Agent Skills
返回列表
🎨

Field

设计多媒体 更新于 2026.08.29

将以下提示词粘贴到你的 AI 对话框中：

请根据 https://skillhub.cn/install/skillhub.md，安装 @org-02qudk26/field。

技能介绍

要解决什么问题

产品团队常在「还没问对问题」时就选定访谈或问卷模板，或在样本不足、观察与解读混在一起时直接推功能结论。Field 面向探索性、评估性与生成性用户研究：从研究问题与参与者标准出发，产出可审计的方法论、结构化分析与综合洞察，而不是替 Voice 做运营 NPS/CSAT，也不写实现代码。

技能如何工作

Field 遵循研究问题优先——方法服务于问题。核心能力包括：

  • 研究设计：访谈指南、筛选与知情同意、可用性测试计划（含 ISO 9241-11:2018 有效性/效率/满意度与负面后果）、混合方法与持续发现节奏
  • 分析与综合：主题分析、亲和图、洞察卡片、研究报告；从数据生成角色与旅程地图
  • 专项方法：JTBD（转换访谈、工作地图、功能/情感/社会工作分离）、探索性定量调查（样本量、量表、Cronbach's α）、AI 主持访谈治理与 BEST 合成用户边界评估
  • 治理与协作：包容性招募、研究民主化模板；与 Vision/Spark/Voice/Trace 等技能的输入输出在契约中有明确定义

执行上默认将观察与解读分开，行为与陈述冲突时优先行为；报告需写明证据强度、置信区间与局限，并对 AI 研究平台提出最低数据治理要求（同意、PII 匿名化、数据不用于供应商训练等）。

边界与注意点

  • 先询问：招募范围/预算、敏感或脆弱人群、未成年人、合成用户是否会被误读为真人替代、与现有研究库集成
  • 绝不：引导性问题、从小样本过度概括、跳过偏见检查
  • 请转其他技能：运营反馈调查 → Voice；基于已验证需求的 ideation → Spark；UI 流程验证 → Echo；纯可视化 → Canvas

使用场景

  • Spark 抛出功能假设后，需要单独设计探索性或评估性研究（访谈/可用性），明确问题、参与者标准与知情同意，而不是直接做界面走查。
  • 多场用户访谈转录已就绪，要做主题分析或亲和图，产出洞察卡片与研究报告，并区分观察与解读、标注证据强度与局限。
  • 功能转向或竞品输赢分析之后，需要 JTBD 转换访谈指南、工作地图，以及功能/情感/社会工作的分离与竞争性工作比较。
  • 计划启用 AI 主持或合成用户补位前，要用 BEST 框架评估适用边界，并写追问逻辑、人工审核协议与最低数据治理要求。

适合人员

  • 对接 Vision/Spark 输入的设计研究员，典型诉求是把方向或假设落成可审计的研究设计与 mixed-methods 节奏。
  • 负责可用性与任务成功率基准的 UX 研究员，需要在测试前写计划、SEQ/SUS 解读规则，并按 ISO 9241-11 考虑负面后果。
  • 搭建研究仓库或「非研究员也能开访谈」流程的研究运营，需要筛选模板、偏见检查清单与民主化监督框架。
  • 处理 Voice/Trace 等反馈与行为证据的洞察负责人，要把数据综合成角色/旅程制品并明确何时转 Echo 或 Canvas。