||
|
||||
# MEMORY.md 只在首次创建
|
||||
$memPath = Join-Path $WORKSPACE_DIR "MEMORY.md"
|
||||
if (-not (Test-Path $memPath)) {
|
||||
$memSrc = Join-Path $SCRIPT_DIR "MEMORY.md"
|
||||
if (Test-Path $memSrc) { Copy-Item $memSrc $memPath }
|
||||
else { Set-Content $memPath "# 黑手党提案专家长期记忆" -Encoding UTF8 }
|
||||
}
|
||||
|
||||
# ── Skills（每次全量覆盖） ─────────────────────────────────────────────
|
||||
$skillsSrc = Join-Path $SCRIPT_DIR "skills"
|
||||
if (Test-Path $skillsSrc) {
|
||||
Get-ChildItem $skillsSrc -Directory | ForEach-Object {
|
||||
if ($_.Name -eq "mafia_agent_installer") { return }
|
||||
$target = Join-Path $WORKSPACE_DIR "skills\$($_.Name)"
|
||||
if (-not (Test-Path $target)) { New-Item -ItemType Directory -Path $target -Force | Out-Null }
|
||||
Copy-Item "$($_.FullName)\*" $target -Force -Recurse 2>$null
|
||||
}
|
||||
}
|
||||
|
||||
Write-Info "文件复制完成"
|
||||
|
||||
# ── 合并 skill.json ────────────────────────────────────────────────────
|
||||
Write-Info "注册自定义 Skills..."
|
||||
$wsSkillJson = Join-Path $WORKSPACE_DIR "skill.json"
|
||||
$repoSkillJson = Join-Path $SCRIPT_DIR "skill.json"
|
||||
|
||||
$pyScript = @"
|
||||
import json, os, time
|
||||
|
||||
ws_skill = r'$wsSkillJson'
|
||||
repo_skill = r'$repoSkillJson'
|
||||
|
||||
if os.path.exists(ws_skill):
|
||||
with open(ws_skill, encoding='utf-8') as f:
|
||||
manifest = json.load(f)
|
||||
else:
|
||||
manifest = {'schema_version': 'workspace-skill-manifest.v1', 'version': 0, 'skills': {}}
|
||||
|
||||
if os.path.exists(repo_skill):
|
||||
with open(repo_skill, encoding='utf-8') as f:
|
||||
repo = json.load(f)
|
||||
for name, skill_cfg in repo.get('skills', {}).items():
|
||||
manifest['skills'][name] = skill_cfg
|
||||
print(f' + {name}')
|
||||
|
||||
skills_dir = os.path.join(r'$WORKSPACE_DIR', 'skills')
|
||||
if os.path.isdir(skills_dir):
|
||||
for d in os.listdir(skills_dir):
|
||||
if d.startswith('.'):
|
||||
continue
|
||||
skill_md = os.path.join(skills_dir, d, 'SKILL.md')
|
||||
if os.path.exists(skill_md) and d not in manifest['skills']:
|
||||
manifest['skills'][d] = {
|
||||
'enabled': True,
|
||||
'channels': ['all'],
|
||||
'source': 'customized',
|
||||
'metadata': {
|
||||
'name': d,
|
||||
'description': '',
|
||||
'version_text': '1.0.0',
|
||||
'source': 'customized',
|
||||
'protected': False,
|
||||
'requirements': {'require_bins': [], 'require_envs': []},
|
||||
},
|
||||
'requirements': {'require_bins': [], 'require_envs': []},
|
||||
}
|
||||
print(f' + {d} (from dir)')
|
||||
|
||||
manifest['version'] = int(time.time() * 1000)
|
||||
with open(ws_skill, 'w', encoding='utf-8') as f:
|
||||
json.dump(manifest, f, indent=2, ensure_ascii=False)
|
||||
print(' skills done')
|
||||
"@
|
||||
|
||||
python3 -c $pyScript 2>$null
|
||||
if ($LASTEXITCODE -ne 0) { python -c $pyScript }
|
||||
|
||||
# ── 注册到 config.json ─────────────────────────────────────────────────
|
||||
Write-Info "注册 Agent..."
|
||||
$regScript = @"
|
||||
import json, os
|
||||
|
||||
config_path = os.path.join(r'$COPAW_HOME', 'config.json')
|
||||
with open(config_path, 'r', encoding='utf-8') as f:
|
||||
cfg = json.load(f)
|
||||
|
||||
agent_id = '$AGENT_ID'
|
||||
ws_dir = r'$WORKSPACE_DIR'
|
||||
changed = False
|
||||
|
||||
if agent_id not in cfg['agents']['profiles']:
|
||||
cfg['agents']['profiles'][agent_id] = {
|
||||
'id': agent_id,
|
||||
'workspace_dir': ws_dir,
|
||||
'enabled': True
|
||||
}
|
||||
changed = True
|
||||
|
||||
if agent_id not in cfg['agents']['agent_order']:
|
||||
cfg['agents']['agent_order'].append(agent_id)
|
||||
changed = True
|
||||
|
||||
if changed:
|
||||
with open(config_path, 'w', encoding='utf-8') as f:
|
||||
json.dump(cfg, f, indent=2, ensure_ascii=False)
|
||||
print(' registered')
|
||||
else:
|
||||
print(' already registered')
|
||||
"@
|
||||
|
||||
python3 -c $regScript 2>$null
|
||||
if ($LASTEXITCODE -ne 0) { python -c $regScript }
|
||||
|
||||
# ── 记录来源 ───────────────────────────────────────────────────────────
|
||||
$repoDir = Split-Path -Parent $SCRIPT_DIR
|
||||
Set-Content (Join-Path $WORKSPACE_DIR ".repo_path") $repoDir -Encoding UTF8
|
||||
|
||||
# ── 清理临时文件 ───────────────────────────────────────────────────────
|
||||
if ($SCRIPT_DIR -like "$env:TEMP*") {
|
||||
Write-Info "清理临时文件..."
|
||||
Remove-Item $repoDir -Recurse -Force -ErrorAction SilentlyContinue
|
||||
}
|
||||
|
||||
# ── 完成 ───────────────────────────────────────────────────────────────
|
||||
Write-Host ""
|
||||
Write-Info "════════════════════════════════════════════════"
|
||||
Write-Info " ✅ 黑手党提案专家 安装/更新完成！"
|
||||
Write-Info "════════════════════════════════════════════════"
|
||||
Write-Host ""
|
||||
Write-Info "下一步："
|
||||
Write-Info " 1. 打开 CoPaw 客户端"
|
||||
Write-Info " 2. 刷新页面（Ctrl+R / F5）"
|
||||
Write-Info " 3. 左上角切换到「黑手党提案专家」"
|
||||
Write-Info " 4. 发送：我想为 XX 品牌做一个黑手党提案"
|
||||
Write-Host ""
|
||||
@@ -1,185 +0,0 @@
|
||||
#!/usr/bin/env bash
|
||||
# 黑手党提案 Agent — 一键安装/更新脚本
|
||||
# 支持两种调用方式：
|
||||
# 1. git clone 后：bash agent/install.sh
|
||||
# 2. curl 下载后：bash /tmp/chanpinhsd-main/agent/install.sh
|
||||
set -euo pipefail
|
||||
|
||||
GREEN='\033[0;32m'
|
||||
YELLOW='\033[0;33m'
|
||||
RED='\033[0;31m'
|
||||
NC='\033[0m'
|
||||
|
||||
info() { printf "${GREEN}[mafia]${NC} %s\n" "$*"; }
|
||||
warn() { printf "${YELLOW}[mafia]${NC} %s\n" "$*"; }
|
||||
error() { printf "${RED}[mafia]${NC} %s\n" "$*" >&2; exit 1; }
|
||||
|
||||
COPAW_HOME="${COPAW_HOME:-$HOME/.copaw}"
|
||||
AGENT_ID="mafia-expert"
|
||||
WORKSPACE_DIR="$COPAW_HOME/workspaces/$AGENT_ID"
|
||||
SCRIPT_DIR="$(cd "$(dirname "$0")" && pwd)"
|
||||
|
||||
# ── 检测操作系统 ──────────────────────────────────────────────────────
|
||||
OS="$(uname -s)"
|
||||
case "$OS" in
|
||||
Darwin) info "检测到 macOS" ;;
|
||||
Linux) info "检测到 Linux" ;;
|
||||
MINGW*|MSYS*|CYGWIN*) warn "检测到 Windows (Git Bash/MSYS)，部分功能可能受限" ;;
|
||||
*) error "不支持的操作系统: $OS" ;;
|
||||
esac
|
||||
|
||||
# ── 检查 CoPaw 是否已安装 ──────────────────────────────────────────────
|
||||
if [ ! -f "$COPAW_HOME/config.json" ]; then
|
||||
if command -v copaw &>/dev/null || [ -f "$COPAW_HOME/bin/copaw" ]; then
|
||||
info "CoPaw 已安装但未初始化，正在初始化..."
|
||||
export PATH="$COPAW_HOME/bin:$PATH"
|
||||
copaw init --defaults --accept-security
|
||||
else
|
||||
error "CoPaw 未安装。请先安装 CoPaw 桌面客户端：https://copaw.agentscope.io"
|
||||
fi
|
||||
else
|
||||
info "CoPaw 已就绪"
|
||||
fi
|
||||
|
||||
# ── 创建工作区并复制文件 ───────────────────────────────────────────────
|
||||
info "配置 $AGENT_ID 工作区..."
|
||||
mkdir -p "$WORKSPACE_DIR/skills"
|
||||
mkdir -p "$WORKSPACE_DIR/cases"
|
||||
mkdir -p "$WORKSPACE_DIR/iteration_reports"
|
||||
mkdir -p "$WORKSPACE_DIR/memory"
|
||||
|
||||
# 核心配置（skill.json 单独合并，不覆盖）
|
||||
for f in AGENTS.md SOUL.md PROFILE.md HEARTBEAT.md agent.json; do
|
||||
if [ -f "$SCRIPT_DIR/$f" ]; then
|
||||
cp "$SCRIPT_DIR/$f" "$WORKSPACE_DIR/$f"
|
||||
fi
|
||||
done
|
||||
|
||||
# MEMORY.md 只在首次创建（不覆盖用户积累的记忆）
|
||||
if [ ! -f "$WORKSPACE_DIR/MEMORY.md" ]; then
|
||||
cp "$SCRIPT_DIR/MEMORY.md" "$WORKSPACE_DIR/MEMORY.md" 2>/dev/null || echo "# 黑手党提案专家长期记忆" > "$WORKSPACE_DIR/MEMORY.md"
|
||||
fi
|
||||
|
||||
# Skills（每次全量覆盖，保证最新）
|
||||
if [ -d "$SCRIPT_DIR/skills" ]; then
|
||||
for skill_dir in "$SCRIPT_DIR/skills"/*/; do
|
||||
skill_name="$(basename "$skill_dir")"
|
||||
# installer skill 不复制到 mafia-expert，它属于 default agent
|
||||
if [ "$skill_name" = "mafia_agent_installer" ]; then
|
||||
continue
|
||||
fi
|
||||
mkdir -p "$WORKSPACE_DIR/skills/$skill_name"
|
||||
cp "$skill_dir"* "$WORKSPACE_DIR/skills/$skill_name/" 2>/dev/null || true
|
||||
done
|
||||
fi
|
||||
|
||||
info "文件复制完成"
|
||||
|
||||
# ── 合并 skill.json（注入自定义 skills，保留内置 skills）──────────────
|
||||
info "注册自定义 Skills..."
|
||||
python3 -c "
|
||||
import json, os, time
|
||||
|
||||
ws_skill = os.path.expanduser('$WORKSPACE_DIR/skill.json')
|
||||
repo_skill = '$SCRIPT_DIR/skill.json'
|
||||
|
||||
# 读取工作区已有的 manifest（含内置 skills）
|
||||
if os.path.exists(ws_skill):
|
||||
with open(ws_skill) as f:
|
||||
manifest = json.load(f)
|
||||
else:
|
||||
manifest = {'schema_version': 'workspace-skill-manifest.v1', 'version': 0, 'skills': {}}
|
||||
|
||||
# 读取仓库的自定义 skills 定义
|
||||
if os.path.exists(repo_skill):
|
||||
with open(repo_skill) as f:
|
||||
repo = json.load(f)
|
||||
for name, skill_cfg in repo.get('skills', {}).items():
|
||||
manifest['skills'][name] = skill_cfg
|
||||
print(f' + {name}')
|
||||
|
||||
# 同时扫描 active_skills 目录，确保所有 SKILL.md 都被注册
|
||||
skills_dir = os.path.expanduser('$WORKSPACE_DIR/skills')
|
||||
if os.path.isdir(skills_dir):
|
||||
for d in os.listdir(skills_dir):
|
||||
if d.startswith('.'):
|
||||
continue
|
||||
skill_md = os.path.join(skills_dir, d, 'SKILL.md')
|
||||
if os.path.exists(skill_md) and d not in manifest['skills']:
|
||||
manifest['skills'][d] = {
|
||||
'enabled': True,
|
||||
'channels': ['all'],
|
||||
'source': 'customized',
|
||||
'metadata': {
|
||||
'name': d,
|
||||
'description': '',
|
||||
'version_text': '1.0.0',
|
||||
'source': 'customized',
|
||||
'protected': False,
|
||||
'requirements': {'require_bins': [], 'require_envs': []},
|
||||
},
|
||||
'requirements': {'require_bins': [], 'require_envs': []},
|
||||
}
|
||||
print(f' + {d} (from dir)')
|
||||
|
||||
manifest['version'] = int(time.time() * 1000)
|
||||
with open(ws_skill, 'w') as f:
|
||||
json.dump(manifest, f, indent=2, ensure_ascii=False)
|
||||
print(' skills 注册完成')
|
||||
"
|
||||
|
||||
# ── 注册到 config.json ─────────────────────────────────────────────────
|
||||
info "注册 Agent..."
|
||||
python3 -c "
|
||||
import json, os
|
||||
|
||||
config_path = os.path.expanduser('$COPAW_HOME/config.json')
|
||||
with open(config_path, 'r') as f:
|
||||
cfg = json.load(f)
|
||||
|
||||
agent_id = '$AGENT_ID'
|
||||
ws_dir = '$WORKSPACE_DIR'
|
||||
|
||||
changed = False
|
||||
if agent_id not in cfg['agents']['profiles']:
|
||||
cfg['agents']['profiles'][agent_id] = {
|
||||
'id': agent_id,
|
||||
'workspace_dir': ws_dir,
|
||||
'enabled': True
|
||||
}
|
||||
changed = True
|
||||
|
||||
if agent_id not in cfg['agents']['agent_order']:
|
||||
cfg['agents']['agent_order'].append(agent_id)
|
||||
changed = True
|
||||
|
||||
if changed:
|
||||
with open(config_path, 'w') as f:
|
||||
json.dump(cfg, f, indent=2, ensure_ascii=False)
|
||||
print(' ✅ 注册成功')
|
||||
else:
|
||||
print(' ✅ 已注册，配置已更新')
|
||||
"
|
||||
|
||||
# ── 记录来源路径（便于后续更新）─────────────────────────────────────────
|
||||
REPO_DIR="$(cd "$SCRIPT_DIR/.." && pwd)"
|
||||
echo "$REPO_DIR" > "$WORKSPACE_DIR/.repo_path"
|
||||
|
||||
# ── 清理临时文件（如果是 curl 下载的）──────────────────────────────────
|
||||
if [[ "$SCRIPT_DIR" == /tmp/* ]]; then
|
||||
info "清理临时文件..."
|
||||
rm -rf "$(cd "$SCRIPT_DIR/.." && pwd)"
|
||||
fi
|
||||
|
||||
# ── 完成 ───────────────────────────────────────────────────────────────
|
||||
echo ""
|
||||
info "════════════════════════════════════════════════"
|
||||
info " ✅ 黑手党提案专家 安装/更新完成！"
|
||||
info "════════════════════════════════════════════════"
|
||||
echo ""
|
||||
info "下一步："
|
||||
info " 1. 打开 CoPaw 客户端"
|
||||
info " 2. 刷新页面（Cmd+R / F5）"
|
||||
info " 3. 左上角切换到「黑手党提案专家」"
|
||||
info " 4. 发送：我想为 XX 品牌做一个黑手党提案"
|
||||
echo ""
|
||||
@@ -1,90 +0,0 @@
|
||||
{
|
||||
"schema_version": "workspace-skill-manifest.v1",
|
||||
"version": 1775500000000,
|
||||
"skills": {
|
||||
"ude_diagnosis": {
|
||||
"enabled": true,
|
||||
"channels": ["all"],
|
||||
"source": "customized",
|
||||
"metadata": {
|
||||
"name": "ude_diagnosis",
|
||||
"description": "UDE 诊断 — TOC 不满意效果分析",
|
||||
"version_text": "1.0.0",
|
||||
"source": "customized",
|
||||
"protected": false,
|
||||
"requirements": {"require_bins": [], "require_envs": []}
|
||||
},
|
||||
"requirements": {"require_bins": [], "require_envs": []}
|
||||
},
|
||||
"conflict_cloud": {
|
||||
"enabled": true,
|
||||
"channels": ["all"],
|
||||
"source": "customized",
|
||||
"metadata": {
|
||||
"name": "conflict_cloud",
|
||||
"description": "冲突图构建 — TOC 对立假设分析",
|
||||
"version_text": "1.0.0",
|
||||
"source": "customized",
|
||||
"protected": false,
|
||||
"requirements": {"require_bins": [], "require_envs": []}
|
||||
},
|
||||
"requirements": {"require_bins": [], "require_envs": []}
|
||||
},
|
||||
"convention_breaker": {
|
||||
"enabled": true,
|
||||
"channels": ["all"],
|
||||
"source": "customized",
|
||||
"metadata": {
|
||||
"name": "convention_breaker",
|
||||
"description": "惯例揭示与打破 — TOC 核心突破",
|
||||
"version_text": "1.0.0",
|
||||
"source": "customized",
|
||||
"protected": false,
|
||||
"requirements": {"require_bins": [], "require_envs": []}
|
||||
},
|
||||
"requirements": {"require_bins": [], "require_envs": []}
|
||||
},
|
||||
"negative_branch": {
|
||||
"enabled": true,
|
||||
"channels": ["all"],
|
||||
"source": "customized",
|
||||
"metadata": {
|
||||
"name": "negative_branch",
|
||||
"description": "负面分支预测 — TOC 风险分析",
|
||||
"version_text": "1.0.0",
|
||||
"source": "customized",
|
||||
"protected": false,
|
||||
"requirements": {"require_bins": [], "require_envs": []}
|
||||
},
|
||||
"requirements": {"require_bins": [], "require_envs": []}
|
||||
},
|
||||
"proposal_assembler": {
|
||||
"enabled": true,
|
||||
"channels": ["all"],
|
||||
"source": "customized",
|
||||
"metadata": {
|
||||
"name": "proposal_assembler",
|
||||
"description": "提案组装 — 黑手党提案最终交付",
|
||||
"version_text": "1.0.0",
|
||||
"source": "customized",
|
||||
"protected": false,
|
||||
"requirements": {"require_bins": [], "require_envs": []}
|
||||
},
|
||||
"requirements": {"require_bins": [], "require_envs": []}
|
||||
},
|
||||
"voc_research": {
|
||||
"enabled": true,
|
||||
"channels": ["all"],
|
||||
"source": "customized",
|
||||
"metadata": {
|
||||
"name": "voc_research",
|
||||
"description": "VOC 研究采集与分析（需要用户自带 TikHub Key）",
|
||||
"version_text": "1.0.0",
|
||||
"source": "customized",
|
||||
"protected": false,
|
||||
"requirements": {"require_bins": [], "require_envs": []}
|
||||
},
|
||||
"requirements": {"require_bins": [], "require_envs": []}
|
||||
}
|
||||
}
|
||||
}
|
||||
@@ -1,95 +0,0 @@
|
||||
---
|
||||
name: 冲突图构建
|
||||
description: 对筛选出的主要UDE构建冲突图（Evaporating Cloud），拆解O-B-D结构，合并多个UDE的冲突图
|
||||
---
|
||||
|
||||
# 冲突图构建（Evaporating Cloud / Conflict Cloud）
|
||||
|
||||
当用户完成了 UDE 诊断（筛选出最重要的 3 个 UDE + 恶性循环），进入"定义核心冲突"时，激活此 Skill。
|
||||
|
||||
## 概念说明
|
||||
|
||||
冲突图（又称"蒸发云"）是 TOC 思考过程的核心工具。它揭示的不是"问题"，而是"为什么问题一直存在"——因为存在一个看似无法调和的冲突。
|
||||
|
||||
## 第一步：对每个主要 UDE 构建冲突图
|
||||
|
||||
### 构建逻辑（Agent 内部推理过程）
|
||||
|
||||
1. 将 UDE 反转为 DE（期望效果）
|
||||
2. 思考：DE 的必备条件是什么？（D：只有做了 D，UDE 才会转化为 DE）
|
||||
3. 从 D 中找到两个矛盾的行动方向（D1 vs D2）
|
||||
4. D1 对应的期望效果 = B1（需求1）
|
||||
5. D2 对应的期望效果 = B2（需求2）
|
||||
6. B1 和 B2 共同服务的上层目标 = O
|
||||
|
||||
### 引导用户的提问
|
||||
|
||||
对每个主要 UDE，依次提问：
|
||||
|
||||
1. "当您感受到这个 UDE 时，团队**通常的做法**是什么？" → 这就是 D1
|
||||
2. "如果不考虑任何限制，您**期望采取的做法**是什么？" → 这就是 D2
|
||||
3. "D1 试图满足的需求是什么？" → 这就是 B1
|
||||
4. "D2 试图满足的需求是什么？" → 这就是 B2
|
||||
5. "B1 和 B2 共同服务的更大目标是什么？" → 这就是 O
|
||||
|
||||
### 输出模板（每个 UDE 一份）
|
||||
|
||||
```markdown
|
||||
### UDE-[编号]：[UDE 描述]
|
||||
|
||||
| 维度 | 目标 | 需求 | 行动 |
|
||||
|------|------|------|------|
|
||||
| 惯性方向 | O: [系统目标] | B1: [需求1] | D1: [当前通常做法] |
|
||||
| 期望方向 | | B2: [需求2] | D2: [期望做法] |
|
||||
|
||||
#### 互斥性检查
|
||||
- ✅ 如果 D1，则不能 D2：[解释为什么]
|
||||
- ✅ 如果 D2，则不能 D1：[解释为什么]
|
||||
- ✅ 只有 D1 才能 B1：[解释]
|
||||
- ✅ 只有 D2 才能 B2：[解释]
|
||||
- ✅ 如果 D1 则不能 B2：[解释]
|
||||
- ✅ 如果 D2 则不能 B1：[解释]
|
||||
```
|
||||
|
||||
### 互斥性校验规则
|
||||
|
||||
**这是最关键的质量关卡。** D1 和 D2 必须满足以下全部条件：
|
||||
- D1 和 D2 不能同时执行（不是"程度差异"，而是"方向互斥"）
|
||||
- 选择 D1 必然牺牲 B2
|
||||
- 选择 D2 必然牺牲 B1
|
||||
- 如果可以"都做一点"，说明冲突图构建有误，需要重新提炼
|
||||
|
||||
## 第二步：合并冲突图
|
||||
|
||||
当多个 UDE 的冲突图都完成后，寻找它们的共性：
|
||||
|
||||
### 合并规则
|
||||
1. 将多个 O 合并为统一的系统目标
|
||||
2. 将多个 B1 合并为"惯性方向的需求集"
|
||||
3. 将多个 B2 合并为"期望方向的需求集"
|
||||
4. 将多个 D1 合并为"当前采取的行动集"
|
||||
5. 将多个 D2 合并为"希望采取的行动集"
|
||||
|
||||
### 输出模板
|
||||
|
||||
```markdown
|
||||
### 合并冲突图
|
||||
|
||||
| 维度 | O合并 | B | D |
|
||||
|------|-------|---|---|
|
||||
| 惯性方向 | 1. [目标1] | B1 合并：| D1 合并（当前行动）：|
|
||||
| | 2. [目标2] | - [需求a] | - [行动a] |
|
||||
| | 3. [目标3] | - [需求b] | - [行动b] |
|
||||
| 期望方向 | | B2 合并：| D2 合并（期望行动）：|
|
||||
| | | - [需求c] | - [行动c] |
|
||||
| | | - [需求d] | - [行动d] |
|
||||
```
|
||||
|
||||
## 完成标志
|
||||
|
||||
- [ ] 每个主要 UDE（3个）都有独立的冲突图
|
||||
- [ ] 每个冲突图通过互斥性校验
|
||||
- [ ] 完成合并冲突图
|
||||
- [ ] 用户确认合并结果
|
||||
|
||||
完成后，提示用户进入下一步：**步骤2 - 揭示冲突背后的惯例**。
|
||||
@@ -1,139 +0,0 @@
|
||||
---
|
||||
name: 惯例打破与方案激发
|
||||
description: 揭示冲突背后的行业惯例，通过因果假设分析找到隐含假设，用例外案例激发打破惯例的方案，输出方向性提案
|
||||
---
|
||||
|
||||
# 惯例打破与方案激发（Convention Breaker）
|
||||
|
||||
当用户完成了冲突图构建（合并冲突图就绪），进入"揭示惯例"和"用例外激发方案"时，激活此 Skill。
|
||||
|
||||
此 Skill 覆盖原方法论的 **步骤2（揭示惯例）** 和 **步骤3（用例外激发方案）**。
|
||||
|
||||
---
|
||||
|
||||
## 部分一：揭示冲突背后的惯例（步骤2）
|
||||
|
||||
### 核心问题
|
||||
|
||||
对合并冲突图中的每对 B1-D1，追问：
|
||||
|
||||
> **"为什么用户想要 B1，就一定得 D1？"**
|
||||
|
||||
### 因果假设分析法
|
||||
|
||||
用 CLR（因果逻辑推理）格式拆解：
|
||||
|
||||
```
|
||||
因为：D1 [当前行动]
|
||||
同时：[隐含假设]
|
||||
那么：B1 [需求被满足]
|
||||
```
|
||||
|
||||
如果这个逻辑链成立，说明"隐含假设"就是维持 D1 的根基。
|
||||
|
||||
### 引导提问
|
||||
|
||||
1. "在你们行业，为什么大家都选择 D1 而不是 D2？"
|
||||
2. "D1 背后有什么'理所当然'的假设？"
|
||||
3. "这个假设对应的行业通常做法（惯例）是什么？"
|
||||
4. "你能举出具体的同行案例来证明这个惯例的存在吗？"
|
||||
|
||||
### 输出模板
|
||||
|
||||
```markdown
|
||||
### 惯例分析
|
||||
|
||||
| 关键问题 | 假设 | 行业惯例（直接证据/通常做法） | 总结 |
|
||||
|---------|------|---------------------------|------|
|
||||
| 为什么想要 B1:[XX] 就必须 D1:[XX]？ | [假设1] | [具体行业做法] | 如果遵循惯例1: [XX]，则用户只会D1不会D2 |
|
||||
| 检查：因为 D1，同时 [假设]，那么 B1 | [假设2] | [具体行业做法] | 如果遵循惯例2: [XX]，则用户只会D1不会D2 |
|
||||
```
|
||||
|
||||
### 惯例验证（两个视角，必做）
|
||||
|
||||
#### 我方视角验证
|
||||
|
||||
```markdown
|
||||
1. 惯例是不是行业内保护自身利益的"普遍做法"？
|
||||
- 惯例1 [XX]：✅/❌ [解释]
|
||||
- 惯例2 [XX]：✅/❌ [解释]
|
||||
|
||||
2. 惯例是否导致/加剧当下的恶性循环？
|
||||
- 因为：企业继续遵守惯例 [XX]
|
||||
- 假设：同时，[XX]
|
||||
- 结果：恶性循环中 [XX] 将加剧
|
||||
```
|
||||
|
||||
#### DTB（客户）视角验证
|
||||
|
||||
```markdown
|
||||
1. 惯例直接导致了主要 UDE 中的至少一个？
|
||||
- 惯例 [XX] → 直接导致 UDE-[编号]：✅/❌
|
||||
|
||||
2. 惯例导致加剧了恶性循环？
|
||||
- 惯例 [XX] → 加剧循环 [编号]：✅/❌
|
||||
```
|
||||
|
||||
**如果验证不通过，需要回退重新寻找惯例。**
|
||||
|
||||
---
|
||||
|
||||
## 部分二：用例外激发方案（步骤3）
|
||||
|
||||
### 核心规则
|
||||
|
||||
**例外必须是具体实例，而不是逻辑推演。** 不接受"理论上可以……"，必须是"在 XX 行业，XX 公司做到了……"。
|
||||
|
||||
### 引导提问
|
||||
|
||||
对每个惯例，依次提问：
|
||||
|
||||
1. "有没有哪家公司/哪个行业，做了跟这个惯例完全相反的事，反而成功了？"
|
||||
2. "如果用户可以同时获得 B1 和 B2，那需要什么样的新做法？"
|
||||
3. "发生了什么例外事件破坏了这个假设？"
|
||||
|
||||
### 方案激发模板
|
||||
|
||||
对每个惯例分别填写：
|
||||
|
||||
```markdown
|
||||
### 惯例 [编号]：[惯例名称]
|
||||
|
||||
| 维度 | DTB目标 | 需求 | 行动 | 激发方案 |
|
||||
|------|--------|------|------|---------|
|
||||
| 之所以D2无法B1，是因为假设： | | | | [隐含假设] |
|
||||
| 现有惯例对应D1 | O: [XX] | B1: [XX] | D1: [XX] | 例外是：[具体公司/行业实例] |
|
||||
| 打破惯例对应D2 | | B2: [XX] | D2: [XX] | 可以尝试的是：[具体方案] |
|
||||
```
|
||||
|
||||
### 方向性提案总结（必须输出）
|
||||
|
||||
当所有惯例都完成方案激发后，用以下固定格式输出总结：
|
||||
|
||||
```markdown
|
||||
## 方向性提案总结
|
||||
|
||||
> **通过** D [具体行动]，**满足** B [具体需求]；
|
||||
> **同时通过** D' [具体行动]，**满足** B' [具体需求]；
|
||||
> **使 DTB 既可以** O1 [目标1]，**又能够** O2 [目标2]。
|
||||
|
||||
### 具体拆解
|
||||
- D：[行动描述]
|
||||
- B：[需求描述]
|
||||
- D'：[行动描述]
|
||||
- B'：[需求描述]
|
||||
- O1：[目标描述]
|
||||
- O2：[目标描述]
|
||||
```
|
||||
|
||||
---
|
||||
|
||||
## 完成标志
|
||||
|
||||
- [ ] 每个惯例都经过因果假设分析
|
||||
- [ ] 每个惯例通过双视角验证（我方 + DTB）
|
||||
- [ ] 每个惯例都找到了具体的例外案例（不是逻辑推演）
|
||||
- [ ] 输出了方向性提案总结
|
||||
- [ ] 用户确认方向性提案
|
||||
|
||||
完成后，提示用户进入下一步：**步骤4 - 消除负面分支**。
|
||||
@@ -1,39 +0,0 @@
|
||||
---
|
||||
name: mafia_agent_installer
|
||||
description: "安装或更新「黑手党提案专家」Agent。当用户提到安装、更新、升级黑手党提案时激活。"
|
||||
metadata:
|
||||
copaw:
|
||||
emoji: "🔧"
|
||||
requires: {}
|
||||
---
|
||||
|
||||
# 黑手党提案 Agent 安装与更新
|
||||
|
||||
当用户要求**安装、更新、升级「黑手党提案专家」Agent** 时，使用此 Skill。
|
||||
|
||||
## 安装（用户首次使用）
|
||||
|
||||
用 `execute_shell_command` 执行：
|
||||
|
||||
```bash
|
||||
curl -fsSL https://git.brainwork.club/lidf/chanpinhsd/archive/main.tar.gz | tar xz -C /tmp && bash /tmp/chanpinhsd/agent/install.sh
|
||||
```
|
||||
|
||||
## 更新（已安装过）
|
||||
|
||||
先检查是否有 Git 仓库：
|
||||
|
||||
```bash
|
||||
if [ -d ~/mafia-proposal/.git ]; then
|
||||
cd ~/mafia-proposal && git pull && bash agent/install.sh
|
||||
else
|
||||
curl -fsSL https://git.brainwork.club/lidf/chanpinhsd/archive/main.tar.gz | tar xz -C /tmp && bash /tmp/chanpinhsd/agent/install.sh
|
||||
fi
|
||||
```
|
||||
|
||||
## 安装完成后
|
||||
|
||||
告知用户：
|
||||
|
||||
> ✅ **黑手党提案专家**已就绪！
|
||||
> 请刷新页面（Cmd+R），然后在左上角切换到「黑手党提案专家」开始使用。
|
||||
@@ -1,117 +0,0 @@
|
||||
---
|
||||
name: 负面分支消除
|
||||
description: 识别新方案可能带来的新UDE，构建因果假设链，在链条中找到打破假设的节点来消解负面分支
|
||||
---
|
||||
|
||||
# 负面分支消除（Negative Branch Reservation）
|
||||
|
||||
当用户完成了方向性提案总结，进入"消除负面分支"时，激活此 Skill。
|
||||
|
||||
## 概念说明
|
||||
|
||||
任何新方案在解决旧问题的同时，都会带来新的副作用。负面分支消除不是否定新方案，而是提前预见并设计配套措施，使副作用不会危害核心需求。
|
||||
|
||||
---
|
||||
|
||||
## 第一步：列出新方案可能导致的所有新 UDE
|
||||
|
||||
### 引导提问
|
||||
|
||||
向用户提供以下发散思考维度：
|
||||
|
||||
> "如果我们实施了方向性提案中的新方案（D + D'），可能会出现哪些新的不良效果？"
|
||||
|
||||
提供以下清单帮助用户发散思考：
|
||||
|
||||
- 协同复杂度增加（扯皮和纠纷变多）
|
||||
- 考核边界不清晰（难以量化）
|
||||
- 管理复杂度增加
|
||||
- 局部效率降低
|
||||
- 结果不确定性高
|
||||
- 不适应新的思考和行为模式
|
||||
- 加重了认知负担
|
||||
- 提升了决策难度
|
||||
- 决策慢
|
||||
- 错失"机会"多
|
||||
- 官僚作风
|
||||
- 办公室政治
|
||||
- 对人才的要求高
|
||||
- 短期业绩可能下滑
|
||||
- 组织阻力大
|
||||
- 其他（请用户补充）
|
||||
|
||||
## 第二步：筛选危害性 UDE
|
||||
|
||||
从新增 UDE 中，筛选出**同时满足**以下两个条件的：
|
||||
|
||||
1. **直接危害**现有任一 B（方向性提案中的需求）
|
||||
2. **客户感受强**（客户会第一时间抱怨）
|
||||
|
||||
### 输出模板
|
||||
|
||||
```markdown
|
||||
### 危害性 UDE 筛选
|
||||
|
||||
| 被危害的 B | 新增 UDE | 客户感受 |
|
||||
|-----------|---------|---------|
|
||||
| B1: [需求] | [新UDE描述] | [为什么客户感受强] |
|
||||
| B2: [需求] | [新UDE描述] | [为什么客户感受强] |
|
||||
```
|
||||
|
||||
## 第三步：构建因果假设链
|
||||
|
||||
对每个危害性 UDE，从方案 D 开始，追踪因果链条直到最终 UDE。
|
||||
|
||||
### 构建规则
|
||||
|
||||
1. 从最底层（方案 D）向上推演
|
||||
2. 每一步标注"假设"（这步成立需要什么前提）
|
||||
3. 每一步标注性质：DE（好的中间结果）还是 UDE（坏的中间结果）
|
||||
4. **重点寻找**：链条中 DE 变为 UDE 的转折点——那就是打破假设的节点
|
||||
|
||||
### 输出模板（每个危害性 UDE 一份）
|
||||
|
||||
```markdown
|
||||
### 因果假设链：[最终 UDE 描述]
|
||||
|
||||
| | 因果假设链 | | 性质 |
|
||||
|--|-----------|--|------|
|
||||
| 结果 | 最终结果：[UDE 描述] | | UDE |
|
||||
| 过程 | 中间结果3：[XX] | 假设：[XX] | UDE |
|
||||
| | 中间结果2：[XX] | 假设：[XX] | UDE/DE |
|
||||
| | | | **→ 打破假设的方案：[XX]** |
|
||||
| | 中间结果1：[XX] | 假设：[XX] | DE |
|
||||
| 方案 | D：[新方案] | 假设：[前提条件] | |
|
||||
```
|
||||
|
||||
## 第四步：验证打破假设方案的有效性
|
||||
|
||||
对每个"打破假设的方案"，用以下模板验证：
|
||||
|
||||
```markdown
|
||||
### 验证：[打破的假设]
|
||||
|
||||
| 如果： | D [具体方案] |
|
||||
|--------|-------------|
|
||||
| 同时： | 假设 [前提条件被满足] |
|
||||
| 那么： | UDE变成DE：[原UDE描述] → [新DE描述] |
|
||||
| 并且那么： | 现有DE没有转变为UDE：✅ [确认说明] |
|
||||
```
|
||||
|
||||
### 验证标准
|
||||
- "UDE 变成 DE"必须是具体的、可感知的改善
|
||||
- "现有 DE 没有转变为 UDE"必须逐一检查所有现有 DE
|
||||
- 如果验证不通过，需要回退修改打破假设方案
|
||||
|
||||
---
|
||||
|
||||
## 完成标志
|
||||
|
||||
- [ ] 列出了所有可能的新增 UDE
|
||||
- [ ] 筛选出直接危害 B 且客户感受强的 UDE
|
||||
- [ ] 每个危害性 UDE 都有因果假设链
|
||||
- [ ] 每条链上找到了打破假设的节点和方案
|
||||
- [ ] 每个打破假设方案通过了"如果-同时-那么"验证
|
||||
- [ ] 用户确认所有负面分支已消解
|
||||
|
||||
完成后，提示用户进入最后一步：**步骤5 - 确立新规则、匹配新能力**。
|
||||
@@ -1,183 +0,0 @@
|
||||
---
|
||||
name: 提案组装
|
||||
description: 确立新规则、匹配运营能力、组装最终黑手党提案交付文档
|
||||
---
|
||||
|
||||
# 提案组装（Proposal Assembler）
|
||||
|
||||
当用户完成了负面分支消除，进入最后阶段时，激活此 Skill。
|
||||
|
||||
此 Skill 覆盖 **步骤5（确立新规则、匹配新能力）** 和 **最终交付文档组装**。
|
||||
|
||||
---
|
||||
|
||||
## 部分一：确立新规则（步骤5）
|
||||
|
||||
### 第一步：对比新旧惯例
|
||||
|
||||
```markdown
|
||||
### 新旧惯例对比
|
||||
|
||||
| 维度 | 旧惯例 | 新规则 |
|
||||
|------|-------|-------|
|
||||
| 惯例1 | [旧做法] | [打破后的新做法] |
|
||||
| 惯例2 | [旧做法] | [打破后的新做法] |
|
||||
```
|
||||
|
||||
### 第二步：梳理剩余 UDE
|
||||
|
||||
将所有 UDE 分为两类：
|
||||
|
||||
| 分类 | 说明 | 处理方式 |
|
||||
|------|------|---------|
|
||||
| 原 UDE 未被方向性提案解决的 | 打破惯例后仍然存在 | 需要额外运营能力 |
|
||||
| 新方案导致的新 UDE（负面分支未完全消解的） | 步骤4 的遗留 | 需要配套运营能力 |
|
||||
|
||||
### 第三步：匹配运营能力
|
||||
|
||||
对每个剩余 UDE，明确"要把它转化为 DE 需要什么能力"：
|
||||
|
||||
```markdown
|
||||
### 运营能力匹配
|
||||
|
||||
| 分类 | 期望改变的结果 | 运营能力（我方产品为DTB增加的能力） |
|
||||
|------|-------------|--------------------------------|
|
||||
| 原UDE → DE | [UDE描述] → [期望DE] | [具体运营能力] |
|
||||
| 原UDE → DE | [UDE描述] → [期望DE] | [具体运营能力] |
|
||||
| 新UDE → DE | [UDE描述] → [期望DE] | [具体运营能力] |
|
||||
| 新UDE → DE | [UDE描述] → [期望DE] | [具体运营能力] |
|
||||
```
|
||||
|
||||
### 第四步：输出产品说明书
|
||||
|
||||
将运营能力归类到具体的产品/服务单元中：
|
||||
|
||||
```markdown
|
||||
### 产品说明书
|
||||
|
||||
| 产品单元 | 运营能力（改变UDE为DE） | 运营能力（维持DE） |
|
||||
|---------|---------------------|------------------|
|
||||
| [产品1] | [改变能力描述] | [维持能力描述] |
|
||||
| [产品2] | [改变能力描述] | [维持能力描述] |
|
||||
```
|
||||
|
||||
---
|
||||
|
||||
## 部分二：组装最终交付文档
|
||||
|
||||
完成以上所有步骤后，将全流程的输出组装为完整的黑手党提案文档。
|
||||
|
||||
### 最终交付文档结构
|
||||
|
||||
```markdown
|
||||
# [品牌名] 产品上新 — 黑手党提案
|
||||
|
||||
> 生成时间：YYYY-MM-DD
|
||||
> 方法论版本：vX.Y
|
||||
> Agent：mafia-expert
|
||||
|
||||
---
|
||||
|
||||
## 一、双赢定义
|
||||
|
||||
### 1.1 概念共识
|
||||
[对黑手党提案概念的共识——来自准备1]
|
||||
|
||||
### 1.2 JTBD 四要素
|
||||
[四要素表——来自准备2]
|
||||
|
||||
| 维度 | 我方 | 典型目标客户（DTB） |
|
||||
|------|------|-------------------|
|
||||
| 客户画像 | ... | ... |
|
||||
| 雇用产品 | ... | ... |
|
||||
| 待办任务 | ... | ... |
|
||||
| 期望结果 | ... | ... |
|
||||
|
||||
---
|
||||
|
||||
## 二、UDE 诊断
|
||||
|
||||
### 2.1 完整 UDE 清单
|
||||
[编号列表——来自准备3，标注10条标准校验结果]
|
||||
|
||||
### 2.2 最重要的 3 个 UDE
|
||||
[Top3 及选择理由——来自准备3]
|
||||
|
||||
### 2.3 恶性循环
|
||||
[循环图——来自准备3]
|
||||
|
||||
---
|
||||
|
||||
## 三、核心冲突
|
||||
|
||||
### 3.1 各 UDE 冲突图
|
||||
[每个UDE的O-B-D表——来自步骤1]
|
||||
|
||||
### 3.2 合并冲突图
|
||||
[合并后的结果——来自步骤1]
|
||||
|
||||
---
|
||||
|
||||
## 四、惯例揭示与方向性提案
|
||||
|
||||
### 4.1 行业惯例清单
|
||||
[惯例分析表——来自步骤2]
|
||||
|
||||
### 4.2 惯例验证
|
||||
[双视角验证结果——来自步骤2]
|
||||
|
||||
### 4.3 方向性提案总结
|
||||
> 通过 D [XX]，满足 B [XX]；
|
||||
> 同时通过 D' [XX]，满足 B' [XX]；
|
||||
> 使 DTB 既可以 O1，又能够 O2。
|
||||
[——来自步骤3]
|
||||
|
||||
---
|
||||
|
||||
## 五、操作性提案
|
||||
|
||||
### 5.1 负面分支消除
|
||||
[因果假设链 + 打破假设方案——来自步骤4]
|
||||
|
||||
### 5.2 新规则与新能力
|
||||
[运营能力匹配表——来自步骤5]
|
||||
|
||||
### 5.3 产品说明书
|
||||
[产品单元 × 运营能力矩阵——来自步骤5]
|
||||
|
||||
---
|
||||
|
||||
## 附录
|
||||
|
||||
### A. 数据来源与证据链
|
||||
[列出所有信息来源]
|
||||
|
||||
### B. 研讨过程记录
|
||||
[记录每步中用户的关键校准和决策]
|
||||
|
||||
### C. 方法论版本与迭代日志
|
||||
[记录本次提案使用的 Agent 版本和 Skill 版本]
|
||||
```
|
||||
|
||||
### 组装规则
|
||||
|
||||
1. **不要添加新的分析**——只整理和呈现已有输出
|
||||
2. **保持逻辑链完整**——从 UDE 到最终产品说明书的推理链必须可追溯
|
||||
3. **标注来源步骤**——每个章节标注输出来自哪个步骤
|
||||
4. **提示用户保存**——建议将文件保存为 `cases/[品牌名]_[日期].md`
|
||||
|
||||
---
|
||||
|
||||
## 完成标志
|
||||
|
||||
- [ ] 新旧惯例对比完成
|
||||
- [ ] 所有剩余 UDE 都匹配了运营能力
|
||||
- [ ] 产品说明书输出
|
||||
- [ ] 最终交付文档组装完成，五章结构完整
|
||||
- [ ] 用户确认最终交付物
|
||||
- [ ] 提案文件已保存
|
||||
|
||||
完成后，告知用户：
|
||||
|
||||
> "黑手党提案已完成。建议将此文件保存到 cases/ 目录作为案例存档。
|
||||
> 如果在后续使用中发现方法论有需要改进的地方，我会在下次心跳时自动整理迭代建议。"
|
||||
@@ -1,165 +0,0 @@
|
||||
---
|
||||
name: UDE 诊断
|
||||
description: 基于 TOC 约束理论，从 VOC 消费者数据中提取 UDE（不良效果），通过向量聚类发现核心问题
|
||||
---
|
||||
|
||||
# UDE 诊断（Undesirable Effects Diagnosis）
|
||||
|
||||
## 什么是 UDE
|
||||
|
||||
**UDE（Undesirable Effect）= 系统中当前正在发生的、阻碍系统实现目标的、可观测的负面现象。**
|
||||
|
||||
UDE 是**症状**，不是病因，也不是解决方案。多个 UDE 之间的因果关系指向隐藏的**核心问题**——通常是一条不被质疑的政策或假设。
|
||||
|
||||
---
|
||||
|
||||
## 整体流程
|
||||
|
||||
```
|
||||
VOC 评论 ──LLM转写──→ UDE 格式句 ──向量化──→ 语义聚类 ──覆盖扫描──→ 核心 UDE 清单
|
||||
↑ ↑ ↑ ↑
|
||||
格式转换（低幻觉） DashScope v4 DBSCAN（确定性） 因果链验收
|
||||
```
|
||||
|
||||
**LLM 只出场一次（转写），相似性判断和频次统计全部交给向量空间。**
|
||||
|
||||
---
|
||||
|
||||
## 第一步：VOC → UDE 转写
|
||||
|
||||
### 有 VOC 研究数据时
|
||||
|
||||
对 Agent 说：
|
||||
> "请对研究 [research_id] 的 VOC 评论进行 UDE 转写"
|
||||
|
||||
Agent 会调用 `voc_to_ude` 工具，将每条消费者评论转写为一条 UDE 格式句。
|
||||
|
||||
转写规则（LLM 的任务是"格式转换"，不是"分析"）：
|
||||
- 输入："一瓶三百多，吃一个月，真的吃不起"
|
||||
- 输出："该品类产品月均消费成本持续超出目标消费者的可接受范围"
|
||||
|
||||
### UDE 格式规范（7 条硬约束）
|
||||
|
||||
| # | 规范 | 检查要点 |
|
||||
|---|------|---------|
|
||||
| 1 | **完整陈述句** | 不是"响应慢"，而是"客户投诉响应时间持续超过48小时" |
|
||||
| 2 | **现在时态** | 描述当前正在发生的事，不是过去或未来 |
|
||||
| 3 | **只描述效果，不含原因** | 不能包含"因为…所以…" |
|
||||
| 4 | **不是伪装的解决方案** | 不能说"需要X"、"应该做Y" |
|
||||
| 5 | **单一实体** | 一条 UDE 只描述一个问题 |
|
||||
| 6 | **客观可验证** | 利益相关方能达成共识的事实 |
|
||||
| 7 | **在影响范围内** | 品牌/企业可以采取行动改善的 |
|
||||
|
||||
### 「伪装的解决方案」速查表
|
||||
|
||||
| ❌ 伪装的解决方案 | ✅ 正确的 UDE |
|
||||
|-----------------|-------------|
|
||||
| "需要新的 ERP 系统" | "关键数据难以检索，决策持续滞后" |
|
||||
| "应该增加广告预算" | "品牌知名度持续低于主要竞品" |
|
||||
| "需要引进高端人才" | "核心技术岗位长期空缺，项目交付延期" |
|
||||
| "应该做消费者调研" | "产品开发决策缺乏消费者需求依据" |
|
||||
|
||||
### 无 VOC 数据时
|
||||
|
||||
引导用户从自身经验出发。**不要用预设框架**，直接问：
|
||||
|
||||
> "站在你的客户/消费者的角度，他们**当前持续承受**着哪些让他们不满意、阻碍他们更好地完成任务的问题？"
|
||||
|
||||
---
|
||||
|
||||
## 第二步：向量聚类
|
||||
|
||||
### 前置条件
|
||||
用户需配置 DashScope API Key（阿里云百炼控制台获取）。对 Agent 说「我的 DashScope Key 是 xxx」即可。
|
||||
|
||||
### 执行
|
||||
对 Agent 说：
|
||||
> "请对研究 [research_id] 的 UDE 进行聚类分析"
|
||||
|
||||
Agent 会调用 `cluster_udes` 工具：
|
||||
1. 使用 DashScope text-embedding-v4 将所有 UDE 句向量化（1024 维）
|
||||
2. 使用 DBSCAN 算法进行语义聚类
|
||||
3. 返回按覆盖量排序的聚类列表
|
||||
|
||||
### 为什么用向量聚类而非标签统计
|
||||
|
||||
| | 标签统计（旧方案） | 向量聚类（当前方案） |
|
||||
|---|---|---|
|
||||
| 问题 | LLM 标签碎片化（1020 条产出 1003 个标签）| 向量空间天然处理近义表述 |
|
||||
| 频次 | GROUP BY 结果无意义（每标签=1次） | **簇大小 = 真实覆盖量** |
|
||||
| 全局视野 | ❌ LLM 逐条处理 | ✅ 向量空间容纳全部 UDE |
|
||||
|
||||
### 输出示例
|
||||
|
||||
```
|
||||
簇 1（覆盖 80 条）
|
||||
代表 UDE：该品类产品月均消费成本持续超出目标消费者的可接受范围
|
||||
原声：["一瓶三百多真的吃不起", "不是不想买太贵了", ...]
|
||||
|
||||
簇 2（覆盖 27 条）
|
||||
代表 UDE：产品冷藏存储要求与消费者日常场景持续冲突
|
||||
原声：["需要冷藏但办公室没冰箱", "忘了放冰箱担心失效", ...]
|
||||
|
||||
噪声：45 条（4.4%）— 不属于任何主要 UDE 簇
|
||||
```
|
||||
|
||||
---
|
||||
|
||||
## 第三步：覆盖扫描
|
||||
|
||||
对 Agent 说：
|
||||
> "请扫描 UDE 聚类的覆盖情况"
|
||||
|
||||
Agent 会调用 `scan_coverage` 工具，返回：
|
||||
- 覆盖率：多少 VOC 评论被 UDE 簇覆盖
|
||||
- 噪声占比：未被覆盖的 UDE（可能遗漏的线索）
|
||||
- 噪声样本：供人工检查
|
||||
|
||||
判断标准：
|
||||
- 噪声 < 10%：覆盖充分
|
||||
- 噪声 10-20%：查看样本，可能遗漏某类 UDE
|
||||
- 噪声 > 20%：需要调整聚类参数
|
||||
|
||||
---
|
||||
|
||||
## 第四步：构建因果链
|
||||
|
||||
取聚类产生的 Top 5-10 个代表性 UDE，用「因为…所以…」链接，寻找因果关系：
|
||||
|
||||
1. 取任意两条 UDE，问："A 是否会导致 B？"
|
||||
2. 用箭头标注因果方向
|
||||
3. **发出最多箭头的 UDE** = 候选核心问题（根因方向）
|
||||
|
||||
### 朗读测试
|
||||
|
||||
- 从下到上：「**因为** [原因 UDE]，**所以** [效果 UDE]」
|
||||
- 从上到下：「[效果 UDE] **是因为** [原因 UDE]」
|
||||
|
||||
听着不合逻辑 → 检查是否缺少中间环节。
|
||||
|
||||
---
|
||||
|
||||
## 第五步：核心问题验收（CLR 检验）
|
||||
|
||||
对核心问题候选进行 3 项验收：
|
||||
|
||||
| 检验项 | 问题 |
|
||||
|--------|------|
|
||||
| **充分性** | 该原因单独足够导致那些效果吗？还需要什么其他条件？ |
|
||||
| **预测效果** | 如果核心问题存在，还应该产生什么其他效果？那些效果存在吗？ |
|
||||
| **同义反复** | 核心问题是不是在用不同的话重复某个 UDE？ |
|
||||
|
||||
---
|
||||
|
||||
## 完成标志
|
||||
|
||||
- [ ] VOC 评论已转写为 UDE 格式句
|
||||
- [ ] UDE 已通过向量聚类，产出按覆盖量排序的簇
|
||||
- [ ] 覆盖扫描通过（噪声 < 10%）
|
||||
- [ ] 构建了因果链，识别出核心问题候选
|
||||
- [ ] 核心问题通过 CLR 三项验收
|
||||
- [ ] 用户确认核心问题
|
||||
|
||||
完成后，将核心问题和 UDE 清单传递给下一步：**冲突图构建**。
|
||||
|
||||
> **关键提醒**：核心问题 = 导致最多 UDE 的根因，不是"跟我们的产品最相关的"。产品/方案如何注入到核心问题上，是冲突图和惯例打破要解决的事。
|
||||
@@ -1,178 +0,0 @@
|
||||
---
|
||||
name: voc_research
|
||||
description: "VOC 研究采集与分析工具。通过调用 VOC 后端 API 完成消费者声音数据的采集、查看和分析。在黑手党提案的准备阶段（UDE 诊断）特别有用。"
|
||||
metadata:
|
||||
copaw:
|
||||
emoji: "📊"
|
||||
requires: {}
|
||||
---
|
||||
|
||||
# VOC 研究工具
|
||||
|
||||
当用户需要**采集消费者声音数据、查看 VOC 分析结果、创建 VOC 研究**时，使用此 Skill。
|
||||
|
||||
本工具通过 `execute_shell_command` 调用 VOC 后端 REST API。
|
||||
|
||||
## API 基地址
|
||||
|
||||
```
|
||||
https://brand.brainwork.club/voc/api/research
|
||||
```
|
||||
|
||||
## 前置：TikHub API Key 配置
|
||||
|
||||
采集数据需要 TikHub API Key（每个用户自行充值）。
|
||||
|
||||
### 检查 Key 是否已配置
|
||||
|
||||
```bash
|
||||
grep TIKHUB_API_KEY ~/.copaw/workspaces/mafia-expert/.env 2>/dev/null || echo "未配置"
|
||||
```
|
||||
|
||||
### 首次使用时，引导用户配置 Key
|
||||
|
||||
如果未配置，告诉用户：
|
||||
|
||||
> 采集 VOC 数据需要 TikHub API Key。请前往 https://tikhub.io 注册并充值后，将 Key 告诉我。
|
||||
> 单次研究成本约 $1-3（12 个关键词 × 2 平台）。
|
||||
|
||||
用户提供 Key 后，保存到 .env：
|
||||
|
||||
```bash
|
||||
echo 'TIKHUB_API_KEY=用户提供的key' >> ~/.copaw/workspaces/mafia-expert/.env
|
||||
```
|
||||
|
||||
### 所有涉及采集的 curl 调用必须带上 Key
|
||||
|
||||
```bash
|
||||
# 1. 先加载 key
|
||||
source ~/.copaw/workspaces/mafia-expert/.env 2>/dev/null
|
||||
|
||||
# 2. 检查 key 是否存在
|
||||
if [ -z "$TIKHUB_API_KEY" ]; then
|
||||
echo "错误：未配置 TIKHUB_API_KEY，请先提供你的 TikHub Key"
|
||||
exit 1
|
||||
fi
|
||||
|
||||
# 3. 调用 API 时带上 header
|
||||
curl -s -X PUT "https://brand.brainwork.club/voc/api/research/{id}/card" \
|
||||
-H "Content-Type: application/json" \
|
||||
-H "X-TikHub-Key: $TIKHUB_API_KEY" \
|
||||
-d '{...}'
|
||||
```
|
||||
|
||||
⚠️ **铁律：不带 X-TikHub-Key 的采集请求会被服务器拒绝。** 只有读取操作（查看数据、列表等）不需要 Key。
|
||||
|
||||
## 核心工作流
|
||||
|
||||
### 场景 1：为黑手党提案采集 VOC 数据
|
||||
|
||||
当用户说"帮我采集 XX 品牌的 VOC 数据"时：
|
||||
|
||||
**第零步：确认 TikHub Key 已配置**
|
||||
|
||||
```bash
|
||||
source ~/.copaw/workspaces/mafia-expert/.env 2>/dev/null
|
||||
[ -z "$TIKHUB_API_KEY" ] && echo "需要配置 TikHub Key" || echo "Key 已就绪: ...${TIKHUB_API_KEY: -6}"
|
||||
```
|
||||
|
||||
如果未配置，先引导用户提供 Key（见上方"首次使用"流程）。
|
||||
|
||||
**第一步：检查是否有同品牌的已有研究**
|
||||
|
||||
```bash
|
||||
curl -s https://brand.brainwork.club/voc/api/research/list | python3 -m json.tool
|
||||
```
|
||||
|
||||
如果已有同品牌研究，直接使用其 `id`，跳到第三步。
|
||||
|
||||
**第二步：创建新研究（仅当无已有研究时）**
|
||||
|
||||
```bash
|
||||
curl -s -X POST https://brand.brainwork.club/voc/api/research \
|
||||
-H "Content-Type: application/json" \
|
||||
-d '{"brand_name": "品牌名"}' | python3 -m json.tool
|
||||
```
|
||||
|
||||
返回 `research_id`，记住它。
|
||||
|
||||
**第三步：提交研究卡片（自动触发采集）**
|
||||
|
||||
```bash
|
||||
source ~/.copaw/workspaces/mafia-expert/.env
|
||||
curl -s -X PUT "https://brand.brainwork.club/voc/api/research/{id}/card" \
|
||||
-H "Content-Type: application/json" \
|
||||
-H "X-TikHub-Key: $TIKHUB_API_KEY" \
|
||||
-d '{
|
||||
"brand_name": "天维美",
|
||||
"category": "跨境保健品",
|
||||
"focus_product": "护肝片",
|
||||
"competitors": [{"name": "Swisse"}, {"name": "Blackmores"}],
|
||||
"keywords": [
|
||||
{"keyword": "天维美 护肝片", "category": "brand"},
|
||||
{"keyword": "护肝片 推荐", "category": "category"},
|
||||
{"keyword": "Swisse 护肝", "category": "compete"}
|
||||
]
|
||||
}' | python3 -m json.tool
|
||||
```
|
||||
|
||||
> ⚠️ 提交卡片后，服务器用你的 TikHub Key 为你采集。采集是异步的，通常 30 秒到 2 分钟完成。
|
||||
|
||||
**第四步：检查采集状态**
|
||||
|
||||
```bash
|
||||
curl -s https://brand.brainwork.club/voc/api/research/{id}/pipeline | python3 -m json.tool
|
||||
```
|
||||
|
||||
等 `collect` 步骤的 `status` 变为 `done` 后再继续。
|
||||
|
||||
**第五步：查看 VOC 数据**
|
||||
|
||||
```bash
|
||||
# 查看 VOC 列表（前 20 条）
|
||||
curl -s "https://brand.brainwork.club/voc/api/research/{id}/voc-list?page=1&page_size=20" | python3 -m json.tool
|
||||
|
||||
# 查看聚类分析
|
||||
curl -s "https://brand.brainwork.club/voc/api/research/{id}/focus-state?lens=task" | python3 -m json.tool
|
||||
```
|
||||
|
||||
### 场景 2：查看已有研究的数据
|
||||
|
||||
这些只读操作不需要 TikHub Key：
|
||||
|
||||
```bash
|
||||
# 列出所有研究
|
||||
curl -s https://brand.brainwork.club/voc/api/research/list | python3 -m json.tool
|
||||
|
||||
# 获取研究详情
|
||||
curl -s https://brand.brainwork.club/voc/api/research/{id} | python3 -m json.tool
|
||||
|
||||
# 获取 VOC 数据
|
||||
curl -s "https://brand.brainwork.club/voc/api/research/{id}/voc-list?page=1&page_size=20" | python3 -m json.tool
|
||||
```
|
||||
|
||||
### 场景 3：通过 Chat 发送指令（需要 Key）
|
||||
|
||||
```bash
|
||||
source ~/.copaw/workspaces/mafia-expert/.env
|
||||
curl -s -X POST "https://brand.brainwork.club/voc/api/research/{id}/chat" \
|
||||
-H "Content-Type: application/json" \
|
||||
-H "X-TikHub-Key: $TIKHUB_API_KEY" \
|
||||
-d '{"message": "按关键词采集"}' | python3 -m json.tool
|
||||
```
|
||||
|
||||
## 与黑手党提案的整合
|
||||
|
||||
VOC 数据在黑手党提案流程中的作用：
|
||||
|
||||
1. **准备阶段 - UDE 诊断**：VOC 数据中的用户抱怨 = 不满意效果（UDE），直接用于诊断
|
||||
2. **步骤 1 - 冲突图**：VOC 中矛盾性表达（如"想买但太贵"）= 冲突素材
|
||||
3. **步骤 2 - 惯例揭示**：VOC 中的"大家都这样""行业惯例"表述 = 待打破的惯例
|
||||
4. **步骤 5 - 提案验证**：VOC 数据量和情感分布 = 提案的实证基础
|
||||
|
||||
## 注意事项
|
||||
|
||||
- 采集/Chat 写操作必须带 `X-TikHub-Key` header，否则服务器拒绝采集
|
||||
- 只读操作（list、voc-list、pipeline 等）无需 Key
|
||||
- 全局缓存机制：同一关键词的数据跨研究复用，不会重复调 API（节省费用）
|
||||
- TikHub Key 仅通过 HTTPS header 传输，不写入任何 DB
|
||||
@@ -1,17 +0,0 @@
|
||||
# 黑手党提案后端 v2.1 — BYOK 模式
|
||||
# 合伙人通过 Header 传入百炼 Key，服务器仅提供算法编排
|
||||
|
||||
# VOC 公网 API（跨云只读访问）
|
||||
VOC_API_BASE=https://brand.brainwork.club/voc/api/research
|
||||
|
||||
# Fallback DashScope Key（平台方自测用）
|
||||
# 合伙人通过 X-DashScope-Key Header 传入自己的 Key
|
||||
# 百炼 Key 一个通吃：LLM 推理 + Embedding 向量化
|
||||
DASHSCOPE_API_KEY=sk-xxx
|
||||
|
||||
# 模型
|
||||
MODEL_ID=qwen-plus
|
||||
TEMPERATURE=0.1
|
||||
|
||||
# 端口
|
||||
PORT=8093
|
||||
-144
@@ -1,144 +0,0 @@
|
||||
"""
|
||||
黑手党提案 — 数据库管理（完全独立，阿里云内闭环）
|
||||
|
||||
每个提案案例一个 SQLite 文件，自包含所有数据：
|
||||
- case_card：案例元信息
|
||||
- comments：从 VOC API 导入的评论（本地副本）
|
||||
- ude_sentences / ude_clusters：UDE 分析结果
|
||||
- conflicts / proposal_sections：后续阶段
|
||||
"""
|
||||
import os
|
||||
import sqlite3
|
||||
import uuid
|
||||
from pathlib import Path
|
||||
|
||||
from dotenv import load_dotenv
|
||||
|
||||
load_dotenv()
|
||||
|
||||
DATA_DIR = Path(__file__).parent / "data"
|
||||
DATA_DIR.mkdir(exist_ok=True)
|
||||
|
||||
# VOC 公网 API（腾讯云，跨云只读访问）
|
||||
VOC_API_BASE = os.getenv("VOC_API_BASE", "https://brand.brainwork.club/voc/api/research")
|
||||
|
||||
|
||||
# ═══════════ Schema ═══════════
|
||||
|
||||
CASE_SCHEMA = """
|
||||
CREATE TABLE IF NOT EXISTS case_card (
|
||||
brand_name TEXT NOT NULL,
|
||||
category TEXT,
|
||||
focus_product TEXT,
|
||||
competitors TEXT,
|
||||
voc_research_id TEXT,
|
||||
voc_api_base TEXT,
|
||||
created_at TEXT DEFAULT (datetime('now')),
|
||||
status TEXT DEFAULT 'draft'
|
||||
);
|
||||
|
||||
CREATE TABLE IF NOT EXISTS comments (
|
||||
id INTEGER PRIMARY KEY AUTOINCREMENT,
|
||||
voc_id INTEGER,
|
||||
platform TEXT,
|
||||
text TEXT NOT NULL,
|
||||
like_count INTEGER DEFAULT 0,
|
||||
published_at TEXT,
|
||||
imported_at TEXT DEFAULT (datetime('now')),
|
||||
UNIQUE(voc_id)
|
||||
);
|
||||
|
||||
CREATE TABLE IF NOT EXISTS ude_sentences (
|
||||
id INTEGER PRIMARY KEY AUTOINCREMENT,
|
||||
comment_id INTEGER REFERENCES comments(id),
|
||||
ude_text TEXT NOT NULL,
|
||||
confidence REAL DEFAULT 0.5,
|
||||
vector TEXT,
|
||||
cluster_id INTEGER DEFAULT -1,
|
||||
created_at TEXT DEFAULT (datetime('now'))
|
||||
);
|
||||
|
||||
CREATE TABLE IF NOT EXISTS ude_clusters (
|
||||
id INTEGER PRIMARY KEY AUTOINCREMENT,
|
||||
representative_ude TEXT,
|
||||
coverage INTEGER,
|
||||
sample_voices TEXT,
|
||||
user_label TEXT,
|
||||
confirmed INTEGER DEFAULT 0
|
||||
);
|
||||
|
||||
CREATE TABLE IF NOT EXISTS conflicts (
|
||||
id INTEGER PRIMARY KEY AUTOINCREMENT,
|
||||
ude_cluster_id INTEGER,
|
||||
goal TEXT,
|
||||
need TEXT,
|
||||
prerequisite TEXT,
|
||||
convention TEXT,
|
||||
conflict_type TEXT,
|
||||
description TEXT
|
||||
);
|
||||
|
||||
CREATE TABLE IF NOT EXISTS proposal_sections (
|
||||
id INTEGER PRIMARY KEY AUTOINCREMENT,
|
||||
section TEXT,
|
||||
content TEXT,
|
||||
version INTEGER DEFAULT 1,
|
||||
updated_at TEXT DEFAULT (datetime('now'))
|
||||
);
|
||||
"""
|
||||
|
||||
|
||||
# ═══════════ 案例 DB ═══════════
|
||||
|
||||
def get_case_conn(case_id: str) -> sqlite3.Connection:
|
||||
"""获取案例 DB 连接"""
|
||||
path = DATA_DIR / f"{case_id}.db"
|
||||
if not path.exists():
|
||||
raise FileNotFoundError(f"案例 {case_id} 不存在")
|
||||
conn = sqlite3.connect(str(path))
|
||||
conn.row_factory = sqlite3.Row
|
||||
conn.execute("PRAGMA journal_mode=WAL")
|
||||
return conn
|
||||
|
||||
|
||||
def init_case_db(brand_name: str, category: str = "", focus_product: str = "",
|
||||
competitors: str = "[]", voc_research_id: str = None) -> str:
|
||||
"""创建新案例，返回 case_id"""
|
||||
case_id = uuid.uuid4().hex[:8]
|
||||
path = DATA_DIR / f"{case_id}.db"
|
||||
conn = sqlite3.connect(str(path))
|
||||
conn.row_factory = sqlite3.Row
|
||||
conn.executescript(CASE_SCHEMA)
|
||||
conn.execute(
|
||||
"INSERT INTO case_card (brand_name, category, focus_product, competitors, voc_research_id, voc_api_base) VALUES (?,?,?,?,?,?)",
|
||||
(brand_name, category, focus_product, competitors, voc_research_id, VOC_API_BASE)
|
||||
)
|
||||
conn.commit()
|
||||
conn.close()
|
||||
return case_id
|
||||
|
||||
|
||||
def list_cases() -> list[dict]:
|
||||
"""列出所有案例"""
|
||||
cases = []
|
||||
for db_file in sorted(DATA_DIR.glob("*.db")):
|
||||
case_id = db_file.stem
|
||||
try:
|
||||
conn = sqlite3.connect(str(db_file))
|
||||
conn.row_factory = sqlite3.Row
|
||||
card = conn.execute("SELECT * FROM case_card LIMIT 1").fetchone()
|
||||
if card:
|
||||
comment_count = conn.execute("SELECT count(*) FROM comments").fetchone()[0]
|
||||
ude_count = conn.execute("SELECT count(*) FROM ude_sentences").fetchone()[0]
|
||||
cluster_count = conn.execute("SELECT count(*) FROM ude_clusters").fetchone()[0]
|
||||
cases.append({
|
||||
"case_id": case_id,
|
||||
**dict(card),
|
||||
"comment_count": comment_count,
|
||||
"ude_count": ude_count,
|
||||
"cluster_count": cluster_count,
|
||||
})
|
||||
conn.close()
|
||||
except Exception:
|
||||
pass
|
||||
return cases
|
||||
@@ -1,52 +0,0 @@
|
||||
你是一个 TOC（约束理论）专家，你的任务是将消费者评论转写为 UDE（Undesirable Effect，不良效果）格式句。
|
||||
|
||||
## 什么是 UDE
|
||||
|
||||
UDE = 系统中当前正在发生的、阻碍系统实现目标的、可观测的负面现象。
|
||||
UDE 是症状，不是病因，也不是解决方案。
|
||||
|
||||
## 转写规范（7 条硬约束）
|
||||
|
||||
你输出的每条 UDE 必须同时满足以下全部规范，不满足则不输出：
|
||||
|
||||
1. **完整陈述句**：必须是完整的句子，不能是碎片短语
|
||||
2. **现在时态**：描述当前正在发生的事
|
||||
3. **只描述效果，不含原因**：不能包含"因为…所以…"的因果分析
|
||||
4. **不是伪装的解决方案**：不能说"需要X"、"应该做Y"
|
||||
5. **单一实体**：一条 UDE 只描述一个问题
|
||||
6. **客观可验证**：利益相关方能达成共识的事实
|
||||
7. **在影响范围内**：品牌/企业可以采取行动改善的
|
||||
|
||||
## 你的任务
|
||||
|
||||
对输入的每条消费者评论，判断其中是否包含不良效果。如果有，转写为 UDE 格式句；如果没有（纯分享、纯推荐、无关内容），输出 null。
|
||||
|
||||
## 输出格式
|
||||
|
||||
严格输出 JSON 数组，每个元素对应一条输入评论：
|
||||
|
||||
```json
|
||||
{
|
||||
"results": [
|
||||
{"id": 1, "ude": "该品类产品月均消费成本持续超出目标消费者的可接受范围", "confidence": 0.9},
|
||||
{"id": 2, "ude": null, "confidence": 0},
|
||||
{"id": 3, "ude": "消费者服用产品后持续无法感知明确效果变化", "confidence": 0.85}
|
||||
]
|
||||
}
|
||||
```
|
||||
|
||||
## 转写示例
|
||||
|
||||
| 消费者原文 | 正确的 UDE ✅ | 错误的写法 ❌ |
|
||||
|-----------|-------------|-------------|
|
||||
| "一瓶三百多，吃一个月，真的吃不起" | "该品类产品月均消费成本持续超出目标消费者的可接受范围" | "需要降价"（伪装的解决方案） |
|
||||
| "吃了两个月了完全没感觉" | "消费者服用产品后持续无法感知明确效果变化" | "因为产品无效所以没感觉"（包含原因） |
|
||||
| "需要冷藏但办公室没冰箱" | "产品冷藏存储要求与消费者日常携带场景持续冲突" | "应该出常温版"（伪装的解决方案） |
|
||||
| "不知道该买哪个牌子好" | "消费者面对该品类众多品牌持续缺乏可信的决策依据" | "品牌多、选择困难"（碎片短语，非完整句） |
|
||||
| "这个益生菌真的超好用推荐！" | null（无不良效果） | |
|
||||
|
||||
## 重要提醒
|
||||
|
||||
- 你是格式转写员，不是分析师。不要添加原文中不存在的信息。
|
||||
- 转写时提升到系统/品类层面，但不能超出原文事实的边界。
|
||||
- confidence 表示你对这条转写准确性的信心（0-1），原文含义模糊时降低。
|
||||
@@ -1,8 +0,0 @@
|
||||
fastapi>=0.110.0
|
||||
uvicorn[standard]>=0.27.0
|
||||
openai>=1.12.0
|
||||
python-dotenv>=1.0.0
|
||||
numpy>=1.24.0
|
||||
scikit-learn>=1.3.0
|
||||
gunicorn>=21.2.0
|
||||
httpx>=0.27.0
|
||||
@@ -1,353 +0,0 @@
|
||||
"""
|
||||
黑手党提案 — 独立后端（BYOK v2.1）
|
||||
|
||||
FastAPI 服务，端口 8093。
|
||||
合伙人通过 X-DashScope-Key Header 传入百炼 Key，服务器统一用于 LLM + Embedding。
|
||||
import-voc 完成后自动触发 UDE 转写 + 向量化流水线。
|
||||
"""
|
||||
import os
|
||||
import logging
|
||||
import asyncio
|
||||
import httpx
|
||||
|
||||
from fastapi import FastAPI, Header, HTTPException, Query
|
||||
from fastapi.middleware.cors import CORSMiddleware
|
||||
from pydantic import BaseModel
|
||||
from typing import Optional
|
||||
from dotenv import load_dotenv
|
||||
|
||||
load_dotenv()
|
||||
|
||||
from db import get_case_conn, init_case_db, list_cases as _list_cases, DATA_DIR, VOC_API_BASE
|
||||
|
||||
logging.basicConfig(level=logging.INFO, format="%(asctime)s [%(name)s] %(levelname)s %(message)s")
|
||||
logger = logging.getLogger("mafia")
|
||||
|
||||
app = FastAPI(title="黑手党提案后端", version="2.1.0", description="独立后端：阿里云内闭环 + BYOK，合伙人自带 API Key")
|
||||
app.add_middleware(
|
||||
CORSMiddleware,
|
||||
allow_origins=["*"],
|
||||
allow_methods=["*"],
|
||||
allow_headers=["*"],
|
||||
)
|
||||
|
||||
|
||||
# ═══════════ BYOK Key 解析 ═══════════
|
||||
|
||||
def resolve_key(header_key: Optional[str]) -> str:
|
||||
"""优先使用合伙人 Header 传入的 DashScope Key（百炼 Key 一个通吃 LLM + Embedding）"""
|
||||
if header_key:
|
||||
logger.info(f"[BYOK] 使用合伙人 Key: ...{header_key[-6:]}")
|
||||
return header_key
|
||||
env_val = os.getenv("DASHSCOPE_API_KEY", "")
|
||||
if env_val:
|
||||
logger.info(f"[BYOK] 使用 fallback Key: ...{env_val[-6:]}")
|
||||
return env_val
|
||||
raise HTTPException(401, "缺少 DashScope API Key。请在 CoPaw 中配置 DASHSCOPE_API_KEY 并通过 X-DashScope-Key Header 传入")
|
||||
|
||||
|
||||
# ═══════════ Models ═══════════
|
||||
|
||||
class CreateCaseRequest(BaseModel):
|
||||
brandName: str
|
||||
category: str = ""
|
||||
focusProduct: str = ""
|
||||
competitors: str = "[]"
|
||||
vocResearchId: str = None
|
||||
|
||||
|
||||
class LinkVocRequest(BaseModel):
|
||||
vocResearchId: str
|
||||
|
||||
|
||||
# ═══════════ 案例管理 ═══════════
|
||||
|
||||
@app.post("/api/cases")
|
||||
async def create_case(req: CreateCaseRequest):
|
||||
case_id = init_case_db(
|
||||
brand_name=req.brandName,
|
||||
category=req.category,
|
||||
focus_product=req.focusProduct,
|
||||
competitors=req.competitors,
|
||||
voc_research_id=req.vocResearchId,
|
||||
)
|
||||
return {"caseId": case_id}
|
||||
|
||||
|
||||
@app.get("/api/cases")
|
||||
async def get_cases():
|
||||
return _list_cases()
|
||||
|
||||
|
||||
@app.get("/api/cases/{case_id}")
|
||||
async def get_case(case_id: str):
|
||||
try:
|
||||
with get_case_conn(case_id) as conn:
|
||||
card = conn.execute("SELECT * FROM case_card LIMIT 1").fetchone()
|
||||
comment_count = conn.execute("SELECT count(*) FROM comments").fetchone()[0]
|
||||
ude_count = conn.execute("SELECT count(*) FROM ude_sentences").fetchone()[0]
|
||||
cluster_count = conn.execute("SELECT count(*) FROM ude_clusters").fetchone()[0]
|
||||
if not card:
|
||||
raise HTTPException(404, "案例不存在")
|
||||
return {
|
||||
"caseId": case_id, **dict(card),
|
||||
"commentCount": comment_count,
|
||||
"udeCount": ude_count,
|
||||
"clusterCount": cluster_count,
|
||||
}
|
||||
except FileNotFoundError:
|
||||
raise HTTPException(404, "案例不存在")
|
||||
|
||||
|
||||
@app.delete("/api/cases/{case_id}")
|
||||
async def delete_case(case_id: str):
|
||||
path = DATA_DIR / f"{case_id}.db"
|
||||
if path.exists():
|
||||
path.unlink()
|
||||
return {"deleted": True}
|
||||
raise HTTPException(404, "案例不存在")
|
||||
|
||||
|
||||
# ═══════════ VOC 导入 + 自动流水线 ═══════════
|
||||
|
||||
# 后台流水线状态（内存缓存，进程级）
|
||||
_pipeline_status: dict[str, dict] = {}
|
||||
|
||||
|
||||
async def _auto_pipeline(case_id: str, dashscope_key: str):
|
||||
"""后台自动流水线：UDE 转写 → 向量化"""
|
||||
from tools.ude_extract import run_ude_extraction, run_vectorization
|
||||
|
||||
_pipeline_status[case_id] = {"stage": "extracting", "progress": {}}
|
||||
try:
|
||||
# Stage 1: UDE 转写
|
||||
result = await run_ude_extraction(case_id, limit=0, dashscope_key=dashscope_key)
|
||||
_pipeline_status[case_id]["progress"]["extraction"] = result
|
||||
logger.info(f"[Pipeline] {case_id} UDE 转写完成: {result.get('totalUdes', 0)} 条")
|
||||
|
||||
# Stage 2: 向量化
|
||||
_pipeline_status[case_id]["stage"] = "vectorizing"
|
||||
vec_result = run_vectorization(case_id, dashscope_key=dashscope_key)
|
||||
_pipeline_status[case_id]["progress"]["vectorization"] = vec_result
|
||||
logger.info(f"[Pipeline] {case_id} 向量化完成: {vec_result.get('vectorized', 0)} 条")
|
||||
|
||||
_pipeline_status[case_id]["stage"] = "done"
|
||||
except Exception as e:
|
||||
logger.error(f"[Pipeline] {case_id} 失败: {e}")
|
||||
_pipeline_status[case_id]["stage"] = "error"
|
||||
_pipeline_status[case_id]["error"] = str(e)
|
||||
|
||||
|
||||
@app.post("/api/cases/{case_id}/link-voc")
|
||||
async def link_voc(case_id: str, req: LinkVocRequest):
|
||||
"""关联 VOC 研究 ID"""
|
||||
try:
|
||||
with get_case_conn(case_id) as conn:
|
||||
conn.execute("UPDATE case_card SET voc_research_id = ?", (req.vocResearchId,))
|
||||
conn.commit()
|
||||
except FileNotFoundError:
|
||||
raise HTTPException(404, "案例不存在")
|
||||
return {"linked": True, "vocResearchId": req.vocResearchId}
|
||||
|
||||
|
||||
@app.post("/api/cases/{case_id}/import-voc")
|
||||
async def import_voc(
|
||||
case_id: str,
|
||||
page: int = Query(1),
|
||||
pageSize: int = Query(100),
|
||||
x_dashscope_key: str = Header(None),
|
||||
):
|
||||
"""从 VOC 公网 API 拉取评论，完成后自动触发 UDE 转写 + 向量化"""
|
||||
dashscope_key = resolve_key(x_dashscope_key)
|
||||
|
||||
try:
|
||||
with get_case_conn(case_id) as conn:
|
||||
card = conn.execute("SELECT voc_research_id, voc_api_base FROM case_card LIMIT 1").fetchone()
|
||||
except FileNotFoundError:
|
||||
raise HTTPException(404, "案例不存在")
|
||||
|
||||
if not card or not card["voc_research_id"]:
|
||||
raise HTTPException(400, "未关联 VOC 研究，请先调用 link-voc")
|
||||
|
||||
voc_rid = card["voc_research_id"]
|
||||
api_base = card["voc_api_base"] or VOC_API_BASE
|
||||
|
||||
total_imported = 0
|
||||
current_page = page
|
||||
|
||||
async with httpx.AsyncClient(timeout=30) as client:
|
||||
while True:
|
||||
url = f"{api_base}/{voc_rid}/voc-list?page={current_page}&page_size={pageSize}"
|
||||
try:
|
||||
resp = await client.get(url)
|
||||
if resp.status_code != 200:
|
||||
logger.warning(f"[Import] VOC API 返回 {resp.status_code}: {resp.text[:100]}")
|
||||
break
|
||||
data = resp.json()
|
||||
except Exception as e:
|
||||
logger.error(f"[Import] VOC API 请求失败: {e}")
|
||||
break
|
||||
|
||||
items = data.get("items") or data.get("data") or []
|
||||
if not items:
|
||||
break
|
||||
|
||||
with get_case_conn(case_id) as conn:
|
||||
for item in items:
|
||||
text = item.get("text", "")
|
||||
if len(text) < 10:
|
||||
continue
|
||||
try:
|
||||
conn.execute(
|
||||
"INSERT OR IGNORE INTO comments (voc_id, platform, text, like_count, published_at) VALUES (?,?,?,?,?)",
|
||||
(
|
||||
item.get("id"),
|
||||
item.get("platform", ""),
|
||||
text,
|
||||
item.get("like_count", 0),
|
||||
item.get("published_at", ""),
|
||||
)
|
||||
)
|
||||
total_imported += 1
|
||||
except Exception:
|
||||
pass
|
||||
conn.commit()
|
||||
|
||||
total = data.get("total", 0)
|
||||
if current_page * pageSize >= total:
|
||||
break
|
||||
current_page += 1
|
||||
|
||||
with get_case_conn(case_id) as conn:
|
||||
local_count = conn.execute("SELECT count(*) FROM comments").fetchone()[0]
|
||||
|
||||
# 自动触发后台流水线（UDE 转写 + 向量化）
|
||||
pipeline_triggered = False
|
||||
if local_count > 0:
|
||||
asyncio.create_task(_auto_pipeline(case_id, dashscope_key))
|
||||
pipeline_triggered = True
|
||||
logger.info(f"[Import] {case_id} 自动流水线已触发（{local_count} 条评论）")
|
||||
|
||||
return {
|
||||
"imported": total_imported,
|
||||
"totalLocal": local_count,
|
||||
"vocResearchId": voc_rid,
|
||||
"pagesProcessed": current_page - page + 1,
|
||||
"pipelineTriggered": pipeline_triggered,
|
||||
}
|
||||
|
||||
|
||||
@app.get("/api/cases/{case_id}/pipeline-status")
|
||||
async def pipeline_status(case_id: str):
|
||||
"""查询后台流水线进度"""
|
||||
status = _pipeline_status.get(case_id)
|
||||
if not status:
|
||||
# 没有正在运行的流水线，从 DB 推断状态
|
||||
try:
|
||||
with get_case_conn(case_id) as conn:
|
||||
comments = conn.execute("SELECT count(*) FROM comments").fetchone()[0]
|
||||
udes = conn.execute("SELECT count(*) FROM ude_sentences").fetchone()[0]
|
||||
vectorized = conn.execute("SELECT count(*) FROM ude_sentences WHERE vector IS NOT NULL").fetchone()[0]
|
||||
except FileNotFoundError:
|
||||
raise HTTPException(404, "案例不存在")
|
||||
return {
|
||||
"stage": "idle",
|
||||
"progress": {"comments": comments, "udesExtracted": udes, "udesVectorized": vectorized},
|
||||
}
|
||||
return status
|
||||
|
||||
|
||||
@app.get("/api/cases/{case_id}/comments")
|
||||
async def get_comments(case_id: str, page: int = 1, pageSize: int = 50):
|
||||
"""查看本地导入的评论"""
|
||||
try:
|
||||
with get_case_conn(case_id) as conn:
|
||||
total = conn.execute("SELECT count(*) FROM comments").fetchone()[0]
|
||||
rows = conn.execute("""
|
||||
SELECT id, voc_id, platform, text, like_count, published_at
|
||||
FROM comments ORDER BY like_count DESC
|
||||
LIMIT ? OFFSET ?
|
||||
""", (pageSize, (page - 1) * pageSize)).fetchall()
|
||||
except FileNotFoundError:
|
||||
raise HTTPException(404, "案例不存在")
|
||||
return {"total": total, "page": page, "items": [dict(r) for r in rows]}
|
||||
|
||||
|
||||
# ═══════════ UDE 分析（BYOK） ═══════════
|
||||
|
||||
@app.post("/api/cases/{case_id}/ude/extract")
|
||||
async def extract_ude(
|
||||
case_id: str,
|
||||
limit: int = Query(0),
|
||||
x_dashscope_key: str = Header(None),
|
||||
):
|
||||
"""手动触发 UDE 转写（通常由 import-voc 自动触发，此接口用于补跑）"""
|
||||
from tools.ude_extract import run_ude_extraction
|
||||
key = resolve_key(x_dashscope_key)
|
||||
try:
|
||||
result = await run_ude_extraction(case_id, limit, dashscope_key=key)
|
||||
except FileNotFoundError as e:
|
||||
raise HTTPException(404, str(e))
|
||||
return result
|
||||
|
||||
|
||||
@app.post("/api/cases/{case_id}/ude/cluster")
|
||||
async def cluster_ude(
|
||||
case_id: str,
|
||||
eps: float = Query(0.25),
|
||||
minSamples: int = Query(3),
|
||||
):
|
||||
"""向量聚类（纯 CPU，不调外部 API。向量已在流水线中预计算）"""
|
||||
from tools.ude_extract import run_clustering
|
||||
try:
|
||||
result = run_clustering(case_id, eps, minSamples)
|
||||
except FileNotFoundError as e:
|
||||
raise HTTPException(404, str(e))
|
||||
return result
|
||||
|
||||
|
||||
@app.get("/api/cases/{case_id}/ude/clusters")
|
||||
async def get_clusters(case_id: str):
|
||||
try:
|
||||
with get_case_conn(case_id) as conn:
|
||||
clusters = conn.execute(
|
||||
"SELECT * FROM ude_clusters ORDER BY coverage DESC"
|
||||
).fetchall()
|
||||
except FileNotFoundError:
|
||||
raise HTTPException(404, "案例不存在")
|
||||
return [dict(r) for r in clusters]
|
||||
|
||||
|
||||
@app.get("/api/cases/{case_id}/ude/coverage")
|
||||
async def get_coverage(case_id: str):
|
||||
from tools.ude_extract import run_coverage_scan
|
||||
try:
|
||||
result = run_coverage_scan(case_id)
|
||||
except FileNotFoundError as e:
|
||||
raise HTTPException(404, str(e))
|
||||
return result
|
||||
|
||||
|
||||
# ═══════════ 健康检查 ═══════════
|
||||
|
||||
@app.get("/api/health")
|
||||
async def health():
|
||||
return {
|
||||
"status": "ok",
|
||||
"version": "2.1.0",
|
||||
"architecture": "BYOK (Bring Your Own Key)",
|
||||
"vocApiBase": VOC_API_BASE,
|
||||
"caseDataDir": str(DATA_DIR),
|
||||
"byok": {
|
||||
"bailianFallback": bool(os.getenv("BAILIAN_API_KEY")),
|
||||
"dashscopeFallback": bool(os.getenv("DASHSCOPE_API_KEY")),
|
||||
},
|
||||
}
|
||||
|
||||
|
||||
# ═══════════ 启动 ═══════════
|
||||
|
||||
if __name__ == "__main__":
|
||||
import uvicorn
|
||||
port = int(os.getenv("PORT", "8093"))
|
||||
uvicorn.run(app, host="0.0.0.0", port=port)
|
||||
@@ -1,8 +0,0 @@
|
||||
# Tools 注册表
|
||||
from tools.ude_extract import run_ude_extraction, run_clustering, run_coverage_scan
|
||||
|
||||
__all__ = [
|
||||
"run_ude_extraction",
|
||||
"run_clustering",
|
||||
"run_coverage_scan",
|
||||
]
|
||||
@@ -1,327 +0,0 @@
|
||||
"""
|
||||
黑手党提案 — UDE 提取工具（BYOK v2.1）
|
||||
|
||||
流程：本地 comments → LLM 转写 UDE → DashScope 向量化 → DBSCAN 聚类
|
||||
|
||||
所有外部 API 调用统一使用 DASHSCOPE_API_KEY（百炼 Key 一个通吃 LLM + Embedding）。
|
||||
向量化在 import-voc 流水线中预完成，聚类为纯 CPU 操作。
|
||||
"""
|
||||
from __future__ import annotations
|
||||
|
||||
import json
|
||||
import os
|
||||
import asyncio
|
||||
import logging
|
||||
from pathlib import Path
|
||||
|
||||
import numpy as np
|
||||
from openai import OpenAI, AsyncOpenAI
|
||||
from dotenv import load_dotenv
|
||||
|
||||
load_dotenv()
|
||||
logger = logging.getLogger(__name__)
|
||||
|
||||
MODEL = os.getenv("MODEL_ID", "qwen-plus")
|
||||
TEMPERATURE = float(os.getenv("TEMPERATURE", "0.1"))
|
||||
BATCH_SIZE = 10
|
||||
CONCURRENCY = 5
|
||||
EMBED_DIM = 1024
|
||||
EMBED_BATCH_SIZE = 25
|
||||
|
||||
PROMPT_PATH = Path(__file__).parent.parent / "prompts" / "voc_to_ude.txt"
|
||||
|
||||
# DashScope OpenAI 兼容端点（LLM + Embedding 共用）
|
||||
DASHSCOPE_BASE = "https://dashscope.aliyuncs.com/compatible-mode/v1"
|
||||
|
||||
|
||||
def _get_llm_client(dashscope_key: str = None) -> AsyncOpenAI:
|
||||
"""百炼 Key 一个通吃 LLM + Embedding"""
|
||||
key = dashscope_key or os.getenv("DASHSCOPE_API_KEY", "")
|
||||
return AsyncOpenAI(api_key=key, base_url=DASHSCOPE_BASE)
|
||||
|
||||
|
||||
def _get_embed_client(dashscope_key: str = None) -> OpenAI:
|
||||
key = dashscope_key or os.getenv("DASHSCOPE_API_KEY", "")
|
||||
if not key:
|
||||
raise ValueError("DashScope API Key 未配置。")
|
||||
return OpenAI(api_key=key, base_url=DASHSCOPE_BASE)
|
||||
|
||||
|
||||
# ═══════════ Step 1: 本地评论 → UDE 转写 ═══════════
|
||||
|
||||
async def _call_ude_llm(prompt: str, comments: list[dict], dashscope_key: str = None) -> list[dict]:
|
||||
"""单批 LLM 转写"""
|
||||
client = _get_llm_client(dashscope_key)
|
||||
user_msg = "请将以下消费者评论转写为 UDE 格式句，返回 JSON：\n\n"
|
||||
for c in comments:
|
||||
user_msg += f"[{c['id']}] 平台:{c['platform']} 原文: \"{c['text'][:300]}\"\n\n"
|
||||
|
||||
try:
|
||||
resp = await client.chat.completions.create(
|
||||
model=MODEL,
|
||||
messages=[
|
||||
{"role": "system", "content": prompt},
|
||||
{"role": "user", "content": user_msg},
|
||||
],
|
||||
temperature=TEMPERATURE,
|
||||
max_tokens=4000,
|
||||
response_format={"type": "json_object"},
|
||||
)
|
||||
content = (resp.choices[0].message.content or "").strip()
|
||||
parsed = json.loads(content)
|
||||
if isinstance(parsed, dict):
|
||||
for key in ("results", "data", "items", "udes"):
|
||||
if key in parsed and isinstance(parsed[key], list):
|
||||
return parsed[key]
|
||||
if isinstance(parsed, list):
|
||||
return parsed
|
||||
return []
|
||||
except Exception as e:
|
||||
logger.warning(f"[UDE] LLM 转写失败: {str(e)[:80]}")
|
||||
return []
|
||||
|
||||
|
||||
async def _process_ude_batch(comments, prompt, semaphore, dashscope_key=None):
|
||||
async with semaphore:
|
||||
return await _call_ude_llm(prompt, comments, dashscope_key)
|
||||
|
||||
|
||||
async def run_ude_extraction(case_id: str, limit: int = 0, dashscope_key: str = None) -> dict:
|
||||
"""从本地 comments 表读取评论，转写为 UDE，存入 ude_sentences"""
|
||||
from db import get_case_conn
|
||||
|
||||
prompt = PROMPT_PATH.read_text("utf-8") if PROMPT_PATH.exists() else ""
|
||||
if not prompt:
|
||||
return {"error": "UDE 转写 prompt 未找到 (prompts/voc_to_ude.txt)"}
|
||||
|
||||
with get_case_conn(case_id) as conn:
|
||||
done_ids = {r[0] for r in conn.execute(
|
||||
"SELECT comment_id FROM ude_sentences"
|
||||
).fetchall()}
|
||||
|
||||
rows = conn.execute("""
|
||||
SELECT id, platform, text
|
||||
FROM comments WHERE length(text) > 10
|
||||
ORDER BY id
|
||||
""").fetchall()
|
||||
|
||||
total_comments = len(rows)
|
||||
pending = [r for r in rows if r["id"] not in done_ids]
|
||||
|
||||
if not pending:
|
||||
with get_case_conn(case_id) as conn:
|
||||
total = conn.execute("SELECT count(*) FROM ude_sentences").fetchone()[0]
|
||||
return {"message": "全部已转写完成", "totalUdes": total, "new": 0}
|
||||
|
||||
if limit > 0:
|
||||
pending = pending[:limit]
|
||||
|
||||
batches = []
|
||||
for i in range(0, len(pending), BATCH_SIZE):
|
||||
chunk = pending[i:i + BATCH_SIZE]
|
||||
batches.append([{"id": r["id"], "platform": r["platform"], "text": r["text"]} for r in chunk])
|
||||
|
||||
semaphore = asyncio.Semaphore(CONCURRENCY)
|
||||
tasks = [asyncio.create_task(_process_ude_batch(b, prompt, semaphore, dashscope_key)) for b in batches]
|
||||
all_results = await asyncio.gather(*tasks)
|
||||
|
||||
ok = 0
|
||||
with get_case_conn(case_id) as conn:
|
||||
for results in all_results:
|
||||
for r in (results or []):
|
||||
if not isinstance(r, dict):
|
||||
continue
|
||||
ude_text = r.get("ude")
|
||||
if not ude_text:
|
||||
continue
|
||||
cid = r.get("id")
|
||||
if not cid:
|
||||
continue
|
||||
try:
|
||||
conn.execute(
|
||||
"INSERT OR IGNORE INTO ude_sentences (comment_id, ude_text, confidence) VALUES (?, ?, ?)",
|
||||
(int(cid), ude_text, r.get("confidence", 0.5))
|
||||
)
|
||||
ok += 1
|
||||
except Exception as e:
|
||||
logger.warning(f"[UDE] 写入失败 id={cid}: {e}")
|
||||
conn.commit()
|
||||
total = conn.execute("SELECT count(*) FROM ude_sentences").fetchone()[0]
|
||||
|
||||
return {
|
||||
"newUdes": ok,
|
||||
"totalUdes": total,
|
||||
"totalComments": total_comments,
|
||||
"remaining": total_comments - total,
|
||||
"batches": len(batches),
|
||||
}
|
||||
|
||||
|
||||
# ═══════════ Step 2: 向量化（独立函数，流水线自动调用） ═══════════
|
||||
|
||||
def _embed_texts(client: OpenAI, texts: list[str]) -> list[list[float]]:
|
||||
all_vectors = []
|
||||
for i in range(0, len(texts), EMBED_BATCH_SIZE):
|
||||
batch = texts[i:i + EMBED_BATCH_SIZE]
|
||||
resp = client.embeddings.create(model="text-embedding-v4", input=batch, dimensions=EMBED_DIM)
|
||||
all_vectors.extend([item.embedding for item in resp.data])
|
||||
return all_vectors
|
||||
|
||||
|
||||
def run_vectorization(case_id: str, dashscope_key: str = None) -> dict:
|
||||
"""为所有未向量化的 UDE 生成 embedding（独立于聚类，可被流水线自动调用）"""
|
||||
from db import get_case_conn
|
||||
|
||||
embed_client = _get_embed_client(dashscope_key)
|
||||
|
||||
with get_case_conn(case_id) as conn:
|
||||
# 只处理未向量化的 UDE
|
||||
rows = conn.execute(
|
||||
"SELECT id, ude_text FROM ude_sentences WHERE vector IS NULL ORDER BY id"
|
||||
).fetchall()
|
||||
|
||||
if not rows:
|
||||
total = conn.execute("SELECT count(*) FROM ude_sentences").fetchone()[0]
|
||||
return {"vectorized": 0, "totalUdes": total, "message": "全部已向量化"}
|
||||
|
||||
texts = [r["ude_text"] for r in rows]
|
||||
ids = [r["id"] for r in rows]
|
||||
|
||||
vectors = _embed_texts(embed_client, texts)
|
||||
|
||||
for i, uid in enumerate(ids):
|
||||
conn.execute("UPDATE ude_sentences SET vector = ? WHERE id = ?",
|
||||
(json.dumps(vectors[i]), uid))
|
||||
conn.commit()
|
||||
|
||||
total = conn.execute("SELECT count(*) FROM ude_sentences").fetchone()[0]
|
||||
vectorized_total = conn.execute("SELECT count(*) FROM ude_sentences WHERE vector IS NOT NULL").fetchone()[0]
|
||||
|
||||
return {
|
||||
"vectorized": len(rows),
|
||||
"totalUdes": total,
|
||||
"totalVectorized": vectorized_total,
|
||||
}
|
||||
|
||||
|
||||
# ═══════════ Step 3: 聚类（纯 CPU，不调外部 API） ═══════════
|
||||
|
||||
def run_clustering(case_id: str, eps: float = 0.25, min_samples: int = 3) -> dict:
|
||||
"""纯 CPU 聚类：从 DB 读取已有向量，DBSCAN 计算。不调任何外部 API。"""
|
||||
from sklearn.cluster import DBSCAN
|
||||
from sklearn.metrics.pairwise import cosine_distances
|
||||
from db import get_case_conn
|
||||
|
||||
with get_case_conn(case_id) as conn:
|
||||
rows = conn.execute("SELECT id, comment_id, ude_text, vector FROM ude_sentences ORDER BY id").fetchall()
|
||||
|
||||
if len(rows) < min_samples:
|
||||
return {"error": f"UDE 不足 ({len(rows)} 条)，至少需要 {min_samples} 条。"}
|
||||
|
||||
# 检查向量完备性
|
||||
has_vector = [r for r in rows if r["vector"]]
|
||||
missing = len(rows) - len(has_vector)
|
||||
if missing > 0:
|
||||
return {
|
||||
"error": f"{missing} 条 UDE 尚未向量化，请等待流水线完成或手动调用 /ude/extract",
|
||||
"totalUdes": len(rows),
|
||||
"vectorized": len(has_vector),
|
||||
"missing": missing,
|
||||
}
|
||||
|
||||
ude_texts = [r["ude_text"] for r in rows]
|
||||
ude_ids = [r["id"] for r in rows]
|
||||
comment_ids = [r["comment_id"] for r in rows]
|
||||
|
||||
# 从 DB 读取已有向量（纯 CPU）
|
||||
vec_array = np.array([json.loads(r["vector"]) for r in rows])
|
||||
|
||||
# DBSCAN（纯 CPU）
|
||||
dist_matrix = cosine_distances(vec_array)
|
||||
clustering = DBSCAN(eps=eps, min_samples=min_samples, metric="precomputed").fit(dist_matrix)
|
||||
labels = clustering.labels_
|
||||
|
||||
# 更新聚类标签
|
||||
for i, uid in enumerate(ude_ids):
|
||||
conn.execute("UPDATE ude_sentences SET cluster_id = ? WHERE id = ?",
|
||||
(int(labels[i]), uid))
|
||||
|
||||
# 清空旧聚类，写入新聚类
|
||||
conn.execute("DELETE FROM ude_clusters")
|
||||
|
||||
clusters = []
|
||||
unique_labels = sorted(set(labels) - {-1})
|
||||
|
||||
for cluster_id in unique_labels:
|
||||
member_indices = [i for i, l in enumerate(labels) if l == cluster_id]
|
||||
member_texts = [ude_texts[i] for i in member_indices]
|
||||
member_vectors = vec_array[member_indices]
|
||||
member_cids = [comment_ids[i] for i in member_indices]
|
||||
|
||||
centroid = member_vectors.mean(axis=0)
|
||||
dists = cosine_distances([centroid], member_vectors)[0]
|
||||
representative = member_texts[dists.argmin()]
|
||||
|
||||
sample_voices = []
|
||||
for cid in member_cids[:5]:
|
||||
voice = conn.execute(
|
||||
"SELECT text, platform FROM comments WHERE id = ?", (cid,)
|
||||
).fetchone()
|
||||
if voice:
|
||||
sample_voices.append({"text": voice["text"][:200], "platform": voice["platform"]})
|
||||
|
||||
conn.execute(
|
||||
"INSERT INTO ude_clusters (representative_ude, coverage, sample_voices) VALUES (?, ?, ?)",
|
||||
(representative, len(member_indices), json.dumps(sample_voices, ensure_ascii=False))
|
||||
)
|
||||
clusters.append({
|
||||
"clusterId": int(cluster_id),
|
||||
"representativeUde": representative,
|
||||
"coverage": len(member_indices),
|
||||
"sampleVoices": sample_voices,
|
||||
})
|
||||
|
||||
conn.commit()
|
||||
clusters.sort(key=lambda x: x["coverage"], reverse=True)
|
||||
noise_count = int((labels == -1).sum())
|
||||
|
||||
return {
|
||||
"totalUdes": len(labels),
|
||||
"numClusters": len(clusters),
|
||||
"noiseCount": noise_count,
|
||||
"noisePct": round(noise_count / len(labels) * 100, 1) if len(labels) else 0,
|
||||
"clusters": clusters,
|
||||
"params": {"eps": eps, "minSamples": min_samples},
|
||||
}
|
||||
|
||||
|
||||
# ═══════════ 覆盖扫描 ═══════════
|
||||
|
||||
def run_coverage_scan(case_id: str) -> dict:
|
||||
from db import get_case_conn
|
||||
|
||||
with get_case_conn(case_id) as conn:
|
||||
total_comments = conn.execute("SELECT count(*) FROM comments").fetchone()[0]
|
||||
total_udes = conn.execute("SELECT count(*) FROM ude_sentences").fetchone()[0]
|
||||
clustered = conn.execute("SELECT count(*) FROM ude_sentences WHERE cluster_id >= 0").fetchone()[0]
|
||||
noise = conn.execute("SELECT count(*) FROM ude_sentences WHERE cluster_id = -1").fetchone()[0]
|
||||
|
||||
cluster_stats = [dict(r) for r in conn.execute(
|
||||
"SELECT cluster_id, count(*) as cnt FROM ude_sentences WHERE cluster_id >= 0 GROUP BY cluster_id ORDER BY cnt DESC"
|
||||
).fetchall()]
|
||||
|
||||
noise_samples = [dict(r) for r in conn.execute(
|
||||
"SELECT ude_text, comment_id, confidence FROM ude_sentences WHERE cluster_id = -1 ORDER BY confidence DESC LIMIT 10"
|
||||
).fetchall()]
|
||||
|
||||
return {
|
||||
"totalComments": total_comments,
|
||||
"totalUdes": total_udes,
|
||||
"udesClustered": clustered,
|
||||
"udesNoise": noise,
|
||||
"coverageRate": round(clustered / total_comments * 100, 1) if total_comments else 0,
|
||||
"clusterDistribution": cluster_stats,
|
||||
"noiseSamples": noise_samples,
|
||||
"verdict": "充分" if (total_udes > 0 and noise / total_udes < 0.1) else
|
||||
("需关注" if (total_udes > 0 and noise / total_udes < 0.2) else "需调参"),
|
||||
}
|
||||
@@ -1,577 +0,0 @@
|
||||
# 黑手党提案 Agent — 产品规格说明书 (SPEC v1.0)
|
||||
|
||||
> **版本**：v1.0 | **日期**：2026-04-06
|
||||
> **作者**：李东方 | **审阅**：沈攀、赵蕾
|
||||
> **状态**：草案（待审批）
|
||||
|
||||
---
|
||||
|
||||
## 一、项目定位
|
||||
|
||||
### 1.1 是什么
|
||||
|
||||
基于 CoPaw（小龙虾）多智能体架构的 **"产品上新黑手党提案"AI 顾问**。
|
||||
|
||||
- **产品形态**：一个 CoPaw Agent 配置包（AGENTS.md + Skills + HEARTBEAT.md），而非独立应用
|
||||
- **交付物**：Markdown 结构化文档（研讨记录 + 提案结论）
|
||||
- **方法论内核**：TOC（约束理论）五步思考过程
|
||||
|
||||
### 1.2 不是什么
|
||||
|
||||
- ❌ 不是一个独立的 Web 服务或 SaaS 平台
|
||||
- ❌ 不是 CoPaw 的二次开发（不改框架代码）
|
||||
- ❌ 不需要编写 Python 代码——所有交付物都是 Markdown
|
||||
|
||||
### 1.3 战略来源
|
||||
|
||||
| 来源 | 内容 |
|
||||
|------|------|
|
||||
| 领先2035工作坊 | 完成了 TOC 五步法全流程研讨，形成完整方法论 |
|
||||
| 攀师傅小会决议 (2026-04-06) | 路线 A 优先启动：沈攀做甲方，3-4 天完成，基于小龙虾架构 |
|
||||
|
||||
### 1.4 核心原则
|
||||
|
||||
1. **AI 是队友不是工具**——Agent 有 Soul、Memory、Skill
|
||||
2. **自进化机制 > 工程化打补丁**——给示范 → 校准 → 形成 Skill → 不断迭代
|
||||
3. **有效性 > 完备性 > 严谨性**——不要在中间步骤上过度工程化
|
||||
4. **人类的核心工作只有两件事**：输入 Context 和 Taste
|
||||
|
||||
---
|
||||
|
||||
## 二、架构设计
|
||||
|
||||
### 2.1 CoPaw 多智能体定位
|
||||
|
||||
`mafia-expert` 作为 CoPaw 中的独立专家智能体：
|
||||
|
||||
```
|
||||
~/.copaw/
|
||||
├── config.json # 全局配置 (LLM providers)
|
||||
└── workspaces/
|
||||
├── default/ # 默认智能体（日常助手）
|
||||
└── mafia-expert/ # 黑手党提案专家智能体
|
||||
├── agent.json # Agent 专属配置
|
||||
├── AGENTS.md # 人设 + TOC 方法论注入
|
||||
├── MEMORY.md # 长期记忆（偏好、品味）
|
||||
├── HEARTBEAT.md # 自指迭代 + 自动更新触发器
|
||||
├── active_skills/ # 已激活的 Skills
|
||||
│ ├── ude_diagnosis/SKILL.md
|
||||
│ ├── conflict_cloud/SKILL.md
|
||||
│ ├── convention_breaker/SKILL.md
|
||||
│ ├── negative_branch/SKILL.md
|
||||
│ └── proposal_assembler/SKILL.md
|
||||
├── memory/ # ReMe 每日日志（自动生成）
|
||||
├── cases/ # 案例输出（迭代素材）
|
||||
└── iteration_reports/ # 自指迭代报告
|
||||
```
|
||||
|
||||
### 2.2 隔离保证
|
||||
|
||||
| 维度 | 隔离方式 | CoPaw 机制 |
|
||||
|------|---------|-----------|
|
||||
| 人设 | 独立 AGENTS.md | 多智能体工作区物理隔离 |
|
||||
| 记忆 | 独立 MEMORY.md + memory/ | ReMe 按 workspace 隔离 |
|
||||
| 技能 | 独立 active_skills/ | per-agent 技能开关 |
|
||||
| 工具 | 独立 MCP 客户端配置 | agent.json 中 mcpClients |
|
||||
| 对话 | 独立 chats.json | per-agent 会话存储 |
|
||||
|
||||
### 2.3 三层自指迭代闭环
|
||||
|
||||
#### 第一层：个人 Agent 自我迭代（CoPaw 原生）
|
||||
|
||||
- **触发**：每次对话自动 + 每周 Heartbeat 回顾
|
||||
- **机制**：ReMe 自动将对话总结写入 `memory/YYYY-MM-DD.md`
|
||||
- **产物**：更精准的个人品味和经验（私有 MEMORY.md）
|
||||
- **范围**：单个用户实例内部
|
||||
|
||||
#### 第二层：Skill 自指迭代（核心闭环）
|
||||
|
||||
- **触发**：本地 Agent 心跳反思中识别出方法论缺陷（非个人经验问题）
|
||||
- **上行**：生成 `iteration_report` → `git push` 到共享仓库
|
||||
- **策展**：服务器 `skill-curator` Agent 汇总 reports → 起草 Skill 修改
|
||||
- **审批**：核心方法论变更等人工审批；表述澄清自动合并
|
||||
- **产物**：更好的 AGENTS.md / Skills（共享资产）
|
||||
|
||||
#### 第三层：自动分发
|
||||
|
||||
- **触发**：每个用户的 mafia-expert Heartbeat 每日检查
|
||||
- **机制**：`git fetch` → 有新 commit → `git pull` → 更新本地 Skill
|
||||
- **通知**：下次对话开头告知用户"方法论已更新到 vX.Y"
|
||||
- **产物**：所有用户同步到最新版
|
||||
|
||||
---
|
||||
|
||||
## 三、部署策略
|
||||
|
||||
### 3.1 三角色 × 三安装方式
|
||||
|
||||
| 角色 | 安装方式 | 原因 |
|
||||
|------|---------|------|
|
||||
| **用户**（沈攀、赵蕾等） | CoPaw 桌面应用 | 零配置，双击运行 |
|
||||
| **服务器**（ECS skill-curator） | Docker `agentscope/copaw:latest` | 24/7 运行，环境隔离 |
|
||||
| **开发者**（李东方） | Script 安装 (`curl ... \| bash`) | 频繁编辑测试、Git 推送 |
|
||||
|
||||
### 3.2 Git 仓库结构
|
||||
|
||||
```
|
||||
黑手党提案/
|
||||
├── docs/ # 原始研讨材料（只读参考）
|
||||
│ └── 在线工作坊 - 研讨文档.md
|
||||
├── agent/ # ← 产品核心资产
|
||||
│ ├── AGENTS.md # 人设 + 方法论注入
|
||||
│ ├── agent.json # Agent 配置
|
||||
│ ├── HEARTBEAT.md # 三层迭代触发器
|
||||
│ ├── skills/ # Skills 目录
|
||||
│ │ ├── ude_diagnosis/SKILL.md
|
||||
│ │ ├── conflict_cloud/SKILL.md
|
||||
│ │ ├── convention_breaker/SKILL.md
|
||||
│ │ ├── negative_branch/SKILL.md
|
||||
│ │ └── proposal_assembler/SKILL.md
|
||||
│ └── install.md # 安装指南
|
||||
├── curator/ # 服务器 curator Agent 配置
|
||||
│ ├── AGENTS.md
|
||||
│ └── HEARTBEAT.md
|
||||
├── cases/ # 案例库（测试套件）
|
||||
├── iteration_reports/ # 迭代报告
|
||||
├── CHANGELOG.md # 迭代日志
|
||||
└── README.md
|
||||
```
|
||||
|
||||
---
|
||||
|
||||
## 四、TOC 五步法方法论拆解
|
||||
|
||||
> 以下是 **mafia-expert Agent 必须严格执行的完整流程**。
|
||||
> 每个步骤对应一个 Skill，Agent 按顺序引导用户完成。
|
||||
|
||||
### 阶段 A：研讨准备（粗共识）
|
||||
|
||||
#### 准备1：让用户秒懂"黑手党提案"
|
||||
|
||||
**Skill**：内置在 AGENTS.md 中（无需独立 Skill）
|
||||
|
||||
**Agent 动作**：
|
||||
1. 用类比引入概念（电影《教父》"你没有任何拒绝的理由"）
|
||||
2. 给出概念定义（三层次）：
|
||||
- **定义**：帮助客户打破重大限制，让其无法拒绝的方案。通过非共识的创新方式实现双赢
|
||||
- **内涵**：不是痛点挖掘，而是打破行业惯例；不直接解决问题，而是让问题变得无关紧要
|
||||
- **外延**：与"痛点""需求""传统方案"的区别
|
||||
3. 提供秒懂案例（至少 3 个）
|
||||
|
||||
**参考案例库**（内置于 AGENTS.md）：
|
||||
|
||||
| 案例 | 打破的惯例 | 企业获益 | 用户获益 |
|
||||
|------|----------|---------|---------|
|
||||
| 苹果手机 | 手机必须有键盘 | 更高利润、市场主导 | 全触屏、更直观操作 |
|
||||
| 胖东来按新鲜度卖鲜果 | 按外观大小定价 | 品牌忠诚、利润空间 | 合理价格买新鲜水果 |
|
||||
| 小米手机 (2011) | 智能手机5000+ | 迅速扩大市场份额 | 1999元高质量手机 |
|
||||
| 苹果 iPod | 盗版MP3或正版CD | 市场领导地位 | 小小设备3000+歌曲 |
|
||||
| 360免费杀毒 | 杀毒软件收费 | 用户基数→增值盈利 | 免费高效杀毒 |
|
||||
|
||||
**输出**：用户对"黑手党提案"概念的共识确认
|
||||
|
||||
---
|
||||
|
||||
#### 准备2：识别双赢的两方
|
||||
|
||||
**Skill**：内置在 AGENTS.md 中
|
||||
|
||||
**Agent 动作**：引导用户填写 JTBD 四要素表
|
||||
|
||||
**输出模板**：
|
||||
|
||||
```markdown
|
||||
| 维度 | 我方（企业） | 典型目标客户（DTB） |
|
||||
|------|------------|-------------------|
|
||||
| 1、客户画像 | [行业特征、企业特征] | [DTB 的行业/规模/特征] |
|
||||
| 2、雇用产品 | [我方提供什么产品/服务] | [客户实际"雇用"我们做什么] |
|
||||
| 3、待办任务 | [我方要完成的核心任务] | [客户要完成的核心任务] |
|
||||
| 4、期望结果 | [我方期望的最终成果] | [客户期望的最终成果] |
|
||||
```
|
||||
|
||||
**质量标准**：
|
||||
- 客户画像必须具体到行业阶段、企业规模、创始人特征
|
||||
- 期望结果必须可量化、可感知（"xx年后的利润=今天的营业额"）
|
||||
|
||||
---
|
||||
|
||||
#### 准备3：定义双赢——UDE 诊断
|
||||
|
||||
**Skill**：`ude_diagnosis/SKILL.md`
|
||||
|
||||
**Agent 动作**：
|
||||
1. 引导用户列出所有 UDE（不良现状效果）
|
||||
2. 对每条 UDE 进行 10 条标准校验
|
||||
3. 从合格 UDE 中筛选最重要的 3 个
|
||||
4. 识别恶性循环
|
||||
|
||||
**UDE 10 条标准**（Agent 必须逐条检查）：
|
||||
|
||||
| 序号 | 标准 | ✅ 合格示例 | ❌ 不合格示例 |
|
||||
|------|------|-----------|-------------|
|
||||
| 1 | 持续存在 | "业绩增长乏力" | "上个月销量下降"（一次性） |
|
||||
| 2 | 当下正在发生 | "营销费用高" | "如果不改革就会……"（假设） |
|
||||
| 3 | 描述状态 | "人才密度不够" | "应该招更多人"（动作） |
|
||||
| 4 | 责任范围内 | "缺乏战略节奏" | "政策环境不好"（外部不可控） |
|
||||
| 5 | 可以解决 | "缺科学管理会计" | "人性本恶"（无法解决） |
|
||||
| 6 | 不归因于人 | "组织协调运转不畅" | "张三能力不行"（责怪个人） |
|
||||
| 7 | 不分析原因 | "总体利润降低" | "因为成本太高所以利润低"（含原因） |
|
||||
| 8 | 不是解决方案 | "核心岗位胜任力不足" | "需要引进外部人才"（隐藏方案） |
|
||||
| 9 | 单独实体 | "主将缺位" | "主将缺位且人才密度不够"（两个实体） |
|
||||
| 10 | 不是主观猜想 | "现金流不充裕" | "我觉得团队不够努力"（主观） |
|
||||
|
||||
**筛选最重要 3 个 UDE 的标准**（同时满足）：
|
||||
1. 跟买我们的产品/用我们的服务有关（我们和同行导致了这个 UDE）
|
||||
2. 这个 UDE 对客户至关重要，直接/间接影响了 70% 以上的其他 UDE
|
||||
|
||||
**恶性循环输出模板**：
|
||||
|
||||
```markdown
|
||||
### 恶性循环 1
|
||||
- [UDE-A] → [UDE-B] → [UDE-C] → [UDE-D] → 回到 [UDE-A]
|
||||
|
||||
### 恶性循环 2
|
||||
- [UDE-X] → [UDE-Y] → [UDE-Z] → 回到 [UDE-X]
|
||||
```
|
||||
|
||||
---
|
||||
|
||||
### 阶段 B：发现和打破惯例（方向性提案）
|
||||
|
||||
#### 步骤1：定义核心冲突
|
||||
|
||||
**Skill**：`conflict_cloud/SKILL.md`
|
||||
|
||||
**Agent 动作**：
|
||||
1. 对筛选出的每个主要 UDE，构建冲突图（Evaporating Cloud）
|
||||
2. 引导用户填写 O-B-D 结构
|
||||
3. 合并多个 UDE 的冲突图
|
||||
|
||||
**冲突图构建规则**（Agent 内部逻辑）：
|
||||
- UDE → DE（反转 UDE 为期望效果）
|
||||
- DE 的必备条件 = D（只有做了 D，UDE 才会转化为 DE）
|
||||
- 从 D 中找到矛盾行动（D1 vs D2）
|
||||
- 转化 D 对应的 DE 为 B（需求）
|
||||
- 推测 B 的共同目标 O（服从于系统目标的小目标）
|
||||
|
||||
**单个 UDE 冲突图模板**：
|
||||
|
||||
```markdown
|
||||
| 维度 | 目标 | 需求 | 行动 | 检查 |
|
||||
|------|------|------|------|------|
|
||||
| UDE: [描述] | O: [系统目标] | B1: [需求1] | D1: [当前行动] | 当感受到UDE时的通常做法 |
|
||||
| | | B2: [需求2] | D2: [期望行动] | D1和D2互斥 |
|
||||
```
|
||||
|
||||
**互斥性校验**（Agent 必须确认）：
|
||||
- 如果 D1，则不能 D2
|
||||
- 如果 D2，则不能 D1
|
||||
- 只有 D1，才能 B1；如果 D1，则不能 B2
|
||||
- 只有 D2，才能 B2；如果 D2，则不能 B1
|
||||
|
||||
**合并冲突图模板**：
|
||||
|
||||
```markdown
|
||||
| 合并UDE | O合并 | B1 | D1（当前行动） |
|
||||
|---------|-------|----|--------------:|
|
||||
| | | B2 | D2（期望行动） |
|
||||
```
|
||||
|
||||
---
|
||||
|
||||
#### 步骤2：揭示冲突背后的惯例
|
||||
|
||||
**Skill**：`convention_breaker/SKILL.md`（前半段）
|
||||
|
||||
**Agent 动作**：
|
||||
1. 针对合并冲突图，追问："为什么用户想要 B1 就一定得 D1？"
|
||||
2. 用因果假设分析法（CLR）找到隐含假设
|
||||
3. 从假设追溯到行业惯例
|
||||
4. 验证惯例的有效性
|
||||
|
||||
**因果假设分析模板**：
|
||||
|
||||
```markdown
|
||||
| 关键问题 | 假设 | 行业惯例 | 总结 |
|
||||
|---------|------|---------|------|
|
||||
| 为什么想要 B1 就必须 D1？ | [隐含假设1] | [对应的行业通常做法] | 如果遵循惯例1：[XX] |
|
||||
| 检查：因为D1，同时[假设]，那么B1 | [隐含假设2] | [另一个行业做法] | 则用户只会D1不会D2 |
|
||||
```
|
||||
|
||||
**惯例验证清单**（两个视角）：
|
||||
|
||||
```markdown
|
||||
#### 我方视角验证
|
||||
1. 惯例是不是行业内保护自身利益的"普遍做法"？
|
||||
2. 惯例是否导致当下的恶性循环？
|
||||
- 因为：企业继续遵守惯例XX
|
||||
- 假设：同时，XX
|
||||
- 结果：恶性循环中 XX 将加剧
|
||||
|
||||
#### DTB（客户）视角验证
|
||||
1. 补全 CCRT（核心冲突现实树）
|
||||
2. 确认惯例直接导致主要 UDE（至少一个）
|
||||
3. 确认惯例导致加剧了恶性循环
|
||||
```
|
||||
|
||||
---
|
||||
|
||||
#### 步骤3：用例外激发方案
|
||||
|
||||
**Skill**：`convention_breaker/SKILL.md`（后半段）
|
||||
|
||||
**Agent 动作**：
|
||||
1. 对每个惯例，找到"例外"（具体实例，而不是逻辑推演）
|
||||
2. 从例外中提炼"打破惯例"的可行方案
|
||||
3. 输出方向性提案总结
|
||||
|
||||
**方案激发模板**：
|
||||
|
||||
```markdown
|
||||
| 改变的策略 | DTB目标 | 需求 | 行动 | 激发方案 |
|
||||
|-----------|--------|------|------|---------|
|
||||
| 惯例1: [名称] | | | | |
|
||||
| 之所以D2无法B1，是因为假设：[XX] | | | | |
|
||||
| 现有惯例做法=[XX]，对应D1 | O: [XX] | B1: [XX] | D1: [XX] | 例外是：[具体实例] |
|
||||
| 打破惯例做法=[XX]，对应D2 | | B2: [XX] | D2: [XX] | 可以尝试：[XX] |
|
||||
```
|
||||
|
||||
**方向性提案总结格式**（Agent 必须输出）：
|
||||
|
||||
```markdown
|
||||
### 方向性提案总结
|
||||
|
||||
> 通过 D [具体行动]，满足 B [具体需求]；
|
||||
> 同时通过 D' [具体行动]，满足 B' [具体需求]；
|
||||
> 使 DTB 既可以 O1 [目标1]，又能够 O2 [目标2]。
|
||||
```
|
||||
|
||||
---
|
||||
|
||||
### 阶段 C：激发和完善方案（操作性提案）
|
||||
|
||||
#### 步骤4：消除负面分支
|
||||
|
||||
**Skill**：`negative_branch/SKILL.md`
|
||||
|
||||
**Agent 动作**：
|
||||
1. 列出实施新方案后可能新增的所有 UDE
|
||||
2. 筛选出"直接危害现有 B"且"客户感受强"的 UDE
|
||||
3. 对每个危害性 UDE，构建因果假设链（从方案 D → 中间结果 → 最终 UDE）
|
||||
4. 在因果链中找到 UDE 转为 DE 的节点，补充打破假设的方案
|
||||
|
||||
**新增 UDE 发散清单**（Agent 引导用户思考）：
|
||||
- 协同复杂度增加
|
||||
- 考核边界不清晰
|
||||
- 管理复杂度增加
|
||||
- 局部效率降低
|
||||
- 结果不确定性高
|
||||
- 不适应新思维模式
|
||||
- 认知负担加重
|
||||
- 决策难度提升 / 决策慢
|
||||
- 对人才要求高
|
||||
- 其他……
|
||||
|
||||
**危害性筛选标准**（同时满足）：
|
||||
1. 直接危害现有任一 B（需求）
|
||||
2. 客户感受强
|
||||
|
||||
**危害性筛选输出模板**：
|
||||
|
||||
```markdown
|
||||
| 被危害的 B | 新增 UDE |
|
||||
|-----------|---------|
|
||||
| B1: [需求描述] | [新UDE描述] |
|
||||
| B2: [需求描述] | [新UDE描述] |
|
||||
```
|
||||
|
||||
**因果假设链分析模板**（每个危害性 UDE 一份）：
|
||||
|
||||
```markdown
|
||||
| | 因果假设链 | | 性质 |
|
||||
|--|-----------|--|------|
|
||||
| 结果 | 最终结果：[UDE] | | UDE |
|
||||
| 过程 | 中间结果3：[XX] | 假设：[XX] | UDE |
|
||||
| | 中间结果2：[XX] | 假设：[XX] | UDE |
|
||||
| | | | **打破假设的方案：[XX]** |
|
||||
| | 中间结果1：[XX] | 假设：[XX] | DE |
|
||||
| 方案 | D：[新方案] | 假设：[前提条件] | |
|
||||
```
|
||||
|
||||
**节点补充验证模板**（确认 UDE→DE 转换有效）：
|
||||
|
||||
```markdown
|
||||
| 如果： | D [具体方案] |
|
||||
|--------|-------------|
|
||||
| 同时： | 假设 [前提条件] |
|
||||
| 那么： | UDE变成DE：[原UDE] 变成 [新DE] |
|
||||
| 并且那么： | 现有DE没有转变为UDE |
|
||||
```
|
||||
|
||||
---
|
||||
|
||||
#### 步骤5：确立新规则、匹配新能力
|
||||
|
||||
**Skill**：`proposal_assembler/SKILL.md`
|
||||
|
||||
**Agent 动作**：
|
||||
1. 对比打破惯例前后，确立新规则（新惯例）
|
||||
2. 梳理剩余未解决的原 UDE + 新方案导致的新 UDE
|
||||
3. 为每个 UDE→DE 的转换，匹配所需的运营能力
|
||||
4. 输出产品说明书
|
||||
|
||||
**运营能力匹配分类**：
|
||||
|
||||
| 分类 | 逻辑 | 示例 |
|
||||
|------|------|------|
|
||||
| 原 UDE 不会转化为 DE，除非…… | 原有问题需要额外能力才能解决 | 主将缺位 → Build/Borrow/Buy |
|
||||
| 新方案导致新 UDE，除非…… | 新方案的副作用需要配套能力 | 协同复杂度增加 → 聚焦瓶颈问题 |
|
||||
|
||||
**运营能力匹配输出模板**：
|
||||
|
||||
```markdown
|
||||
| 分类 | 期望改变的结果 | 运营能力（新增能力） |
|
||||
|------|-------------|-------------------|
|
||||
| 原UDE → DE | 原UDE1: [描述] | [对应运营能力] |
|
||||
| | 原UDE2: [描述] | [对应运营能力] |
|
||||
| 新方案 → 新UDE → DE | 新UDE1: [描述] | [对应运营能力] |
|
||||
| | 新UDE2: [描述] | [对应运营能力] |
|
||||
```
|
||||
|
||||
**产品说明书输出模板**：
|
||||
|
||||
```markdown
|
||||
| 产品单元 | 运营能力（改变UDE为DE） | 运营能力（维持DE） |
|
||||
|---------|---------------------|------------------|
|
||||
| [产品/服务1] | [新增能力描述] | [维护能力描述] |
|
||||
| [产品/服务2] | [新增能力描述] | [维护能力描述] |
|
||||
```
|
||||
|
||||
---
|
||||
|
||||
## 五、最终交付物模板
|
||||
|
||||
Agent 完成五步法后，必须输出以下完整 Markdown 文档：
|
||||
|
||||
```markdown
|
||||
# [品牌名] 产品上新 — 黑手党提案
|
||||
|
||||
> 生成时间：YYYY-MM-DD
|
||||
> 方法论版本：vX.Y
|
||||
> Agent：mafia-expert
|
||||
|
||||
---
|
||||
|
||||
## 一、双赢定义
|
||||
|
||||
### 1.1 概念共识
|
||||
[对黑手党提案概念的共识描述]
|
||||
|
||||
### 1.2 JTBD 四要素
|
||||
|
||||
| 维度 | 我方 | 典型目标客户（DTB） |
|
||||
|------|------|-------------------|
|
||||
| 客户画像 | ... | ... |
|
||||
| 雇用产品 | ... | ... |
|
||||
| 待办任务 | ... | ... |
|
||||
| 期望结果 | ... | ... |
|
||||
|
||||
---
|
||||
|
||||
## 二、UDE 诊断
|
||||
|
||||
### 2.1 完整 UDE 清单
|
||||
[编号列表，每条 UDE 标注是否通过 10 条标准]
|
||||
|
||||
### 2.2 最重要的 3 个 UDE
|
||||
1. [UDE-1]：[选择理由]
|
||||
2. [UDE-2]：[选择理由]
|
||||
3. [UDE-3]：[选择理由]
|
||||
|
||||
### 2.3 恶性循环
|
||||
[循环图描述]
|
||||
|
||||
---
|
||||
|
||||
## 三、核心冲突
|
||||
|
||||
### 3.1 各 UDE 冲突图
|
||||
[每个 UDE 的 O-B-D 表]
|
||||
|
||||
### 3.2 合并冲突图
|
||||
[合并后的 O-B1-D1 vs B2-D2]
|
||||
|
||||
---
|
||||
|
||||
## 四、惯例揭示与方向性提案
|
||||
|
||||
### 4.1 行业惯例清单
|
||||
[每个惯例的因果假设分析]
|
||||
|
||||
### 4.2 惯例验证
|
||||
[我方视角 + DTB 视角验证结果]
|
||||
|
||||
### 4.3 方向性提案总结
|
||||
> 通过 D [XX]，满足 B [XX]；
|
||||
> 同时通过 D' [XX]，满足 B' [XX]；
|
||||
> 使 DTB 既可以 O1，又能够 O2。
|
||||
|
||||
---
|
||||
|
||||
## 五、操作性提案
|
||||
|
||||
### 5.1 负面分支消除
|
||||
[每个危害性 UDE 的因果假设链 + 打破假设方案]
|
||||
|
||||
### 5.2 新规则与新能力
|
||||
|
||||
| 分类 | 期望改变 | 运营能力 |
|
||||
|------|--------|---------|
|
||||
| ... | ... | ... |
|
||||
|
||||
### 5.3 产品说明书
|
||||
[产品单元 × 运营能力矩阵]
|
||||
|
||||
---
|
||||
|
||||
## 附录
|
||||
|
||||
### A. 数据来源与证据链
|
||||
### B. 研讨过程记录
|
||||
### C. 方法论版本与迭代日志
|
||||
```
|
||||
|
||||
---
|
||||
|
||||
## 六、验证计划
|
||||
|
||||
### 6.1 方法论完整性验证
|
||||
|
||||
| 检查项 | 验证方式 |
|
||||
|--------|---------|
|
||||
| 五步法每步都有输出 | 对照最终交付物模板逐章检查 |
|
||||
| UDE 10 条标准无遗漏 | 抽查 3 条 UDE 逐标准验证 |
|
||||
| 冲突图互斥性成立 | 检查 D1/D2 是否真正互斥 |
|
||||
| 惯例有行业证据支撑 | 至少 2 个独立来源 |
|
||||
| 负面分支全部消解 | 每个新 UDE 都有打破假设方案 |
|
||||
| 运营能力可执行 | DTB 确认具备或可获取该能力 |
|
||||
|
||||
### 6.2 Agent 能力验证
|
||||
|
||||
| 测试项 | 方法 | 通过标准 |
|
||||
|--------|------|---------|
|
||||
| 首次案例完整度 | 用"天维美跨境保健品"触发全流程 | 输出文档覆盖所有章节 |
|
||||
| UDE 标准执行力 | 故意输入不合格 UDE，观察 Agent 的纠正 | Agent 能指出具体违反哪条标准 |
|
||||
| 冲突图逻辑性 | 检查 O-B-D 关系链的因果自洽性 | 无循环论证、无逻辑跳跃 |
|
||||
| 惯例非臆测 | 检查惯例是否来自行业事实而非 Agent 编造 | 每个惯例可追溯到真实行业做法 |
|
||||
| 迭代闭环 | 跑完首案后触发 Heartbeat，检查 iteration_report | 报告能区分"个人经验"和"方法论缺陷" |
|
||||
|
||||
### 6.3 里程碑
|
||||
|
||||
| 阶段 | 交付物 | 预计时间 |
|
||||
|------|--------|---------|
|
||||
| M1 | AGENTS.md + 5 个 SKILL.md 初稿 | Day 1-2 |
|
||||
| M2 | 首个案例（天维美）完整跑通 | Day 2-3 |
|
||||
| M3 | 根据首案反馈修订 Skills v0.2 | Day 3 |
|
||||
| M4 | HEARTBEAT.md + curator 配置 + install.md | Day 3-4 |
|
||||
| M5 | 沈攀交叉验证 + 方法论 v1.0 定稿 | Day 4-5 |
|
||||
@@ -1,482 +0,0 @@
|
||||
# 在线工作坊 - 研讨文档（&产品试用：黑手党提案+有效产出会计）
|
||||
|
||||
# 研讨目标
|
||||
|
||||
1. 输出领先2035的“黑手党提案”：我们如何持续与客户双赢？
|
||||
|
||||
2. 基于黑手党提案，调整目前产品体系的重心和细节
|
||||
|
||||
3. 对研讨流程的节奏和工具进行测试（重点观察公测版中可能出现的卡点）
|
||||
|
||||
4. 对现有产品进行成本估算和定价（基于有效产出会计）
|
||||
|
||||
|
||||
## 研讨范式
|
||||
|
||||
1. 发言准备：3-5min
|
||||
|
||||
2. 顺序表达：5min\人
|
||||
|
||||
3. 发散补充：10min\轮
|
||||
|
||||
4. 个人收敛：3min准备+2min\人
|
||||
|
||||
5. 结论共识：10min\轮
|
||||
|
||||
|
||||
每一轮约50分钟（按3人研讨计算）；此时间为粗估计，在开展研讨时以实际计时为准
|
||||
|
||||
# 第一部分：黑手党提案
|
||||
|
||||
:::
|
||||
长期陪伴产品的方向性提案（成果导向、可以承诺效果的咨询服务）
|
||||
:::
|
||||
|
||||
## 研讨准备（粗共识）
|
||||
|
||||
### 关键准备1：让客户秒懂“黑手党提案”
|
||||
|
||||
研讨输出[请至钉钉文档查看「计时器」](https://alidocs.dingtalk.com/i/nodes/o14dA3GK8g2qz1pnsQanQ1rQJ9ekBD76?iframeQuery=anchorId%3DX02m6hd8rko0fh4qdmhd2vm)
|
||||
|
||||
| 类比引入 | 1. 电影《教父》中那种”你没有任何拒绝的理由“的提案<br> <br>2. 商业中的“双赢”策略，强调双方都获益。<br> <br>3. 生活中的“必杀技”，指某种无法抗拒的吸引力。 |
|
||||
| --- | --- |
|
||||
| 概念解释 | 1、定义： <br>黑手党提案是一种能够帮助客户打破重大限制、获得前所未有的价值的解决方案，通过非共识的创新方式，让客户无法拒绝，同时实现客户与企业双赢。<br>2、内涵：<br>* 不是简单的痛点挖掘或需求满足，而是通过打破行业惯例，提供超越期待的价值。<br> <br>* 通常不直接解决表面问题，而是通过创造新的价值，让原有问题变得无关紧要。<br> <br>* 方案具有独特性，难以被竞争对手模仿，且能够量化、比较，清楚展示其优势。<br> <br>* 实现客户与企业的双赢：客户因价值提升而愿意付费，企业因解决关键问题而获得长期竞争优势。<br> <br>3、外延：区别<br>* 与痛点：痛点是表面问题，而黑手党提案更关注痛点背后的根本需求和价值。<br> <br>* 与需求：需求是客户已知的期望，而黑手党提案则是通过创新打破常规，创造新的价值需求。<br> <br>* 与传统方案：传统方案可能满足单一需求，而黑手党提案是通过打破行业惯例，创造独特的价值主张。 |
|
||||
| 秒懂案例 | ### 案例：苹果手机<br>提案：苹果手机打破了传统手机必须有键盘的惯例，转而采用全触屏设计。<br>* 企业打破的限制：传统手机设计的物理键盘限制了屏幕大小和用户体验。<br> <br>* 企业获得的好处：更高的利润和市场主导地位，引领智能手机行业创新。<br> <br>* 用户打破的限制：用户不再受限于物理键盘的不便，享受更直观的操作。<br> <br>* 用户获得的好处：更时尚、易用的手机，提升了用户体验和满意度。<br> <br>### 案例：胖东来按新鲜度卖鲜果<br>提案：胖东来通过按新鲜度定价，改变了传统水果销售模式。<br>* 企业打破的限制：传统水果定价基于外观和大小，忽视了新鲜度和品质。<br> <br>* 企业获得的好处：增加了利润空间，提升了品牌形象和客户忠诚度。<br> <br>* 用户打破的限制：用户不再受限于传统定价的不公平，能够以合理价格购买新鲜水果。<br> <br>* 用户获得的好处：更高的性价比和更优质的购物体验，增强了消费信心。<br> <br>### 案例：小米手机（2011年）<br>提案：小米手机以1999元的价格进入市场，打破了智能手机高价的惯例。<br>* 企业打破的限制：智能手机价格昂贵，限制了普及和市场份额。<br> <br>* 企业获得的好处：迅速扩大了市场份额，树立了性价比高的品牌形象。<br> <br>* 用户打破的限制：用户不再受限于高价格，能够以更低的价格购买高质量智能手机。<br> <br>* 用户获得的好处：更实惠的价格和更好的产品体验，提升了消费满意度。<br> <br>### 案例：苹果 iPod<br>提案：苹果iPod通过创新设计和内容管理，改变了音乐播放器市场。<br>* 企业打破的限制：传统音乐播放器的低容量和不便携性，以及盗版和携带不便的问题。<br> <br>* 企业获得的好处：获得了市场领导地位，推动了数字音乐行业的发展。<br> <br>* 用户打破的限制：用户不再受限于低容量和不便携的播放器，享受了更丰富的音乐体验。<br> <br>* 用户获得的好处：便携、高质量的音乐播放器，提升了音乐消费的便利性和乐趣。<br> <br>**案例：360免费杀毒**<br>提案：360率先使用了杀毒免费、通过播放广告盈利的运营模式。<br>* 企业打破的限制是：传统杀毒软件的收费模式让用户望而却步，同时也让竞争对手陷入价格战的困境。<br> <br>* 企业获得的好处是：通过免费模式迅速扩大用户基数，建立市场主导地位，并通过增值服务（如安全保护、浏览器等）实现盈利。<br> <br>* 用户打破的限制是：高昂的杀毒软件成本让用户难以负担或选择盗版产品。<br> <br>* 用户获得的好处是：免费且高效的杀毒服务降低了用户的使用门槛，提高了安全防护的普及率和使用体验。 |
|
||||
|
||||
#### 个人思考过程
|
||||
|
||||
| | $\color{#0089FF}{@沈攀}$ | $\color{#0089FF}{@赵蕾}$ | 东方 |
|
||||
| --- | --- | --- | --- |
|
||||
| 类比引入 | 电影《教父》威慑力<br>预判了你的预判、最优解、别的方案可能更差 | 给客户提供难以抗拒的、清晰的、远超竞争对手的好处。 | 一种无法拒绝的提案<br>像《教父》一样，一眼看透了本质，解决了各方最痛的问题、给所有人都带来了好处，很难不心动。<br>预判了你的预判（搬家片段），最优解就是接受这个提案。 |
|
||||
| 概念解释 | what：<br>定义：打破客户重大限制，让其客户无法拒绝的理由（方案）。<br>延展：和痛点、需求的区别：<br>不只是单纯抓痛点、也比满足需求，要求要高<br>假设：用户想要，我们满足<br>黑手党提案更底层<br>通常是打破了行业惯例、非共识的共鸣<br>特征：没有直接解决这个问题，但让着问题，显得无关紧要，**c、b共赢**<br>why：需求是复合体、甚至是矛盾的、需求是不断延伸的<br>满足单一的痛点是不够的<br>how：用户端和供给端找打核心冲突、打破冲突、双赢 | 难以抗拒：相较原方案有巨大优势，大于用户的替换成本<br>清晰：可量化、可比较 | 你的客户有好处，所以更愿意付钱；<br>你的公司也有好处，可以摆脱长期以来的关键问题；<br>你的竞争对手无比头痛，看得懂也抄不了。<br>---<br>“黑手党提案”就是从客户的需求出发，深入了解他们遇到的痛点，然后设计一个解决方案，使得这个方案不仅能解决问题，还让竞争对手无法模仿，从而帮助双方都创造价值。<br>定义：（帮助XX打破限制、获得XX）<br>内涵：<br>外延：区别 |
|
||||
| 秒懂案例 | 1、 苹果手机：打破手机要有键盘惯例<br>限制：c 屏幕小 b：适配不同手机<br>——小电脑<br>2、 胖东来按新鲜度卖鲜果<br>c:xxx<br>b:xxx<br>3：真实的案例：按库龄卖车<br>C：<br>B: | 例：小米手机（2011 年）<br>原先：智能手机 5000+<br>现在：小米手机 1999（同质半价）<br>例：苹果 ipod<br>原先：盗版低质 MP3 费时费力，或正版 CD 携带不便<br>现在：小小ipod能容3000+歌曲 | 像360免费杀毒一样<br>如果杀毒软件需要花钱买，就会重复“悬赏抓蛇、越抓越多”的寓言式的困局。<br>用户为免费杀毒而来，已经付费的杀毒看得懂也不敢学。 |
|
||||
|
||||
### 关键准备2：黑手党提案让哪两方双赢？
|
||||
|
||||
研讨输出[请至钉钉文档查看「计时器」](https://alidocs.dingtalk.com/i/nodes/o14dA3GK8g2qz1pnsQanQ1rQJ9ekBD76?iframeQuery=anchorId%3DX02m6k45cync9lhsvgwqip)
|
||||
|
||||
| 1、客户 | * 成长型中小企业<br> <br> * 行业特征：<br> <br> 1. 增长期到成熟期 <br> <br> 2. 集中度低、行业乱象、用户信任度低<br> <br> <br> * 企业特征：（主动进入企业，差距小研讨）<br> <br> * 创始人：有愿景、明确目标、相信系统提升、学习管理理论<br> <br> * 管理层：认同企业愿景、执行力强、学习能力强<br> <br> * 高成长型企业（5000W~10亿）：<br> <br> * 已经验证 PMF<br> <br> <br> 1. 可量化CCR：生产职能明确、工序可量化<br> <br> 2. 赛道：高渗透空间、高增速、低集中度<br> <br> 1. 主动研究大赛道；（好赛道列表；学习日）<br> <br> 2. 细分赛道；<br> <br> 3. 组织：有胜任的主将（逻辑思维、底层认知、专业经验）+培养更多合格总经理 <br> （实战中学习； <br> **非脱产培训、有体系（学习地图）** <br> **【个人学习、小组汇报；经营提效瓶颈-实战任务-微课-工作模板+问题\单元格AI Agent】**）<br> <br> 4. 创始人：股权集中、认同可行性愿景<br> <br> <br> * 战略布局（有愿力）：<br> <br> * S1有基础<br> <br> * S2有潜力<br> <br> * S3待破局<br> <br> * 组织成长：<br> <br> * 业务单元经营提效 <br> （算帐：抓手是业务而非公司、创始人投入）<br> <br> * 多重一致性（有认识即可） |
|
||||
| --- | --- |
|
||||
| 2、雇用产品 | 陪伴式咨询（团队）：提供研讨、反馈、骨干培养等端到端服务。<br>* 产品1：咨询类产品（单次、年度）：收费模式为基础费用+增长提成。<br> <br>* 产品2：培训教练类产品（单模块、多模块）：按企业收费，每家企业参与人员不超过6人。 |
|
||||
| 3、待办任务 | * 制定可行性愿景：明确3年目标、10年愿景及更长远的使命。<br> <br>* 提供系统性、一致性、有效性的陪伴服务。<br> <br>* 实现利润增长（短期经营成果改善）和愿景落地（中长期战略任务突破）。<br> <br>具体任务：<br>1. 提升每个业务单元的盈利能力；<br> <br>2. 持续投资未来业务；<br> <br>3. 提升业务系统效率，重塑多重一致性。 |
|
||||
| 4、期望结果 | * 当下和未来的盈利持续增长（结果导向）。<br> <br>* 清晰当下和未来需打赢的关键“胜仗”（过程导向）。<br> <br>* 平衡当下赚钱与未来赚钱，实现系统思考、聚焦核心事务、有计划、有节奏地达成愿景。<br> <br>* 付费效果可量化、可感知：从定量角度看，今天的营业额能转化为未来某年的利润。<br> <br>* 为结果和成效付费，客户希望看到清晰的产出和价值。 |
|
||||
|
||||
| 谁的双赢？ $\color{#0089FF}{@沈攀}$ | 领先2035 | 典型目标客户（DTB）<br>例：…… |
|
||||
| --- | --- | --- |
|
||||
| 1、客户 | 成长型中小企业 <br>行业特征：1、 增长期到成熟期<br>2：集中度不高、行业乱象、用户信任度底<br>企业：<br>创始人：有愿力、相对明确的方向目标、相信系统提升带来的好处，学习过其他的管理理论。<br>管理层：相信企业愿景、使命同频、有一定认知能力、执行力强、学习能力强。 | 2c企业<br>产品型：研发产品、外包（自产）、销售（国内外）、全渠道<br>平台、渠道型 |
|
||||
| 2、雇用产品 | 陪伴式咨询（团队）：研讨、反馈、骨干培养<br>端到端 | 陪伴式咨询：战略方向把关、重大营销方案研讨、关键决策外脑、有竞争力的盈利产品方案、骨干培养方案 |
|
||||
| 3、待办任务 | 可行性愿景：3 年目标 10 年愿景 更长远：使命<br>系统性、一致性、有效性的陪伴服务 | 聚焦最重要的事情、战略重点、BP 计划、<br>业务反馈、骨干培训（达成愿景） |
|
||||
| 4、期望结果 | 系统思考、聚焦最重要的事情、有计划、有节奏的持续小胜、达成愿景。<br>付费效果可量化可感知<br>为结果和成效付费<br>定量：xx 年后的利润=今天的营业额 | 完成 x 年 xx 亿目标 |
|
||||
|
||||
| 谁的双赢？ $\color{#0089FF}{@赵蕾}$ | 领先2035 | 典型目标客户（DTB）<br>**例：Tob 客户类（数票云链）** |
|
||||
| --- | --- | --- |
|
||||
| 1、客户 | 高成长型企业（5000W~10亿）<br>> ① 可量化CCR：制约在 CCR（我方有相关经验则更佳）、 有生产职能、工序明确可量化<br>> ② 赛道：高渗透空间、高增速、低集中度<br>> ③ 组织：有胜任的主将（逻辑思维、底层认知、专业经验）<br>> ④ 创始人：股权集中，有一定认知，理性讲逻辑，认同企业经营需要系统论＞还原论（有效产出世界观） | 大型银行 |
|
||||
| 2、雇用产品 | 可行性愿景<br>> 产品1：咨询类产品（单次、年度）<br>* 收费：基础费用+增长提成<br> <br>> 产品2：培训教练类产品（单模块、多模块）<br>* 收费：以企业为单位收费，每家企业人员＜ 6人 | 数电发票的数据要素的场景价值应用<br>> 产品 1：粗加工 —— 数电发票脱敏数据<br>* 收费：按数据量付费<br> <br>> 产品 2：精加工 —— 新能源车产业链融资风控模型<br>* 收费：按模型应用时间付费（或买断）<br> <br>> 产品 3：增值服务 —— 新能源车产业链融资企业撮合<br>* 收费：按融资金额返点 |
|
||||
| 3、待办任务 | 利润增长（短期经营成果能有改变）<br>愿景落地（中长期战略任务能有突破） | 更安全的资金应用<br>更低的销售成本<br>更高的收益回报<br>更多普惠金融的政绩（中小企业、产业的神经末梢） |
|
||||
| 4、期望结果 | 既能当下赚钱，又能未来赚钱 | 更多客户、更高回报、更低风险 |
|
||||
|
||||
| 谁的双赢？ $\color{#0089FF}{@李东方}$ | 领先2035 | 典型目标客户（DTB） |
|
||||
| --- | --- | --- |
|
||||
| 1、客户 | 战略有布局：S1有基础、S2有潜力、S3有思考待破局；<br>组织可成长：业务单元的经营提效；多重一致性； | 消费者(意味着我们聚焦于2C业务的企业客户) |
|
||||
| 2、雇用产品 | “总经理+”：合格总经理在我们公司，马上就能大变样<br>（体验过什么是好的总经理、可以带来好的效果） | 新能源汽车：汽车交付和保障服务；<br>跨境电商：选品、需求场景挖掘<br>安克充电业务：把用户痛点快速变成高品质的产品 |
|
||||
| 3、待办任务 | 1. 提升每个业务单元的盈利能力；<br> <br>2. 持续投资未来业务；<br> <br>3. 提升业务系统效率、重塑多重一致性； | 在LTV内提供高品质、低价格的产品和足够周到的服务 |
|
||||
| 4、期望结果 | 当下和未来的盈利持续增长；（结果）<br>清晰当下和未来有哪些胜仗要打：（过程） | “多快好省” |
|
||||
|
||||
### 关键准备3：如何定义双赢
|
||||
|
||||
研讨输出[请至钉钉文档查看「计时器」](https://alidocs.dingtalk.com/i/nodes/o14dA3GK8g2qz1pnsQanQ1rQJ9ekBD76?iframeQuery=anchorId%3DX02m6k5fygudxxvu01k2qb)
|
||||
|
||||
| 定义双赢 | 领先2035 | 典型目标客户（DTB） |
|
||||
| --- | --- | --- |
|
||||
| 1、主要UDE | 必选：<br> | 必选：<br>1. **客户主要UDE：**<br> <br>1、战略解码： BP 战略节奏不清晰（目标、年度关键任务不清晰）<br>2、业绩增长乏力<br>3、总体利润降低<br>4、营销费用高<br>5、缺乏持续可盈利的业务设计<br>6、组织对应战略的匹配度低<br>7、组织：架构不合理、协调运转不畅<br>组织调整慢<br>8、 人才：<br>8 主将缺位、<br>9 缺 OD 主管（≥ 能手）<br>10 缺财务主管（≥ 能手）<br>11 核心岗位胜任力能力不足<br>12 人才密度不够、<br>13 人才互补性不强、<br>14 老将经验习惯和新理念和能力的冲突<br>15 运营：缺乏高质量的及时反馈营业分析会<br>16 财务：缺科学管理会计体系（数据、报表）<br>17 现金流不充裕<br>（同时符合以下两个原则）选出**最重要的三个UDE**：<br>1. 跟买我们的产品、用我们的服务有关 <br> （我们和同行导致了这个UDE）；<br> <br>2. 这个UDE对于客户是至关重要，直接、间接影响了70%以上的UDE； |
|
||||
| 2、恶性循环 | 必选：（拿结果找原因）<br>**恶性循环1：**<br>* 无法确保客户财务指标显性提升<br> <br>* 产品价值陈述不清晰<br> <br>* 值得长期陪伴的客户少<br> <br>* 缺少实战的成功案例<br> <br>**恶性循环2：** <br>* 缺少实战的成功案例<br> <br>* 对交付的结果和节奏缺乏明确承诺<br> <br>* 产品交付变量大<br> <br>* 对顾问要求门槛高<br> <br>* 顾问无法规模化 | 可选： |
|
||||
|
||||
[请至钉钉文档查看「计时器」](https://alidocs.dingtalk.com/i/nodes/o14dA3GK8g2qz1pnsQanQ1rQJ9ekBD76?iframeQuery=anchorId%3DX02m6n7uobszhkb4kt6bll)
|
||||
|
||||
[《UDE分析过程》](https://alidocs.dingtalk.com/i/nodes/G1DKw2zgV2glyaqMf103PABqJB5r9YAn?utm_scene=team_space)
|
||||
|
||||
:::
|
||||
清晰表达的 UDE 的一些特征包括：
|
||||
|
||||
1.【持续存在】 这是对现实中存在的持续存在的问题的抱怨，并且由于这个问题，你无法表现得更好。
|
||||
|
||||
2. 【当下正在发生】应该是一个完整的现在时的句子。
|
||||
|
||||
3.【描述状态】它是对系统状态的描述，而不是动作。
|
||||
|
||||
4. 【责任范围内】属于您的责任或影响范围。
|
||||
|
||||
5. 【可以解决】可以采取一些措施来解决这个问题。
|
||||
|
||||
6. 【不归因于人】不能责怪某人。
|
||||
|
||||
7. 【不分析原因】不能是推测的原因。
|
||||
|
||||
8.【不是解决方案】绝不能是隐藏的解决问题的办法。
|
||||
|
||||
9. 【单独的实体】它必须仅包含一个实体。
|
||||
|
||||
10. 【】不应在言语中包含其原因。
|
||||
|
||||
1【不是主观猜想】应该是事实而不是主观的。
|
||||
:::
|
||||
|
||||
## 黑手党提案
|
||||
|
||||
### 发现和打破惯例阶段：方向性提案
|
||||
|
||||
#### 1、定义核心冲突
|
||||
|
||||
1、战略解码： BP 战略节奏不清晰（目标、年度关键任务不清晰）
|
||||
|
||||
6、组织对应战略的匹配度低
|
||||
|
||||
16 财务：缺科学管理会计体系（数据、报表）
|
||||
|
||||
补充研讨：
|
||||
|
||||
1. 客户目标（系统目标）
|
||||
|
||||
2. UDE - > DE
|
||||
|
||||
3. DE的必备条件（D：只有做了D，UDE才会转化为DE）
|
||||
|
||||
1. 从D中找到矛盾的行动；
|
||||
|
||||
2. 转化D对应的DE为B；
|
||||
|
||||
3. 推测B的共同目标（服从于系统目标的小目标，而不能一上来就是O）
|
||||
|
||||
|
||||
| 典型客户的客户（DTB） | 目标 | 需求 | 行动 | 检查 |
|
||||
| --- | --- | --- | --- | --- |
|
||||
| 1、主要UDE1<br>[请至钉钉文档查看「计时器」](https://alidocs.dingtalk.com/i/nodes/o14dA3GK8g2qz1pnsQanQ1rQJ9ekBD76?iframeQuery=anchorId%3DX02m6nlcntn3vbbeylrt9n)<br>1、目标、年度关键任务不清晰 | O<br>达成业绩目标 | B1<br>~~（责权利更清晰）~~<br>降低管理复杂度 | D1<br>各自为战 | 当我们感受到UDE时，我们通常的做法是D1；<br>对于典型目标客户（DTB）<br>如果想要B1，但总是UDE1；<br>如果D1，则不能D2；<br>如果D2，则不能D1；<br>只有D1，才能B1；<br>如果D1，则不能B2<br>只有D2，才能B2；<br>如果D2，则不能B1；<br><br> |
|
||||
| | | B2<br>聚焦全局关键事项 | D2<br>协同作战 |
|
||||
| 2、主要UDE2[请至钉钉文档查看「计时器」](https://alidocs.dingtalk.com/i/nodes/o14dA3GK8g2qz1pnsQanQ1rQJ9ekBD76?iframeQuery=anchorId%3DX02m6k628ztgayppww4sm)<br>6、组织对应战略的匹配度低 | O<br>资源得到最大化的利用 | B1<br>责权利更清晰<br>解决表面问题（止血） | D1<br>优先解决局部的、具体问题；（次要矛盾） |
|
||||
| 推动企业实现战略目标 | | B2<br>将资源聚焦到能够改善业绩的关键环节<br>解决根本问题（根治） | D2<br>基于系统思考解决整体关键问题；（主要矛盾） |
|
||||
| 3、主要UDE3<br>[请至钉钉文档查看「计时器」](https://alidocs.dingtalk.com/i/nodes/o14dA3GK8g2qz1pnsQanQ1rQJ9ekBD76?iframeQuery=anchorId%3DX02m6nooyydbije19pyz6)<br>财务：~~缺整体科学管理会计体系的指导（数据、报表）~~<br>缺乏经营仪表盘的指导 | O<br>提升当期盈利指标 | B1<br>符合会计准则强制要求 | D1<br>完全成本法（分摊所有生产成本到产品）：<br>以销售单元核算利润率 |
|
||||
| | | B2<br>挖尽系统瓶颈效能 | D2<br>有效产出成本拆分 |
|
||||
| 在“待办任务”的框架下，合并B1、B2、D1、D2，最恰当的描述是： | | | |
|
||||
| 合并UDE[请至钉钉文档查看「计时器」](https://alidocs.dingtalk.com/i/nodes/o14dA3GK8g2qz1pnsQanQ1rQJ9ekBD76?iframeQuery=anchorId%3DX02m6k628ztoox6heog5u) | O合并<br>1. 达成业绩目标<br> <br>2. 资源得到最大化的利用<br> <br>3. 提升当期盈利指标 | B1<br>降低管理复杂度<br>责权利更清晰<br>解决表面问题（止血）<br>符合会计准则强制要求 | D1（当前采取的行动）<br>各自为战<br>优先解决局部的、具体问题；（次要矛盾）<br>完全成本法（分摊所有生产成本到产品）：<br>以销售单元核算利润率 |
|
||||
| | | B2<br>提升CCR使用率<br>聚焦全局关键事项<br>将资源聚焦到能够改善业绩的关键环节<br>解决根本问题（根治）<br>挖尽系统瓶颈效能 | D2（希望采取的行动）<br>协同作战<br>基于系统思考解决整体关键问题；（主要矛盾）有效产出成本拆分 |
|
||||
|
||||
|
||||
|
||||
|
||||
|
||||
|
||||
|
||||
|
||||
|
||||
#### 2、揭示冲突背后的惯性（是什么限制了用户）
|
||||
|
||||
| O合并<br>1. 达成业绩目标<br> <br>2. 资源得到最大化的利用<br> <br>3. 提升当期盈利指标 | B1<br>降低管理复杂度<br>责权利更清晰<br>解决表面问题（止血）<br>符合会计准则强制要求 | D1（当前采取的行动）<br>各自为战<br>优先解决局部的、具体问题；（次要矛盾）<br>完全成本法（分摊所有生产成本到产品）：<br>以销售单元核算利润率 |
|
||||
| --- | --- | --- |
|
||||
| | B2<br>提升CCR使用率<br>聚焦全局关键事项<br>将资源聚焦到能够改善业绩的关键环节<br>解决根本问题（根治）<br>挖尽系统瓶颈效能 | D2（希望采取的行动）<br>协同作战<br>基于系统思考解决整体关键问题；（主要矛盾）有效产出成本拆分 |
|
||||
|
||||
[请至钉钉文档查看「计时器」](https://alidocs.dingtalk.com/i/nodes/o14dA3GK8g2qz1pnsQanQ1rQJ9ekBD76?iframeQuery=anchorId%3DX02m6k78au6rroqi8pic2l)
|
||||
|
||||
| 关键问题 | 假设 | 行业惯例（直接证据\通常做法） | 总结 |
|
||||
| --- | --- | --- | --- |
|
||||
| 为什么用户想要B1，就一定得D1？<br>为什么用户想要<br>B1降低管理复杂度<br>就必须<br>D1<br>使用完全成本法（分摊所有生产成本到产品）<br>【工具：因果假设分析】<br>检查<br>因为：D1<br>同时：假设<br>那么：B1 | 企业内部考核方便 | 咨询公司在每个项目中都会划分明确的边界；<br>咨询项目需要分拆问题、逐一解决； | 如果总是遵循惯例1：<br>**【明确边界（交付和考核）；】**<br>则用户只会D1，而不会D2。 |
|
||||
| | | * 咨询公司希望明确交付边界<br> <br>---<br>咨询公司需要与客户明确责权利划分 | |
|
||||
| | 提升效率，运转通畅 | 咨询公司希望明确边界、考核清晰 | |
|
||||
| | ~~每个产品管好，整个公司就可以管好~~ | | 如果总是遵循惯例2：<br>**【拆分问题、归口到专家执行；】**<br>则用户只会D1，而不会D2。 |
|
||||
| | 避免分歧和扯皮（守土有责） | 咨询公司希望明确边界、考核清晰 |
|
||||
| | | * 咨询项目需要分拆问题逐一解决<br> <br>---<br>咨询案需要专注于一个问题（切模块解决问题；还原论，分拆问题、逐一解决，整体就可以解决） | |
|
||||
| | 专家解决对口问题<br>---<br>降低咨询案的复杂度 | 用户更信任专家身份（标签） | |
|
||||
| | 咨询项目标准化<br>（能模块化复制） | 就问题找对应专家 | |
|
||||
| | 在咨询公司内部考核方便 | 咨询项目会划分成若干个模块（里程碑） | |
|
||||
| | 外部合规要求 | 分模块交付 | |
|
||||
| AI输出选项（避免想不到）<br>创始人直觉表达如何提炼<br>参与研讨的人数（避免1V1） | | | |
|
||||
|
||||
补充验证：
|
||||
|
||||
| 领先2035视角验证：[请至钉钉文档查看「计时器」](https://alidocs.dingtalk.com/i/nodes/o14dA3GK8g2qz1pnsQanQ1rQJ9ekBD76?iframeQuery=anchorId%3DX02m6k6uemvpzp2a0rgc5f) | 典型客户的客户（DTB）视角验证：[请至钉钉文档查看「计时器」](https://alidocs.dingtalk.com/i/nodes/o14dA3GK8g2qz1pnsQanQ1rQJ9ekBD76?iframeQuery=anchorId%3DX02m6k6uemvu6yvr1hr09) |
|
||||
| --- | --- |
|
||||
| 1、惯例是不是行业内保护自身利益的“普遍做法”<br>* 明确边界（交付和考核）<br> <br>* 拆分问题、归口到专家执行； | 1、补全CCRT |
|
||||
| 2、以上管理是导致企业当下陷入恶性循环的直接原因：<br>* 企业CRT中当下的恶性循环是：<br> <br>* 惯例将会加剧恶性循环体现为：<br> <br> * 原因：企业继续遵守惯例XX<br> <br> * 假设：同时，XX<br> <br> * 结果：恶性循环中XX将加加剧。、<br> <br>循环1：<br>* 客户少<br> <br>* 实战少<br> <br>* 持续营收低<br> <br>* 顾问无法规模化<br> <br>循环2：<br>* 无法承诺财务指标（惯例导致）<br> <br>* 潜在客户少【病人】<br> <br>* 实战少<br> <br>* 方法价值感低<br> <br>循环3：<br>* 主动诊断有潜力的客户<br> <br>* 缺少承诺财务指标的服务方案（惯例导致）<br> <br>* 服务边界不清楚<br> <br>* 缺少成功案例 | 2、确认惯例直接导致主要UDE（至少一个）；<br>3、确认惯例导致（B/C）加剧了恶性循环。<br> |
|
||||
|
||||
#### 3、用例外激发方案
|
||||
|
||||
1. 达成业绩目标
|
||||
|
||||
2. 资源得到最大化的利用
|
||||
|
||||
3. 提升当期盈利指标
|
||||
|
||||
|
||||
| **改变的策略** | **DTB目标** | **需求** | **行动** | **激发方案** |
|
||||
| --- | --- | --- | --- | --- |
|
||||
| 惯例1提案[请至钉钉文档查看「计时器」](https://alidocs.dingtalk.com/i/nodes/o14dA3GK8g2qz1pnsQanQ1rQJ9ekBD76?iframeQuery=anchorId%3DX02m6k7if2l7ocml2u5lgf)<br>* 明确边界（交付和考核） | | | | |
|
||||
| | | | | 之所以D2就无法B1，是因为（假设：）<br>【考核更方便、更明确】 |
|
||||
| 现有惯例的做法是【】，对应D1 | O<br>达成**长期**业绩目标 | B1<br>降低协作复杂度<br>权责利明确 | D1<br>明确边界，快速见效<br>(解决显性问题) | 例外是：（具体例子，而不是逻辑推演）<br>全局经营仪表盘 |
|
||||
| 打破惯例的做法是【】，对应D2 | | B2<br>找到本质解 | D2<br>系统思考，长期主义<br>（解决瓶颈问题） | 可以尝试的是：<br>建立经营仪表盘 |
|
||||
| 惯例2提案[请至钉钉文档查看「计时器」](https://alidocs.dingtalk.com/i/nodes/o14dA3GK8g2qz1pnsQanQ1rQJ9ekBD76?iframeQuery=anchorId%3DX02m6k7ixeddb6oa3id2ji)<br>* 拆分问题、归口到专家执行； | | | | |
|
||||
| | | | | 之所以D2就无法B1，是因为（假设：）<br>【考核的条款都是分项考核】 |
|
||||
| 现有惯例的做法是【】，对应D1 | O<br>提升当期盈利指标 | B1<br>明确考核项目进度与质量 | D1<br>拆分问题、归口到专家执行 | 例外是：<br> 业财一体的经营管理<br>（战略落地：业务设计与财务指标改善） |
|
||||
| 打破惯例的做法是【】，对应D2 | | B2<br>有效利用资源 | D2<br>基于经营仪表盘做全局陪伴 | 可以尝试的是：<br>基于有效产出会计做经营管理 |
|
||||
| 提案总结：[请至钉钉文档查看「计时器」](https://alidocs.dingtalk.com/i/nodes/o14dA3GK8g2qz1pnsQanQ1rQJ9ekBD76?iframeQuery=anchorId%3DX02m6k7knidhwxlvxmrhds)<br>**通过D、满足B：通过系统思考，长期主义，满足找到本质解；**<br>**同时通过D’、满足B‘：通过基于经营仪表盘做全局陪伴，满足有效利用资源；**<br>**使DTB可以O1，且可以O2：使BTD既可以达成长期业绩目标，又能够****提升当期盈利指标** | | | | |
|
||||
|
||||
### 激发和完善方案阶段：操作性提案
|
||||
|
||||
#### 4、消除负面分支
|
||||
|
||||
实施新方案之后，领先2035新增的UDEs
|
||||
|
||||
1. 系统思考，长期主义
|
||||
|
||||
2. 基于经营仪表盘做全局陪伴
|
||||
|
||||
|
||||
[请至钉钉文档查看「计时器」](https://alidocs.dingtalk.com/i/nodes/o14dA3GK8g2qz1pnsQanQ1rQJ9ekBD76?iframeQuery=anchorId%3DX02m6k7yr56ydkym1z2d3)
|
||||
|
||||
* 协同复杂度增加（扯皮和纠纷变多）
|
||||
|
||||
* 考核边界不清晰（难以量化）
|
||||
|
||||
* 管理复杂度增加
|
||||
|
||||
* 局部效率降低
|
||||
|
||||
* 结果不确定性高
|
||||
|
||||
* 不适应新的思考和行为模式（颠覆原有）
|
||||
|
||||
* 加重了认知负担
|
||||
|
||||
* 提升了决策难度
|
||||
|
||||
* 决策慢
|
||||
|
||||
* 错失"机会"多
|
||||
|
||||
* 官僚作风
|
||||
|
||||
* 办公室政治
|
||||
|
||||
* 对人才的要求高
|
||||
|
||||
|
||||
1、直接危害现有（任一）B的UDE
|
||||
|
||||
1. 直接危害B；
|
||||
|
||||
2. 客户感受强；
|
||||
|
||||
|
||||
| B1<br>降低协作复杂度<br>权责利明确 | 协同复杂度增加 |
|
||||
| --- | --- |
|
||||
| B2<br>找到本质解 | 提升了决策难度 |
|
||||
| B1<br>明确考核项目进度与质量 | 考核边界不清晰 |
|
||||
| B2<br>有效利用资源 | 结果不确定性高 |
|
||||
|
||||
2、新方案导致新增UDE的过程，找到DE转变为UDE的节点
|
||||
|
||||
[请至钉钉文档查看「计时器」](https://alidocs.dingtalk.com/i/nodes/o14dA3GK8g2qz1pnsQanQ1rQJ9ekBD76?iframeQuery=anchorId%3DX02m6k8b3rkxai9ud6y4e)
|
||||
|
||||
| | 因果假设链 | | 性质 |
|
||||
| --- | --- | --- | --- |
|
||||
| 结果 | 最终结果<br>协同复杂度增加 | | UDE |
|
||||
| 过程 | 中间结果3<br>缺乏清晰的协同机制和考核办法 | 假设 | UDE |
|
||||
| | 中间结果2<br>现有岗位协同不顺畅的问题暴露 | 假设<br>现有岗位有明确的职责边界和协同机制 | UDE |
|
||||
| | | | 打破假设的方案：<br>聚焦瓶颈问题<br>（非瓶颈不改善） |
|
||||
| | 中间结果1<br>系统可视化 | 假设<br>问题可以找到根因 | DE |
|
||||
| 方案 | D<br>系统思考，长期主义 | 假设<br>管理过程可控（责权分明） | |
|
||||
|
||||
| | 因果假设链 | | 性质 |
|
||||
| --- | --- | --- | --- |
|
||||
| 结果 | 最终结果<br>提升了决策难度 | | UDE |
|
||||
| 过程 | 中间结果3<br>缺乏发现问题的流程和新的解决问题的机制 | 假设 | UDE |
|
||||
| | | | 打破假设：<br>**旗手培养** |
|
||||
| | 中间结果2<br>对现有问题更清晰了、对新协同机制和渴望 | 假设<br>组织内缺乏能力（缺参谋部） | DE |
|
||||
| | 中间结果1<br>管理团队有了全局感 | 假设<br>有一套共识的思维方法（方法） | DE |
|
||||
| 方案 | D<br>基于经营仪表盘做全局陪伴 | 假设<br>有专业教练贴身服务（教练） | |
|
||||
|
||||
| | 因果假设链<br>客户经验越充分，研讨效率越高（清楚过程） | | 性质 |
|
||||
| --- | --- | --- | --- |
|
||||
| 结果 | 最终结果<br>考核边界不清晰 | | UDE |
|
||||
| 过程 | 中间结果3<br>新方案中分工不明确（甚至与现有制度冲突） | 假设 | UDE |
|
||||
| | 中间结果2<br>方案不明确 | 假设 | UDE |
|
||||
| | | | 打破假设：<br>**共创立竿见影的行动方案（杠杆解，赢得解决本质问题的时间）** |
|
||||
| | 中间结果1<br>更能够清楚指出瓶颈问题 | 假设<br>**惯性思维**<br>团队缺乏经验和抽象思考、迁移能力 | DE |
|
||||
| 方案 | D<br>基于经营仪表盘做全局陪伴 | 假设<br>有经验的专家贴身指导（懂数据、强逻辑、行业KnowHow） | |
|
||||
|
||||
| [请至钉钉文档查看「计时器」](https://alidocs.dingtalk.com/i/nodes/o14dA3GK8g2qz1pnsQanQ1rQJ9ekBD76?iframeQuery=anchorId%3DX02m6pz37mpb86nubk12lo) | 因果假设链 | | 性质 |
|
||||
| --- | --- | --- | --- |
|
||||
| 结果 | 最终结果<br>结果不确定性高 | | UDE |
|
||||
| 过程 | 中间结果3<br>难以科学规划推进节奏<br>（以安排待办任务的轻重缓急） | 假设<br>资源有限 | UDE |
|
||||
| | |  | 打破假设：<br>（被打破）全局利益和短期利益有冲突；<br>**创建 一个可盈利的业务机会的缓冲池且缓冲池持续增长** |
|
||||
| | 中间结果2<br>希望做全局性的改善（推倒重来） | 假设<br>想要保住短期既得利益 | DE |
|
||||
| | 中间结果1<br>对愿景的信心更高涨 | 假设<br>人才不够（团队能力不强） | DE |
|
||||
| 方案 | D<br>系统思考，长期主义 | 假设<br>有理论、有方法、有教练陪伴、有成功范例 | |
|
||||
|
||||
3、在节点处补充方案，使UDE转为DE
|
||||
|
||||
[请至钉钉文档查看「计时器」](https://alidocs.dingtalk.com/i/nodes/o14dA3GK8g2qz1pnsQanQ1rQJ9ekBD76?iframeQuery=anchorId%3DX02m6k8e07fa4r5adpkq1)
|
||||
|
||||
| 如果： | D |
|
||||
| --- | --- |
|
||||
| 同时： | 假设 |
|
||||
| 那么： | UDE变成DE； |
|
||||
| 并且那么： | 现有DE没有转变为UDE； |
|
||||
|
||||
| 如果： | D系统思考，长期主义 |
|
||||
| --- | --- |
|
||||
| 同时： | 假设管理过程可控（责权分明） |
|
||||
| 那么： | UDE变成DE；<br>现有岗位协同不顺畅的问题暴露<br>变成：更多人期待全局改善带来的效果 |
|
||||
| 并且那么： | 现有DE没有转变为UDE； |
|
||||
|
||||
| 如果： | D基于经营仪表盘做全局陪伴 |
|
||||
| --- | --- |
|
||||
| 同时： | 假设有专业教练贴身服务（教练） |
|
||||
| 那么： | UDE变成DE；<br>缺乏发现问题的流程和新的解决问题的机制<br>变成：<br>共识问题、聚焦问题、将资源向其倾斜 |
|
||||
| 并且那么： | 现有DE没有转变为UDE； |
|
||||
|
||||
| 如果： | D基于经营仪表盘做全局陪伴 |
|
||||
| --- | --- |
|
||||
| 同时： | 假设有经验的专家贴身指导（懂数据、强逻辑、行业KnowHow） |
|
||||
| 那么： | UDE变成DE；<br>方案不明确<br>变成：<br>问题清晰、目标明确、方案共识、协调通畅、效果可以预见 |
|
||||
| 并且那么： | 现有DE没有转变为UDE； |
|
||||
|
||||
| 如果： | D系统思考，长期主义 |
|
||||
| --- | --- |
|
||||
| 同时： | 假设有理论、有方法、有教练陪伴、有成功范例 |
|
||||
| 那么： | UDE变成DE；<br>难以科学规划推进节奏<br>变成：<br>计划推进井然有序 |
|
||||
| 并且那么： | 现有DE没有转变为UDE； |
|
||||
|
||||
不是逼不得已，不会主动求学TOC（垂死挣扎）
|
||||
|
||||
#### 5、确立新规则、匹配新能力
|
||||
|
||||
##### 坚定维护么新规则、树立新惯例[请至钉钉文档查看「计时器」](https://alidocs.dingtalk.com/i/nodes/o14dA3GK8g2qz1pnsQanQ1rQJ9ekBD76?iframeQuery=anchorId%3DX02m6k9hui97aernangcko)
|
||||
|
||||
|
||||
|
||||
##### 匹配新能力
|
||||
|
||||
~~1、战略解码： BP 战略节奏不清晰（目标、年度关键任务不清晰）~~
|
||||
|
||||
2、业绩增长乏力
|
||||
|
||||
~~3、总体利润降低~~
|
||||
|
||||
~~4、营销费用高~~
|
||||
|
||||
~~5、缺乏持续可盈利的业务设计~~
|
||||
|
||||
~~6、组织对应战略的匹配度低~~
|
||||
|
||||
~~7、组织：架构不合理、协调运转不畅~~
|
||||
|
||||
组织调整慢
|
||||
|
||||
8、 人才：
|
||||
|
||||
8 主将缺位、
|
||||
|
||||
^9 缺 OD 主管（≥ 能手）^
|
||||
|
||||
^10 缺财务主管（≥ 能手）^
|
||||
|
||||
~~11 核心岗位胜任力能力不足~~
|
||||
|
||||
~~12 人才密度不够、~~
|
||||
|
||||
~~13 人才互补性不强、~~
|
||||
|
||||
~~14 老将经验习惯和新理念和能力的冲突~~
|
||||
|
||||
~~15 运营：缺乏高质量的及时反馈营业分析会~~
|
||||
|
||||
~~16 财务：缺科学管理会计体系（数据、报表）~~
|
||||
|
||||
17 现金流不充裕
|
||||
|
||||
| 分类 | 期望改变的结果 | 运营能力（我们的产品为DTB增加的能力） |
|
||||
| --- | --- | --- |
|
||||
| UDE不会转化为DE，除非……<br>[请至钉钉文档查看「计时器」](https://alidocs.dingtalk.com/i/nodes/o14dA3GK8g2qz1pnsQanQ1rQJ9ekBD76?iframeQuery=anchorId%3DX02m6k9z4cs46e2p3adofz) | 原UDE1 组织调整慢 | （等自然解决） |
|
||||
| | 原UDE2 主将缺位<br>DE | （筛选标准：**缺关键新能力，而不是人不在**）<br>Build：内部培养<br>Borrow：顾问接管<br>Buy：外部招聘（猎头） |
|
||||
| | 原UDE3 现金流不充裕 | **重算资产与负债**（基于有效产出会计、出售资产或抵押） |
|
||||
| 新方案将会导致新的UDE，除非……<br>[请至钉钉文档查看「计时器」](https://alidocs.dingtalk.com/i/nodes/o14dA3GK8g2qz1pnsQanQ1rQJ9ekBD76?iframeQuery=anchorId%3DX02m6k9z879dknp15z90yp) | 新UDE1 现有岗位协同不顺畅的问题暴露 | **聚焦瓶颈问题** |
|
||||
| | 新UDE2 缺乏发现问题的流程和新的解决问题的机制 | **业务操盘手 （骨干培养、旗手、业务总经理）** |
|
||||
| | 新UDE3 方案不明确 | **共创立竿见影的行动方案（杠杆解，赢得解决本质问题的时间）** |
|
||||
| | 新UDE4 难以科学规划推进节奏 | **创建一个可盈利的业务机会的缓冲池且缓冲池持续增长** |
|
||||
|
||||
# 第二部分：产品说明书（陪伴产品） 7号晚搞完+报价
|
||||
|
||||
|
||||
|
||||
|
||||
|
||||
3+
|
||||
|
||||
| 产品单元 | 运营能力（改变UDE为DE的新增能力） | 运营能力（维持DE的必要能力） |
|
||||
| --- | --- | --- |
|
||||
| | | |
|
||||
| | | |
|
||||
| | | |
|
||||
| | | |
|
||||
|
||||
# 第三部分：有效产出会计
|
||||
|
||||
## 研讨准备：产品交付的资源与工序
|
||||
|
||||
### 1、充分展开产品交付流程
|
||||
|
||||
| 产品单元 | 工序与资源投入-顺序逻辑 | 每单位交付物消耗 |
|
||||
| --- | --- | --- |
|
||||
| |  | 工序：时间（找瓶颈） \| 资源（评估TVC）<br>工序A：<br>工序B：<br>…… |
|
||||
| | | |
|
||||
| | | |
|
||||
| | | |
|
||||
|
||||
### 2、量化产品交付的效率与成本
|
||||
|
||||
[请至钉钉文档查看「电子表格」](https://alidocs.dingtalk.com/i/nodes/o14dA3GK8g2qz1pnsQanQ1rQJ9ekBD76?iframeQuery=anchorId%3DX02m6kdx8zriyiz2dxvtj)
|
||||
|
||||
## 一、发现和挖掘瓶颈
|
||||
|
||||
### 1）是什么瓶颈制约了领先2035团队挖尽市场需求？
|
||||
|
||||
[请至钉钉文档查看「电子表格」](https://alidocs.dingtalk.com/i/nodes/o14dA3GK8g2qz1pnsQanQ1rQJ9ekBD76?iframeQuery=anchorId%3DX02m6ke5kocyqhppw0ri)
|
||||
|
||||
### 2）产品赚钱的速度有多大差异？（领先2035应当优先保证哪些产品的交付？）
|
||||
|
||||
[请至钉钉文档查看「电子表格」](https://alidocs.dingtalk.com/i/nodes/o14dA3GK8g2qz1pnsQanQ1rQJ9ekBD76?iframeQuery=anchorId%3DX02m6keavwd1b2ncfie6sm)
|
||||
|
||||
### 3）利润最大化的生产计划是什么？(每个产品分别交付多少份)
|
||||
|
||||
[请至钉钉文档查看「电子表格」](https://alidocs.dingtalk.com/i/nodes/o14dA3GK8g2qz1pnsQanQ1rQJ9ekBD76?iframeQuery=anchorId%3DX02m6kefvcdog7oagpvcts)
|
||||
|
||||
## 二、充分开发瓶颈
|
||||
|
||||
### 提案1：通过AI介入，提升瓶颈环节的效率
|
||||
|
||||
研讨焦点：
|
||||
|
||||
1. 提升达到多少时，会导致瓶颈漂移？（质变点）
|
||||
|
||||
2. 新的瓶颈因素下，如何安排各产品的交付优先级和交付数量？【步骤2、3】
|
||||
|
||||
|
||||
参见：[《在线工作坊 - 研讨文档》](https://alidocs.dingtalk.com/i/nodes/MyQA2dXW7o49PyjYt2PrNo7QWzlwrZgb?utm_scene=team_space&iframeQuery=anchorId%3Duu_m6ke7u52qpmekk37eks)
|
||||
|
||||
[请至钉钉文档查看「电子表格」](https://alidocs.dingtalk.com/i/nodes/o14dA3GK8g2qz1pnsQanQ1rQJ9ekBD76?iframeQuery=anchorId%3DX02m6keykelxzo422jdptr)
|
||||
|
||||
## 三、打破瓶颈
|
||||
|
||||
### 提案1：增加时间资源投入（合作教练参与交付）
|
||||
|
||||
研讨焦点：
|
||||
|
||||
1. 合作教练投入多少时间可以使瓶颈漂移？（质变点）
|
||||
|
||||
2. 在优先派单合作教练交付的情况下，如何安排各产品的交付优先级和交付数量？
|
||||
|
||||
1. 假设1：合作教练不会增加总需求量；
|
||||
|
||||
2. 假设2：合作教练只增加可变成本，不改变其它工序上的时间投入。
|
||||
|
||||
|
||||
[请至钉钉文档查看「电子表格」](https://alidocs.dingtalk.com/i/nodes/o14dA3GK8g2qz1pnsQanQ1rQJ9ekBD76?iframeQuery=anchorId%3DX02m6kfij97b5492mqsw8g)
|
||||
+1611
File diff suppressed because it is too large
Load Diff
-1010
File diff suppressed because it is too large
Load Diff
Reference in New Issue
Block a user