关于 amazon-working-backwards
amazon-working-backwards 是一项通过 Amazon 的 Working Backwards 流程梳理和评审产品构想的技能。它引导用户从五个客户问题推进到 PR-FAQ,并将实质性草稿写入文件。
主要功能
- 01用五个客户问题梳理构想
- 02撰写 PR-FAQ 文档
- 03检查五问答案
- 04评估现有 PR-FAQ
- 05将草稿和修改写入文件
适用场景
- 01明确粗略的产品提案
- 02验证五个问题的答案
- 03根据确认的答案编写 PR-FAQ
- 04依据写作标准评审 PR-FAQ
安装
复制下面的命令,在终端中运行。
$
npx skills add https:/ / github.com/ robdefeo/ agent-skills --skill amazon-working-backwards安装后在 Claude Code 中输入/amazon-working-backwards确认已加载。
包含的文件
除 SKILL.md 外,安装时一起下载的参考资料和脚本。
references/examples.mdfive-questions-guide.mdprfaq-template.md详细介绍
Amazon Working Backwards
Working Backwards 流程分两个阶段,从构想到 PR-FAQ:首先回答 5 个问题,确保思路清晰;然后撰写 PR-FAQ 文档,让读者了解构想的实际内容。
工作流
根据用户提供的内容确定切入点:
从粗略构想或提案开始? → 按照下方的“5 个问题阶段”进行 已有需要完善或核实的 5Q 答案? → 阅读 references/five-questions-guide.md,并应用核实清单 准备撰写 PR-FAQ? → 按照下方的“PR-FAQ 阶段”进行 已有 PR-FAQ 需要审阅? → 阅读 references/prfaq-template.md,并根据写作标准和常见驳回原因进行评估 想要澄清某个具体要素? → 阅读该阶段相关的参考文件
输出约定
从一开始就始终写入文件。不要在聊天中起草。
- 5Q 答案:写入
YYYY-MM-DD - [Product Name] 5Q.md - PR-FAQ:写入
YYYY-MM-DD - [Product Name] PR-FAQ.md - 迭代:直接编辑文件;在聊天中总结更改
- Word 格式:如果用户请求 .docx,请使用
docx技能生成格式化文档
提出澄清问题或提供反馈时,请在聊天中回复。所有实质性内容(5Q 答案、PR-FAQ 草稿)都写入文件。
5 个问题阶段
在开始撰写任何文档之前,5 个问题有助于理清思路:
- 客户是谁?
- 客户面临什么问题,或有什么机会?
- 对客户最重要的益处是什么?
- 我们如何了解客户的需求或愿望?
- 客户体验是什么样的?
起草 5Q 答案
- 阅读 references/five-questions-guide.md,了解每个问题的质量标准和注意事项
- 阅读 references/examples.md,查看从构想到 5Q 再到 PR-FAQ 的完整示例
- 如果用户的构想过于模糊,无法妥善回答任何问题,请提出澄清问题——每次只问一个问题
- 按照每个问题中“优秀答案的特点”指南,起草全部 5 个答案
- 将答案写入 5Q 文件;在聊天中总结并征求反馈,然后通过编辑文件进行迭代
核实 5Q 答案
审阅或核实答案(用户自己的答案或先前起草的答案)时:
- 阅读 references/five-questions-guide.md
- 应用核实清单(连贯性、具体性、以客户为中心、诚实严谨)
- 使用指南中的探究性问题,对薄弱之处提出质疑
- 提供具体且可操作的反馈——不要泛泛称赞
PR-FAQ 阶段
5Q 答案完善后,生成 PR-FAQ 文档。
- 阅读 references/prfaq-template.md,了解确切结构和质量标准
- 如果尚未阅读,请阅读 references/examples.md
- 撰写新闻稿部分,对应关系如下:Q2 → 问题段落,Q3 → 解决方案段落,Q5 → 体验段落,Q1 → 客户引语中的人物设定
- 撰写外部 FAQ(5–10 个客户问题)
- 撰写内部 FAQ(5–10 个利益相关方问题)
- 将内容写入 PR-FAQ 文件;在聊天中总结并征求反馈,然后通过编辑文件进行迭代
审阅现有 PR-FAQ
- 阅读 references/prfaq-template.md,重点关注“常见驳回原因”部分
- 根据写作标准评估 PR-FAQ 的每个部分
- 检查 PR-FAQ 内部是否一致(问题 → 益处 → 体验是否相互契合)
- 针对各个部分提供具体反馈,并提出切实可行的改进建议
评论
支持 Markdown