sc-brainstorm

头脑风暴与需求发现技能

通过结构化探索，将模糊的想法转化为具体的规范。

快速入门

# Basic brainstorm
/sc:brainstorm [topic]

# Deep systematic exploration
/sc:brainstorm "AI project management tool" --strategy systematic --depth deep

# Parallel exploration with multiple personas
/sc:brainstorm "real-time collaboration" --strategy agile --parallel

行为流程

1. 探索 - 通过苏格拉底式对话，将模糊的想法转化为具体构想
2. 分析 - 协调多个角色，获取领域专业知识
3. 验证 - 跨领域进行可行性评估
4. 编写规范 - 生成具体的规范
5. 交接 - 创建可供实施的行动简报

标志

标志	类型	默认值	描述
--strategy	string	systematic	systematic、agile、enterprise
--depth	string	normal	shallow、normal、deep
--parallel	bool	false	启用并行探索路径
--validate	bool	false	纳入可行性验证

启用的角色

• architect - 系统设计与技术可行性
• analyzer - 需求分析与复杂度评估
• frontend - 用户体验与界面考量
• backend - API 与数据架构
• security - 安全要求与合规性
• devops - 基础设施与部署考量
• project-manager - 时间线与资源规划

MCP 集成

PAL MCP（协作智能）

工具	使用时机	用途
mcp__pal__consensus	优先级冲突时	通过多个模型协调权衡
mcp__pal__chat	头脑风暴时	与外部模型协作探索想法
mcp__pal__thinkdeep	复杂问题	多阶段深度分析
mcp__pal__planner	方案设计	带有分支的顺序规划
mcp__pal__challenge	验证想法时	针对提议的方案进行批判性思考

PAL 使用模式

# Consensus on conflicting priorities
mcp__pal__consensus(
    models=[
        {"model": "gpt-5.2", "stance": "for", "stance_prompt": "Prioritize user experience"},
        {"model": "gemini-3-pro", "stance": "against", "stance_prompt": "Prioritize technical simplicity"},
        {"model": "deepseek", "stance": "neutral"}
    ],
    step="Evaluate: Should we use real-time sync or eventual consistency?"
)

# Deep exploration of complex idea
mcp__pal__thinkdeep(
    step="Exploring AI-powered analytics dashboard concept",
    hypothesis="Users need predictive insights, not just historical data",
    confidence="medium",
    focus_areas=["user_needs", "technical_feasibility", "market_fit"]
)

# Collaborative brainstorming
mcp__pal__chat(
    prompt="Help me explore innovative approaches for real-time collaboration in document editing",
    model="gpt-5.2",
    thinking_mode="high"
)

# Challenge assumptions
mcp__pal__challenge(
    prompt="We assume users want AI-generated summaries. Is this assumption valid?"
)

# Plan solution architecture
mcp__pal__planner(
    step="Planning architecture for real-time notification system",
    step_number=1,
    total_steps=4,
    is_branch_point=True,
    branch_id="websocket-approach"
)

Rube MCP（研究与持久化）

工具	使用时机	用途
mcp__rube__RUBE_SEARCH_TOOLS	市场调研	查找网页搜索和竞争对手分析工具
mcp__rube__RUBE_MULTI_EXECUTE_TOOL	文档记录	将想法保存到 Notion，并分享到 Slack
mcp__rube__RUBE_CREATE_UPDATE_RECIPE	工作流	保存头脑风暴流程
mcp__rube__RUBE_REMOTE_WORKBENCH	数据分析	分析市场数据和用户调研结果

Rube 使用模式

# Research market and competitors
mcp__rube__RUBE_SEARCH_TOOLS(queries=[
    {"use_case": "web search", "known_fields": "query:AI analytics dashboard competitors 2025"}
])

# Document brainstorming session
mcp__rube__RUBE_MULTI_EXECUTE_TOOL(tools=[
    {"tool_slug": "NOTION_CREATE_PAGE", "arguments": {
        "title": "Brainstorm: AI Analytics Dashboard",
        "content": "## Key Ideas\n- Predictive insights\n- Natural language queries\n\n## Decisions\n- Real-time sync chosen over eventual consistency"
    }},
    {"tool_slug": "SLACK_SEND_MESSAGE", "arguments": {
        "channel": "#product",
        "text": "New brainstorm session documented: AI Analytics Dashboard"
    }}
])

# Create user research tasks
mcp__rube__RUBE_MULTI_EXECUTE_TOOL(tools=[
    {"tool_slug": "JIRA_CREATE_ISSUE", "arguments": {
        "project": "PROD",
        "summary": "User research: AI analytics preferences",
        "issue_type": "Task",
        "description": "Interview 10 users about analytics needs"
    }},
    {"tool_slug": "ASANA_CREATE_TASK", "arguments": {
        "name": "Competitor analysis: analytics dashboards",
        "project": "Research"
    }}
])

# Analyze existing user feedback
mcp__rube__RUBE_REMOTE_WORKBENCH(
    thought="Analyze user feedback data for patterns",
    code_to_execute='''
import json
# Load user feedback from file
feedback_data = json.load(open("/tmp/user_feedback.json"))
# Analyze with LLM
analysis, error = invoke_llm(f"Analyze this user feedback for analytics feature requests: {feedback_data[:5000]}")
output = {"analysis": analysis, "feedback_count": len(feedback_data)}
output
'''
)

标志（扩展）

标志	类型	默认值	描述
--pal-consensus	bool	false	使用 PAL consensus 进行权衡
--pal-deep	bool	false	使用 PAL thinkdeep 进行复杂探索
--research	bool	false	使用 Rube 进行市场／竞争对手调研
--document	string	-	将文档发送到 Rube（notion、confluence、google-docs）
--notify	string	-	通过 Rube 通知（slack、teams、email）

证据要求

此技能不要求提供确凿证据。重点关注：

• 记录探索路径与决策
• 记录利益相关者的意见与优先级
• 收集规范与需求

探索策略

系统化（--strategy systematic）

• 通过结构化问题引导发现
• 全面覆盖各个领域
• 侧重文档记录

敏捷（--strategy agile）

• 快速迭代周期
• 聚焦用户故事
• 精简的最小可行规范

企业级（--strategy enterprise）

• 聚焦合规与治理
• 协调利益相关者
• 纳入风险评估

示例

产品发现

/sc:brainstorm "AI-powered analytics dashboard" --strategy systematic --depth deep
# Multi-persona analysis with comprehensive feasibility

功能探索

/sc:brainstorm "real-time notifications" --strategy agile --parallel
# Parallel paths: frontend UX, backend architecture, security implications

企业级解决方案

/sc:brainstorm "enterprise data platform" --strategy enterprise --validate
# Compliance-aware exploration with security and devops input

工具协调

• Read/Write - 需求文档
• TodoWrite - 跟踪探索进度
• Task - 委派并行探索任务
• WebSearch - 市场调研与技术验证