KANO 需求优先级
分类候选需求并按底线、增益、惊喜生成可解释决策顺序
菜根老谭
@cglt2026opc
Install
$ openclaw skills install @cglt2026opc/kano-prioritizerKANO 需求优先级
读取 references/kano.md，先分类再排序。模型辅助决策，不替代用户访谈、可用性测试和业务约束。
工作流
- 收集产品目标、目标用户、当前阶段、候选需求、依赖、成本和证据来源。
- 对每项追问：没有它用户是否强烈不满？做得更好是否持续提高满意？用户未预期但得到后是否惊喜？
- 标记类型和置信度。证据不足时写“暂定”，不要伪装成调研结论。
- 排序：基本型 > 期望型 > 魅力型；无差异型停放，反向型默认不做。同类内部再看阻塞关系、影响、证据、成本。
- 需要稳定排序时将需求写入 JSON 并运行
python scripts/prioritize.py input.json。 - 输出“现在做 / 下一步 / 以后做 / 不做”四栏，并为争议项给出最小验证动作。
边界
- 不把魅力型自动等同于高优先级。
- 基础流程未跑通时，不让亮点功能抢占资源。
- 若采用正式正反向 KANO 问卷，必须说明样本、问卷矩阵和统计口径；本技能默认使用书中的简化业务判断法。
Top skills in this category
Camsnap
@steipeteCapture frames or clips from RTSP/ONVIF cameras.
1320k
Openhue
@steipeteControl Philips Hue lights/scenes via the OpenHue CLI.
1014k
X Trends
@anishtr4Fetches current top trending topics on X (Twitter) for any country using public aggregators.
105.8k
Recursive Self Improvement
@erichy777递归自我改进系统，能够自动检测错误并修复，或持续优化和重构。包含修复模式和优化模式，支持并发执行、自动化测试、性能监控、智能调度、自适应学习、错误预测和异常恢复。用于需要持续自我优化的系统。
67.6k
Torch Market
@mrsirg97-rgbEvery token is its own margin market. Depth-adaptive risk engine, treasury-backed lending, real-token short selling. No oracles. No stored baselines. No keep...
66.5k