技能介绍

它解决的问题

访谈、输单复盘和客服工单攒下了大量买方原话，但分散在 transcripts 里，很难直接喂给 message。通用 persona 工具擅长人口统计画像，却讲不清买家已经相信什么、什么让他们停在原地；于是 message house 里的反对意见常是凭印象写的，没有出处，也无法验证。

它如何工作

技能只围绕一个杠杆：受众信念。输入是四类 User-provided 证据（interview transcripts、win-loss notes、sales-call summaries、support tickets）加上上游 audience-mapper 的 persona base，输出三块：

既有信念与心智模型：该细分受众对问题、替代方案和品类已有的看法，逐条引用 evidence line。
反对意见表：每条 recurring objection 带 frequency-source（出现在多少份笔记里，不是估的数）和一个 reframe candidate。
JTBD 四力图：push / pull / anxiety / habit，每力挂到依据的 evidence line；没证据就标 Estimated 或丢弃。

流程是：先 anchor 到 beachhead 细分（persona base 缺失就停，回退给 audience-mapper，不为“所有人”画信念），再抽信念、建反对意见表、映射四力，然后保留 verbatim 输单语言，最后 sweep claims —— 未在 memory/claims/claims-ledger.md 批准的 comparative 或产品事实标 [needs source]，提交 registry-events.py 交 offer-claims-registry 裁定。

适用边界

它只映射信念、反对意见和切换力：不建人口统计画像，不对账 positioning canvas，不写 change-narrative arc，不算 TALE 得分（那是 narrative-quality-auditor 的 gate）。粘贴的笔记与抓取的评论页按不可信输入处理；外部 review site 只作为用户粘贴的 excerpt 进入并标 proxy。canon 级信念只经 registry-events.py 进候选流程，绝不直接写 canon 文件。