诊断型FDE — Field Discovery Engineer

从陌生行业到完整方案包，12步结构化交付。

面向腾讯云ToB产品架构师的全流程工作Skill。覆盖从接到新客户需求到输出完整方案包的全部环节，编排9个子skill协同工作，4个自研脚本补齐能力缺口。

触发条件

识别以下用户意图时激活此skill：

• "帮我分析XX行业/客户的需求"
• "出一套XX客户的解决方案"
• "做一下XX行业的竞品分析"
• "帮我设计XX场景的产品架构"
• "准备XX客户的方案汇报材料"
• 任何涉及：ToB方案设计、行业分析、能力匹配、架构图、POC方案的请求

全流程概览

输入：行业 + 客户名 + 初始需求描述 Phase 1: 情报收集（并行，1-2天） ① 行业快速研究 → 行业速览.md ② 竞品格局扫描 → 竞品分析.md ③ 客户现状诊断 → 客户诊断.md Phase 2: 需求锁定（半天） ④ 需求挖掘+痛点排序 → 需求清单.md ⑤ 需求-能力匹配 → 能力匹配.md Phase 3: 方案设计（1天） ⑥ 方案设计+产品优先级 → 解决方案.md ⑦ 架构图生成 → architecture.md (含Mermaid) ⑧ ROI商业价值测算 → ROI测算.md Phase 4: 包装输出（半天） ⑨ 竞品差异化叙事 → Why-Us.md ⑩ POC方案+落地路径 → POC方案.md ⑪ 方案文档包 → PPT + 执行摘要 + 技术方案 ⑫ 内部评审checklist → 评审通过后提交 输出：完整客户方案包（8-12份文档）

子Skill与工具清单

子Skills（位于 sub-skills/ 目录）

自研脚本（位于 scripts/ 目录）

核心参考文档（位于 references/ 目录）

模板文件（位于 templates/ 目录）

详细工作流

Phase 1: 情报收集

执行策略：①②③可并行执行。如有客户访谈记录优先处理③，否则先做①②。

① 行业快速研究

目标：2小时内对陌生行业形成结构化认知。

调用子skill：research-summarizer + product-analytics

执行步骤：

1. 使用web搜索收集3-5篇该行业的权威报告/文章
2. 对每篇来源执行 research-summarizer 的 /research:summarize workflow： 识别源类型（报告→executive summary结构）
3. 提取：Key Thesis / Key Findings / Methodology / Limitations / Actionable Takeaways
4. 评估质量：Credibility × Evidence × Recency × Objectivity 四维评分
5. 对所有来源执行 /research:compare workflow： 构建对比矩阵（Central Thesis / Methodology / Key Finding / Credibility）
6. 输出：Consensus Findings / Contested Points / Gaps / Recommendation
7. 使用 product-analytics 的阶段判断框架，评估该行业数字化成熟度： Pre-PMF（数字化起步）/ Growth（快速数字化）/ Mature（深度数字化）
8. 补充行业价值链梳理（从原材料/数据源到终端用户的完整链路）

输出物：行业速览.md

# [行业名] 行业速览 ## 行业概况 [1-2段核心摘要] ## 价值链 [从上游到下游的完整链路] ## 数字化成熟度：[Pre-PMF / Growth / Mature] [判断依据] ## 核心痛点 TOP 5 1. [痛点] — [频率] — [影响] ... ## 关键趋势 - [趋势1] - [趋势2] ## 信息来源质量评估 | 来源 | 可信度 | 证据强度 | 时效性 | 客观性 | ... ## 共识与争议 - 共识：... - 争议：... - 信息空白：...

交付标准：

• 至少3个独立来源
• 每个来源有四维质量评分
• 价值链完整（至少4个环节）
• 痛点排序有频率和影响支撑

② 竞品格局扫描

目标：识别2-4个直接竞品，完成12维评分和SWOT。

调用子skill：competitive-teardown

1. 定义竞品：列出2-4个竞品（含客户当前使用的方案）
2. 数据收集（按 competitive-teardown 的数据收集指南）： 网站分析：定价/功能/CTA/案例/集成
3. 评论分析：好评/功能请求/BUG/UX投诉
4. 招聘信号：工程规模/技术栈/AI团队
5. SEO分析：Top关键词/域名权威/内容策略
6. 社交媒体：用户情绪/高频反馈
7. 12维评分：Features/Pricing/UX/Performance/Docs/Support/Integrations/Security/Scalability/Brand/Community/Innovation — 每维1-5分+证据
8. 生成分析模板： Feature Comparison Matrix（行×功能，列×竞品，1-5评分）
9. Pricing Analysis（模型/价格区间/免费试用）
10. SWOT Analysis（每竞品3-5条/象限，锚定数据信号）
11. Positioning Map（2×2：简单↔复杂 × 低价值↔高价值）
12. Action Items：Quick wins (0-4周) / Medium-term (1-3月) / Strategic (3-12月)

输出物：竞品分析.md（含评分矩阵、SWOT、定位图、Action Items）

• 至少2个竞品完成完整分析
• 12维度均有评分和证据
• SWOT每象限至少3条，锚定数据
• 有明确的Action Items分层

③ 客户现状诊断（AS-IS）

目标：理解客户当前的IT系统、数据资产、组织能力。

调用子skill：product-discovery + product-manager-toolkit + ux-researcher-designer

1. 假设映射（product-discovery Assumption Mapping）： 列出对客户的所有假设
2. 按四象限分类：Desirability / Viability / Feasibility / Usability
3. 按 高风险×低确定性 排序→优先验证
4. 如有访谈记录，执行 product-manager-toolkit 的Customer Interview Analyzer： python scripts/customer_interview_analyzer.py [transcript.txt] 提取：Pain Points(含severity) / Feature Requests(含priority) / JTBD / Sentiment / Key Quotes
5. 生成关键人画像（ux-researcher-designer Workflow 1）： 至少3类画像：决策者(CxO) / 使用者(一线员工) / IT负责人(CTO/IT Director)
6. 每类含：Goals / Frustrations / Design Implications
7. 补充IT现状评估（无子skill，按以下框架自行分析）： 现有核心系统清单（ERP/CRM/WMS等）
8. 数据打通程度（孤岛/部分连通/全连通）
9. AI应用现状（无/试点/规模化）
10. IT团队规模和技术栈

输出物：客户诊断.md

• 假设清单≥10条，按四象限分类
• 高风险假设标注验证方式
• 至少3个关键人画像
• IT现状四维评估完整

Phase 2: 需求锁定

④ 潜在需求挖掘 + 痛点排序

目标：从Phase 1的三份文档中提炼结构化需求列表。

调用子skill：product-manager-toolkit（RICE排序）

1. MECE问题拆解： 将客户核心需求拆解为Issue Tree
2. 检查：不重叠(Mutually Exclusive) + 不遗漏(Collectively Exhaustive)
3. 拆解到可映射产品能力的粒度（通常3层）
4. 需求分类： 战略需求（改变商业模式/进入新市场）
5. 运营需求（提升效率/降低成本）
6. 技术需求（系统升级/数据打通）
7. RICE优先级排序（调用 product-manager-toolkit）： python scripts/rice_prioritizer.py needs.csv --capacity 15 输入CSV格式：name,reach,impact,confidence,effort,description Impact映射： massive = 改变客户商业模式
8. high = 显著提升核心指标
9. medium = 可衡量的效率提升
10. low = 微小改进

输出物：需求清单.md

# [客户名] 需求清单 ## Issue Tree [Mermaid树状图] ## 需求分类 ### 战略需求 1. ... ### 运营需求 1. ... ### 技术需求 1. ... ## RICE排序 | 排名 | 需求 | Reach | Impact | Confidence | Effort | RICE Score | ... ## 优先级建议 - Quick Wins: ... - Big Bets: ... - Not Now: ...

• Issue Tree ≥3层，通过MECE检查
• 需求总数 ≥ 8条
• RICE排序每条均有评分依据
• 明确标注Quick Wins / Big Bets / Not Now

⑤ 需求-能力匹配

目标：每个需求对标腾讯云能力，标注覆盖度+差距。

调用工具：scripts/capability_match.py + scripts/gap_analysis.py + references/capability-map.md + references/trade-offs.md

1. 加载能力地图：读取 references/capability-map.md
2. 语义匹配：对每个需求，运行 capability_match.py： python scripts/capability_match.py --needs needs.json --capability-map references/capability-map.md --output matched.json 输出：每个需求匹配到的腾讯云能力 + 置信度评分(0-1)
3. 差距分析：运行 gap_analysis.py： python scripts/gap_analysis.py --matched matched.json --output gap_report.md 对每个需求标注： ✅ 完全满足（产品能力直接覆盖，confidence ≥ 0.8）
4. ⚠️ 部分满足（需定制开发或配置，0.4 ≤ confidence < 0.8）
5. ❌ 不满足（需合作伙伴或产品路线图，confidence < 0.4）
6. 权衡决策：对关键技术决策点，参考 references/trade-offs.md 列出： 决策点描述
7. 方案A vs 方案B
8. Pros / Cons / 推荐

输出物：能力匹配.md

# 能力覆盖矩阵 | # | 需求 | 匹配能力 | 覆盖度 | 置信度 | 缓解策略 | |---|------|---------|:-----:|:-----:|---------| | 1 | [需求] | ADP-XX + WorkBuddy-YY | ✅ | 0.92 | — | | 2 | [需求] | 混元API + 向量DB | ⚠️ | 0.65 | 需定制Prompt模板 | | 3 | [需求] | — | ❌ | 0.20 | 推荐合作伙伴XX | ## 覆盖度统计 - ✅ 完全满足：X/Y (Z%) - ⚠️ 部分满足：X/Y (Z%) - ❌ 不满足：X/Y (Z%) ## 关键权衡决策 ### 决策1：[描述] | 维度 | 方案A | 方案B | ... 推荐：[方案X]，原因：...

• 所有需求均完成匹配
• ✅覆盖率 ≥ 60%（否则需重新评估方案可行性）
• ❌项均有缓解策略
• 至少2个关键权衡决策有Pros/Cons分析

Phase 3: 方案设计

⑥ 解决方案设计 + 产品优先级

目标：基于能力匹配结果，设计产品组合方案并排优先级。

调用子skill：product-strategist + product-manager-toolkit

1. 战略分层（product-strategist）： 根据客户需求性质选择策略类型： Growth：客户要扩大业务规模
2. Retention：客户要降低流失/提升LTV
3. Revenue：客户要提升ARPU/新收入模式
4. Innovation：客户要差异化竞争力
5. Operational：客户要降本增效
6. OKR级联（product-strategist）： python scripts/okr_cascade_generator.py [strategy] --teams "模块A,模块B,模块C" 从客户目标→产品目标→模块目标逐层拆解
7. 产品优先级（product-manager-toolkit RICE）： 对方案中的所有产品模块做RICE排序
8. 方案分阶段： Phase 1 (POC, 1-2月): Quick Wins，验证核心假设
9. Phase 2 (MVP, 3-6月): 核心功能上线
10. Phase 3 (Scale, 6-12月): 全量推广

输出物：解决方案.md

• 战略类型选择有依据
• OKR级联至少2层（客户目标→产品目标）
• 产品模块RICE排序完整
• 方案分3个阶段

⑦ 架构图生成

目标：输出3张架构图（系统架构、数据流、部署架构）。

调用工具：scripts/architecture_gen.py

1. 读取方案：从解决方案.md提取模块列表和数据流关系
2. 生成Mermaid代码： python scripts/architecture_gen.py --solution solution.json --type system --output architecture.md python scripts/architecture_gen.py --solution solution.json --type dataflow --output dataflow.md python scripts/architecture_gen.py --solution solution.json --type deployment --output deployment.md
3. 语法验证 + 修复：脚本内置Mermaid语法检查，自动修复常见错误
4. 标注腾讯云产品：每个模块标注对应的腾讯云产品名称

输出物：architecture.md（含3张Mermaid图）

架构图规范：

• 系统架构图：展示层→业务逻辑层→数据层→基础设施层
• 数据流图：数据采集→处理→存储→应用 的完整流转
• 部署架构图：VPC/子网/负载均衡/容器/数据库的物理部署

• 3张图均可正确渲染
• 每个模块标注腾讯云产品名
• 数据流方向清晰
• 部署架构包含安全边界

⑧ ROI商业价值测算

目标：量化方案的3类商业价值。

调用工具：scripts/roi_calc.py

1. 效率提升测算： python scripts/roi_calc.py --type efficiency --current-cost [月人力成本] --time-saving [节省比例] --output roi.md 公式：年节约 = 月人力成本 × 节省比例 × 12
2. 收入增长测算： python scripts/roi_calc.py --type revenue --conversion-lift [提升比例] --avg-order-value [客单价] --monthly-traffic [月流量] 公式：年增量收入 = 月流量 × 转化率提升 × 客单价 × 12
3. 投资回报期： python scripts/roi_calc.py --type payback --investment [方案总成本] --annual-benefit [年收益] 公式：回收月数 = 方案成本 ÷ (年收益÷12)
4. 敏感性分析：对关键假设做±20%波动测试

输出物：ROI测算.md

• 3类测算至少完成2类
• 所有输入假设有来源标注
• 敏感性分析覆盖核心变量
• 有保守/基准/乐观三档

Phase 4: 包装输出

⑨ 竞品差异化叙事（Why Us）

目标：从②的竞品分析中提炼"为什么选腾讯云"。

调用子skill：competitive-teardown（Step 5-6）+ research-summarizer

1. 从②的12维评分中，提取腾讯云得分 > 竞品得分的维度
2. 构建Stakeholder Presentation（competitive-teardown 7-slide模板）： Slide 1: Executive Summary（威胁等级 + 核心优势 + 推荐行动）
3. Slide 2: 市场定位图（2×2 positioning）
4. Slide 3: 12维评分对比（雷达图/表格）
5. Slide 4: 定价分析
6. Slide 5: UX亮点（3条我们赢 vs 3条对手强）
7. Slide 6: 客户声音（top 3评论引用）
8. Slide 7: 行动计划
9. 匹配同行业成功案例（从案例库或web搜索）

输出物：Why-Us.md

• 至少3个差异化维度有数据支撑
• 不回避劣势，有坦诚的"where they are better"
• 至少1个同行业案例佐证

⑩ POC方案 + 落地路径

目标：给出"下一步怎么做"。

调用子skill：product-discovery + experiment-designer + roadmap-communicator

1. POC范围界定（product-discovery Discovery Sprint 10天结构）： Day 1-2: Outcome + opportunity framing
2. Day 3-4: Assumption mapping + test design
3. Day 5-7: Problem and solution tests
4. Day 8-9: Evidence synthesis + decision options
5. Day 10: Stakeholder decision review
6. 成功指标定义（experiment-designer）： 写If/Then/Because假设：If [intervention], Then [metric change], Because [mechanism]
7. 定义Primary metric / Guardrail metrics / Secondary metrics
8. 估算样本量： python scripts/sample_size_calculator.py --baseline-rate [基线] --mde [最小可检测效应]
9. 路线图（roadmap-communicator Now/Next/Later）： Now (POC, 1-2月)：核心假设验证
10. Next (MVP, 3-6月)：核心功能上线
11. Later (Scale, 6-12月)：全量推广+持续优化
12. 填充 templates/poc-plan.md 模板

输出物：POC方案.md

• POC范围明确（做什么/不做什么）
• 成功指标≥3个（1 primary + 1 guardrail + 1 secondary）
• 时间线具体到周
• 资源需求明确（人/钱/环境）

⑪ 方案文档包

目标：打包所有产出为可汇报、可传阅的文档。

调用子skill：roadmap-communicator

1. 执行摘要（roadmap-communicator Board/Executive模板）： 1页纸，结果导向
2. 含：问题概述→方案概述→预期价值→投入→路线图→风险
3. 方案PPT（使用WorkBuddy的pptx skill生成）： Slide 1: 封面（客户名+项目名+日期）
4. Slide 2: 行业洞察（来自①）
5. Slide 3: 客户痛点（来自④）
6. Slide 4: 解决方案概览（来自⑥）
7. Slide 5: 系统架构（来自⑦）
8. Slide 6: 能力覆盖矩阵（来自⑤）
9. Slide 7: ROI测算（来自⑧）
10. Slide 8: Why Us（来自⑨）
11. Slide 9: POC方案（来自⑩）
12. Slide 10: 路线图+下一步
13. 技术方案文档：整合①-⑩所有产出的完整技术版本

输出物：3份文档（执行摘要 + PPT + 技术方案）

• 执行摘要≤1页
• PPT ≤ 15页
• 所有数字可追溯到前序步骤

⑫ 内部评审 Checklist

目标：提交客户前的自检。

在最终输出前，逐条检查：

情报质量：

• 行业来源≥3个，质量评分均≥Medium
• 竞品分析覆盖≥2个竞品，12维评分完整
• 客户假设清单≥10条

方案质量：

• 能力覆盖矩阵中✅率≥60%
• 所有❌项有缓解策略
• 架构图可正确渲染，产品标注准确
• ROI数字有假设来源，含敏感性分析

叙事质量：

• Why Us不回避劣势
• PPT叙事逻辑连贯（问题→方案→价值→How）
• 执行摘要可独立阅读

落地可行性：

• POC范围可2个月内完成
• 成功指标可量化可测量
• 资源需求在合理范围内

行为逻辑

启动行为

收到用户请求后：

1. 确认输入：询问/确认行业、客户名、初始需求描述
2. 判断起点： 如果用户只给了行业→从①开始
3. 如果用户给了具体客户+需求→从①②③并行开始
4. 如果用户已有行业研究/竞品分析→跳过对应步骤
5. 按Phase顺序推进：Phase 1→2→3→4，Phase内可并行
6. 每Phase结束时：汇总该Phase产出，确认用户是否满意再进入下一Phase

中断恢复

如果用户说"continue"或"继续"：

• 检查已有产出文件，识别当前进度
• 从断点继续

单步执行

如果用户只需要某个步骤（如"帮我做竞品分析"）：

• 直接执行对应步骤
• 不强制执行全流程

输出规范

• 所有Markdown文档使用中文
• 架构图使用Mermaid（英文标签+中文注释）
• 数据表格对齐
• 每份文档开头有"最后更新时间"

相关Skills

• mckinsey-consultant — MECE拆解和PPT生成的方法论来源
• ontology (WorkBuddy内置) — 方案实体持久化和跨项目复用
• pptx (WorkBuddy内置) — 方案PPT生成

下载完整技能包

打包「诊断型FDE — Field Discovery Engineer」的全部资源，可直接导入 Claude / Cursor / Codex 等支持 Agent Skills 的工具，或作为团队方法论模板复用。

技能包内容

• _meta.json
• checklist.md
• evaluation.md
• prompt.md
• README.md
• references/
• scripts/
• SKILL.md
• sub-skills/
• templates/

如何使用

1. 下载并解压 ZIP 到本地技能目录。
2. 阅读 SKILL.md 了解触发条件与整体流程。
3. 按 workflow / prompt 分步执行，用 templates 与 examples 产出交付物。
4. 用 checklist / evaluation 做自检与质量校验。

本技能包用于方法论学习与交付参考，请结合企业实际数据、权限与合规要求使用。