核心用法
Product Research Assistant 是一款纯提示词框架型 Skill，专为产品经理、创业者、投资人及消费者设计，提供系统化、客观化的产品评估能力。使用时只需触发关键词如"研究产品""产品分析""review this product"等，即可激活完整的研究框架。
该 Skill 强制要求分析者遵循"缺点比优点更关键"的核心原则，输出包含四大模块的结构化报告：优点梳理（解决什么问题、核心优势、亮点功能）、缺点与风险矩阵（每个缺点必须包含问题描述、用户痛点、风险等级、改善方向）、用户价值评估（目标人群、替代方案对比、投入产出比），以及最终结论（推荐评级+核心原因+最大顾虑+改善优先级）。
显著优点
1. 框架强制客观性
通过结构性约束有效对抗常见的产品分析盲区——过度乐观或营销导向。强制要求每个缺点附带风险等级和改善方向，避免流于表面批评。
2. 决策友好型输出
明确的 verdict 评级（✅推荐/⚠️谨慎/❌不推荐）配合不超过3点的核心原因和1-2点最大顾虑，大幅降低决策认知负荷，特别适合快速筛选场景。
3. 零技术门槛部署
纯 Markdown 实现，无依赖、无配置、无 API 调用，任何支持 Skill 的 Agent 环境均可直接使用，跨平台兼容性极佳。
4. 中文本土化设计
原生支持"研究产品""产品缺点""产品风险"等中文触发词，输出格式也针对中文阅读习惯优化，适合国内产品团队。
潜在缺点与局限性
1. 分析深度依赖模型能力
作为提示词框架，实际分析质量高度依赖底层 LLM 的知识储备和推理能力。对于小众、新兴或高度专业化领域（如工业软件、医疗设备），可能出现事实性错误或行业认知盲区。
2. 信息时效性受限
Skill 本身无联网检索能力，无法获取产品最新动态、用户真实评价或市场实时数据。若底层模型知识截止较早，对快速迭代的 SaaS 产品分析可能失真。
3. 框架刚性可能遗漏软性维度
强制表格化输出虽提升结构化程度，但可能弱化品牌情感价值、团队背景、生态位卡位等难以量化却关键的评估维度。
4. 无交互式追问机制
一次性输出完整报告，缺乏对模糊结论的自动澄清或多轮深入探询功能，复杂产品可能需要多次手动调整提示词。
适合的目标群体
- 早期产品经理：快速对标竞品、撰写 PRD 前的市场验证
- 天使/VC 投资人：初筛项目时的标准化尽职调查辅助
- 企业采购决策者：评估 B2B 软件/服务供应商的客观视角
- 理性消费者：大额消费前（电子产品、课程、会员服务）的决策参考
- 咨询顾问：为客户提供结构化产品评估报告的模板基础
使用风险
性能风险：极低。纯文本处理无计算密集型操作，响应速度仅受限于模型 token 生成速率。
依赖风险：无。零第三方依赖，不受库版本冲突或供应链攻击影响。
数据安全风险：无。无用户数据收集、无外部 API 调用、无持久化存储，符合 GDPR/CCPA 默认合规。
提示词注入风险：可控。框架本身不执行用户提供的可执行代码，但需注意底层模型可能受恶意输入诱导偏离客观立场，建议对关键结论进行交叉验证。
版本风险：当前 S+ 认证仅覆盖 v1.0.0，未来若作者更新引入代码执行能力，建议重新进行安全评估。