核心用法
Vision Simulator 是一款面向营销专业人士的预测型 AI 技能，采用"多智能体协同仿真"架构，通过 5 个专业化 Agent（场景分析Agent、双消费者 persona Agent、营销整合Agent、行业专家Agent）的 sequential 执行，对用户输入的营销场景进行全方位推演。用户只需描述产品发布或营销活动的基本信息，系统即自动触发数据收集（Pro 功能）→ 多 Agent 模拟 → 综合预测报告的完整工作流，最终输出包含成功概率、风险清单、优先级行动项的结构化报告，并支持针对特定 Agent 的深度追问。
显著优点
方法论先进性：将多智能体系统（Multi-Agent System）引入营销预测领域，通过角色分离避免单一模型的认知偏差，消费者双 persona 设计兼顾代表性与多样性，显著提升了模拟的 ecological validity。
数据驱动增强：Pro 版本整合实时新闻、社交媒体趋势、竞品动态等外部数据，使仿真结果紧贴真实市场语境，避免了传统"假设情境"分析的脱实向虚问题。
输出实用性：预测报告采用营销从业者熟悉的框架（CVR、CAC/LTV、ROI 等），量化评分与行动清单直接支持决策，而非停留在抽象洞察层面。
扩展性设计：Enterprise 版本提供 API 与自定义 Agent 能力，可适配特定行业的预测需求。
潜在缺点与局限性
语言与地域局限：当前 Agent prompt 固定为 Korean，虽说明文档支持多语言输入，但内部推理层的文化语境偏向韩国市场，全球化营销场景的适配性存疑。
数据质量依赖：Pro 功能的效果高度依赖 web_fetch 收集的外部数据质量，若信源偏差或时效滞后，可能产生"精确的错误"。
定价门槛：核心数据增强功能位于 50,000韩元/月的 Pro 档位，对中小团队或实验性使用形成一定门槛。
概率解读风险：输出的"成功概率"易被误读为统计显著性结论，实为基于 Agent 共识的启发式评分，缺乏置信区间或历史回测验证。
适合的目标群体
- 品牌市场团队：新产品上市前的概念测试与 GTM 策略预演
- 增长/投放团队：大预算 campaign 的风险对冲与创意优化
- 战略咨询顾问：为客户提供快速、可视化的市场进入分析
- 创业公司与 PMF 验证阶段团队：低成本获取早期市场反馈信号
使用风险
性能风险：5 Agent sequential 执行 + 数据收集环节，官方标注耗时约 5 分钟，复杂场景或网络延迟时可能超时，需预留充足交互时间。
依赖项风险：虽 skill 本身零依赖，但 Pro 功能依赖 web_fetch 与 sessions_spawn 等 runtime 工具，需确认 Claude Code 环境配置支持。
认知偏误风险：用户可能过度信任"AI 模拟"的客观性，忽视 Agent prompt 中隐含的 persona 设计假设；建议将输出视为"结构化头脑风暴"而非预测真理。
数据合规风险：Pro 功能涉及公开网络数据抓取，需确保符合目标市场的网络爬虫法规（如 robots.txt 尊重、CFAA 等）。