PRODUCT & BUSINESS REASONING, WITH EVIDENCE
从业务问题到研究交付。
采集数据,验证判断,让下一步有据可依。
Askovo 把产品判断拆成一条可检查的推理链,每个判断写清"凭什么从上一步推到这一步、依据哪些证据";证据按 E0–E5 分级,结论超出证据,askovo audit 直接点名,退出码 1 可以进 CI。面向产品经理、用户研究、用户运营与市场/需求/商业分析,覆盖软件、硬件、消费品、汽车、手机五域。
一条主链,从用户推理到商业SCENE → BUSINESS
数据收集、访谈、实验、平台连接都只是支撑步骤——它们验证某个节点或推导关系,不代替推理本身。
每个节点必须填写:当前判断(statement)、推导理由(rationale)、成立假设(assumptions)、支撑证据(evidence_ids)与状态。同一份机器真值(product-reasoning.json)投影出 MRD、PRD、BRD 与决策 memo——不是四套平行事实源。六类结论不混:need 不冒充 acceptance,usability 不冒充 commercial,口头意愿永远不是付费行为。
今天可用什么WHAT IS AVAILABLE TODAY
| 能力 | 当前边界 |
|---|---|
| 七节点推理链与决策包/MRD/PRD/BRD 投影 | 结构与证据引用自动校验;语义复核仍由人负责 |
| 证据分级审计(E0–E5,退出码进 CI) | 只验结构与配置门,不证明需求普遍率、市场成功或发布可行性 |
| 平台雷达与采集(GitHub / Reddit 官方 API) | blocked 平台不绕过;CDP 仅限授权可见页;采集前须过 Design gate |
| 单位经济与 PSM 价格敏感度投影 | 确定性口径计算;PSM 是陈述意向,不是付费行为 |
| 人工交付(需求验证 study / 团队工作坊) | 范围与费用按具体任务商定;商业复购与规模化仍在验证中 |
引擎、CLI、Agent Skill、MCP 与五域基础领域包为 MIT 开源,无功能阉割版。付费的只可能是深度领域资产与人工交付,不是引擎本身。
需求验证方法NEED VALIDATION
用户说「想要」只是 E1 口头陈述;要升到「已验证」,至少要有一条 E2——观察到的替代、绕行或失败行为。完整方法见《用户「说想要」,就是需求吗?》:四种常见误读、替代行为检查表、E0–E5 判断标准,不装工具也能用。
一个具体任务:五条需求判断,两条只有口头支撑
合成示例,用来说明判断怎么落、缺口怎么标——不是真实客户数据,也不代表市场规模。规则来源:docs/concepts.md。
| 需求判断 | 现有证据 | 标记 | 下一步验证 |
|---|---|---|---|
| 子女愿意为「远程查看老人状态」付费 | 3 次访谈说「会买」,没有实际支付 | E1 · 待验证 | 价格锚点:真实预约押金,不是问卷勾选 |
| 夜间盲区让用户自建替代方案 | 2 条用户帖:加装第二台摄像头、半夜起身查看 | E2 · 已验证 | 补 5 条同场景原文链接 |
| 隐私开关是购买前提 | 1 条明确拒绝:没有物理遮挡就不买 | E4− · 反证(个案) | 把「物理遮挡」写进验收条件,再找 3 条同类 |
| 愿意为异常识别多付 30% | 问卷 60% 勾选「愿意」 | E1 · 待验证 | 真实报价实验;口头意愿不算付费证据 |
| 安装复杂是放弃原因之一 | 3 条退货/差评记录指向安装 | E4− · 反证 | 与「不愿付费」分开记录,避免归因混线 |
两条只有 E1 的判断不会因为「很多人这么说」升级;没有证据的格子写「未知」,不写「零」。askovo audit 做的就是这件事:状态写成「已验证」但问题链只有 E1 的判断会被点名并建议降级,退出码 1 可以进 CI(回归测试见 tests/test_askovo_cli.py)。本地跑 askovo demo 可以看一次完整审计输出。
30 秒本地验证NO SIGNUP, NO UPLOAD
离线合成样例,验证结构与推理链自洽——不证明真实需求或市场。Python 3.9+,标准库实现;PyPI 已发布,版本以 PyPI 页为准(2026-11-14 核实)。
pipx install askovo
askovo do "家用摄像头夜间告警误报,想验证样机" --dry-run
askovo demo
预期关键结果:status: pass · supported: 1 · overclaims: 0。所有命令本地运行,不上传数据。也可以作为 Agent Skill 或 MCP server 接入你的 agent 工作流。
工程与主张纪律CLAIMS
单元测试与 Python 3.9–3.12 CI 矩阵、自动化发布流(测试规模以 CI 徽章为准)。合成样例只证明结构自洽,我们在 claims 页逐条列明每个数字与结论能主张什么、不能冒充什么——这和引擎本身是同一个产品。
GitHub 仓库 · 快速开始 · llms.txt(agent 入口) · CI