1. 基本信息
| 项目 | 内容 |
|---|---|
| 名称 | Product Research（合集仓库子技能，收录识别名 product-research-alirezarezvani-claude-skills） |
| 作者/维护者 | Alireza Rezvani（个人开发者，HealthTech 领域 CTO） |
| 来源链接 | https://github.com/alirezarezvani/claude-skills/tree/main/research-ops/skills/product-research |
| 许可证 | MIT（数据来自 GitHub API） |
| GitHub Stars / Forks | 所属合集仓库整体 24,131 / 3,401（数据来自 GitHub API）；不代表本技能自身热度 |
| 最新版本 | 2.9.0（数据来自 SKILL.md front matter） |
| 安装方式 | 见第 9 章 |
2. 功能介绍与亮点
Product Research 把“做用户/产品研究”拆成三个确定性工具，纪律是方法配得上目标、洞察经得起复现验证：
study_designer.py：按（研究目标 × 产品阶段）匹配研究方法（生成式访谈/可用性测试/概念测试/验证性测试），输出参与者标准与提纲骨架；若判定应是线上 A/B，转介同仓库experiment-designer。saturation_planner.py：按方法给样本量建议并附明确置信度标签（Nielsen 问题发现型每细分 5 人、Guest 等人主题饱和度约 12 人、评估型覆盖率），不用小样本冒充“发生率”结论。insight_synthesizer.py：把编码观察按标签聚类、统计独立参与者数并排序，来源数不足阈值的一律标记为 ANECDOTE（个案），防止误判为可采信洞察。
三脚本均为纯标准库 Python，配套一次性 onboard.py 交互问卷（写本地配置，阈值可定制），另有默认关闭的 ar_evaluator.py 自评估回路。
3. 适用场景
所属分类：内容创作与知识管理（核心产出是研究方法论选择、样本量论证与洞察综合，固定分类法明确把“研究”归入本类）。
适合产品经理、ResearchOps 团队与独立开发者规划用户访谈、可用性测试或概念测试时使用：先选对方法、给出站得住脚的样本量依据，访谈结束后把编码观察综合成有证据链的洞察，防止把一两条引语误当结论。
4. 跨 Agent 兼容性
- Claude Code：原生支持，SKILL.md
compatible_tools显式列出，插件市场一键安装。 - Codex：原生支持（轻量适配），
compatible_tools显式列出，官方agent-skills-cli转换安装器；三脚本零依赖纯标准库，无 Claude Code 专属并行编排依赖。 - OpenClaw：需适配，未列入
compatible_tools，需经仓库转换安装脚本，未见专门验证记录。 - Hermes Agent：需适配，仓库文档明确其为“自带同步”层级，需跑一次同步脚本，标准与本技能一致但未见专门验证记录。
5. 推荐理由
多数“做用户研究”的提示词只会泛泛建议“多找用户聊聊”，既不说清该选哪种方法、访谈多少人才够，也拦不住“一条引语就当结论”。Product Research 把这三步做成有依据的确定性计算：方法匹配有规则可查，样本量附统计学出处与置信度标签，洞察综合强制要求跨参与者复现，达不到阈值就标记个案而非悄悄升级成洞察。
6. 评分
| 维度 | 分数 | 说明 |
|---|---|---|
| 受欢迎程度 | 6 | 合集仓库星数不计入单个子技能；有一项可验证的独立第三方证据——外部开发者 Socialpranker（曾向本仓库贡献独立研究类技能）在 Issue #910 中专门评估本技能边界并提出互补提案，属真实独立评估痕迹，但仅此一例，未形成更大范围讨论 |
| 可用性 | 9 | 三脚本纯标准库零依赖；SKILL.md 附完整工作流、示例与边界说明；所属域最近一次实质提交约 2 个月前，仓库整体 4 天前仍有推送；无付费依赖 |
| 安全性 | 9 | 见下方检查清单 |
安全检查清单：①逐一检索全部脚本，未见 subprocess/os.system/eval/exec；②未见 urllib/requests/socket 等外发调用，onboard.py 只读写本地配置；③不强制要求 API key，可选自评估回路默认关闭；④通读脚本与 SKILL.md 正文未见可疑指令或隐蔽外发；⑤作者身份公开（2,509 关注者，HealthTech 领域 CTO），仓库有真实 issue 迭代记录，无刷星迹象；⑥License 明确（MIT）；⑦近 2 个月内有实质提交，维护活跃。
综合评分 = (6 + 9 + 9) / 3 = 8.0。
7. 跟同类 Skills 相比的优势
| 竞品 | 定位 | 与 Product Research 的差异 |
|---|---|---|
| user-research-skill（cookiy-ai） | 招募、AI 主持访谈、问卷生成与报告合成，依托 Cookiy 平台执行真实/合成访谈 | 是绑定第三方平台的执行工具；Product Research 不连接任何平台，是本地纯计算的方法论与洞察治理层，二者可配合而非互替 |
| ux-researcher-designer（同仓库 product-team 域） | 从研究数据生成用户画像、绘制旅程图、规划可用性测试、产出设计建议 | 落点是设计产出物；Product Research 不产出画像或旅程图，只管方法选型、样本量依据与洞察复现证据是否站得住脚 |
| Research Brief Writer + Research Synthesizer（Great Question, Inc. 发布） | 可复制粘贴的 SKILL.md 模板，前者按业务问题推荐方法，后者从访谈记录提炼重复主题 | 以叙述性提示词模板为主，未见配套确定性计算脚本或统一样本量统计学出处；Product Research 的判定过程由独立脚本执行、可复现可审计 |
8. 用户评价
该技能目前在第三方平台尚无具名用户评价；仅有的公开痕迹是一份外部开发者在仓库 Issue 中对其功能边界的专门评估（详见第 6 章）。
9. 安装使用方式
方式一：Claude Code 插件市场（整包安装，含全部 4 个 Research Operations 子技能 + 1 个路由编排器）
/plugin marketplace add alirezarezvani/claude-skills
/plugin install research-ops-skills@claude-code-skills方式二：Codex 通用安装器
npx agent-skills-cli add alirezarezvani/claude-skills --agent codex方式三：OpenClaw 安装脚本
bash <(curl -s https://raw.githubusercontent.com/alirezarezvani/claude-skills/main/scripts/openclaw-install.sh)方式四：Hermes Agent 同步
python scripts/sync-hermes-skills.py --verbose方式五：手动安装单个技能（适用于任意 Agent，只要 Product Research 一个）
git clone https://github.com/alirezarezvani/claude-skills.git
cp -r claude-skills/research-ops/skills/product-research ~/.claude/skills/product-research安装后无需重启。建议先跑一次 python3 scripts/onboard.py 完成个性化配置，再按需触发 study_designer.py（选方法）、saturation_planner.py（定样本量）、insight_synthesizer.py（综合洞察），或用自然语言描述需求交由对话调度。
10. 注意事项
- 三脚本是确定性计算工具，方法匹配与洞察综合的最终判断仍需研究者本人复核，不能替代研究方法培训；
- 插件市场安装会一次性装入整个 Research Operations 域，只想要 Product Research 单个技能须走第 9 章方式五；
- 可选的自评估回路默认关闭，需显式开启才写入记录，日常流程不受影响；
- 所属合集仓库整体星数与该子技能自身热度无关。