product-playbook 1.0.0

package/i18n/zh-CN/references/rules-full.md

@@ -0,0 +1,66 @@
+# 📦 完整模式步骤序列（共 20 步 + 最终产出）
+
+> 此文件为完整模式的权威步骤定义。由 SKILL.md 核心派发载入。
+
+## 步骤序列
+
+```
+Phase 0：前置
+  S1.  机会评估 + DHM → 读取 references/00-opportunity-check.md
+  S2.  Strategy Blocks + Rumelt 策略内核 → 读取 references/01-strategy.md
+
+Phase 1：Discovery
+  S3.  Persona Table → 读取 references/02a-persona.md
+  S4.  Persona 卡片 → 读取 references/02a-persona.md
+  S5.  JTBD 分析 → 读取 references/02b-jtbd.md
+  S6.  机会解法树 OST → 读取 references/02c-ost-journey.md
+  S7.  User Journey Map → 读取 references/02c-ost-journey.md
+
+Phase 2：Define
+  S8.  痛点汇整表 → 读取 references/03-define.md
+  S9.  April Dunford 定位 → 读取 references/03-define.md
+  S10. HMW 问题转化 → 读取 references/03-define.md
+  S11. 机会评估表 → 读取 references/03-define.md
+
+Phase 3：Develop
+  S12. PR-FAQ → 读取 references/04a-prfaq.md
+  S13. 平行原型 → 读取 references/04b-solutions.md
+  S14. Pre-mortem → 读取 references/04b-solutions.md
+  S15. GEM + RICE 优先排序 → 读取 references/04b-solutions.md
+  S16. User Story → 读取 references/04b-solutions.md
+  S17. MVP + Not Doing List → 读取 references/04c-mvp.md
+
+Phase 4：Deliver
+  S18. North Star + 三层讯号 + Aha Moment → 读取 references/05a-northstar-aha.md
+  S19. PMF 等级判定 + GTM 策略 + 商业模式 → 读取 references/05b-pmf-gtm.md
+  S20. 假设验证计划 → 读取 references/05c-validation-spec.md
+────
+最终产出 → 产品规格摘要（references/05c-validation-spec.md → 4.6）+ 最佳切入点分析
+```
+
+> 完整模式中 4.1 Empowered Teams 在产出对象为老板/跨部门时加入 S18 之前，否则跳过。
+
+## Reference 载入指示
+
+进入各步骤时，仅读取对应的 reference 文件（不要预先全部载入）：
+
+| 步骤 | Reference 文件 |
+|------|---------------|
+| S1 | `references/00-opportunity-check.md` |
+| S2 | `references/01-strategy.md` |
+| S3-S4 | `references/02a-persona.md` |
+| S5 | `references/02b-jtbd.md` |
+| S6-S7 | `references/02c-ost-journey.md` |
+| S8-S11 | `references/03-define.md` |
+| S12 | `references/04a-prfaq.md` |
+| S13-S16 | `references/04b-solutions.md` |
+| S17 | `references/04c-mvp.md` |
+| S18 | `references/05a-northstar-aha.md` |
+| S19 | `references/05b-pmf-gtm.md` |
+| S20 + 最终产出 | `references/05c-validation-spec.md` |
+
+## 最终产出格式
+
+**最佳切入点分析**（完整逻辑链）＋ **产品规格摘要**
+
+完成后，依 `references/rules-end-of-flow.md` 执行流程结束规则。

package/i18n/zh-CN/references/rules-import-document.md

@@ -0,0 +1,261 @@
+# 文件导入解析规则
+
+> 使用者上传 PDF / DOCX / PPTX 文件，或触发 `/parse [file]` 时载入。
+> 首次使用时先载入 `rules-document-tools.md` 确认工具已安装。
+> 本规则与 `rules-file-integration.md` 搭配使用——该文件定义「何时触发」，本文件定义「如何解析」。
+
+---
+
+## 解析目标
+
+将任何格式的输入文件转换为**结构化 Markdown**，供后续流程使用：
+- Feature Extension / Revision 模式的 S1 上下文收集
+- 增量更新的原始文件基底
+- 一般性的文件内容提取
+
+---
+
+## PDF 解析：三层策略 + 逐页检测
+
+### 总览
+
+```
+输入 PDF
+  │
+  ▼
+pymupdf 逐页文字提取（零成本）
+  │
+  ├── 该页文字 > 30 字符 → ✅ 直接转 Markdown（层 1）
+  │
+  └── 该页文字 ≤ 30 字符（空白 / 向量路径 / 扫描件）
+        │
+        ├── 预设 → Claude Vision 语意解析（层 2）
+        │
+        └── Vision 不可用 / Token 预算不足 → Tesseract OCR（层 3）
+```
+
+### 步骤 1：逐页类型检测
+
+**关键原则**：以「页」为单位检测，而非整份文件。一份 PDF 可能混合数位文字页和扫描图片页。
+
+```python
+import fitz  # pymupdf
+
+doc = fitz.open(pdf_path)
+total_pages = len(doc)
+page_results = {}
+
+for i in range(total_pages):
+    page = doc[i]
+    text = page.get_text("text").strip()
+
+    if len(text) > 30:
+        # 层 1：数位文字，直接提取
+        page_results[i] = {"type": "digital", "text": text}
+    else:
+        # 需要 Vision 或 OCR
+        page_results[i] = {"type": "needs_vision", "text": None}
+
+digital_count = sum(1 for p in page_results.values() if p["type"] == "digital")
+vision_count = total_pages - digital_count
+
+print(f"PDF 分析：{total_pages} 页，{digital_count} 页可直接提取，{vision_count} 页需视觉解析")
+```
+
+### 步骤 2：大文件处理策略
+
+| 条件 | 策略 |
+|------|------|
+| 全部页面为 digital（vision_count = 0）| 直接提取所有页面，零成本 |
+| vision_count ≤ 20 | 一次用 Claude Vision 读取所有需视觉解析的页面 |
+| vision_count > 20 | 分批处理（每批 ≤ 20 页），合并结果 |
+| 总页数 > 50 且 vision_count > 20 | 询问使用者是否全文解析或指定页面范围 |
+
+**大文件（>50 页）的使用者确认提示**：
+
+```
+📄 此 PDF 共 {total_pages} 页：
+  • {digital_count} 页可直接提取文字（免费）
+  • {vision_count} 页需要视觉解析（消耗 Vision Token）
+
+请选择：
+  1️⃣ 全文解析（完整但消耗较多 Token）
+  2️⃣ 只解析特定页面（请输入页码范围，如 1-10,15,20-25）
+  3️⃣ 只提取可直接提取的页面（跳过扫描/向量页面）
+```
+
+### 步骤 3：层 1 — pymupdf 直接提取
+
+```python
+def extract_digital_pages(doc, page_results):
+    """提取所有数位文字页面"""
+    markdown_parts = []
+    for i, result in sorted(page_results.items()):
+        if result["type"] == "digital":
+            markdown_parts.append(f"<!-- Page {i+1} -->\n{result['text']}")
+    return "\n\n".join(markdown_parts)
+```
+
+### 步骤 4：层 2 — Claude Vision 语意解析
+
+对于 `needs_vision` 类型的页面，先用 pymupdf 渲染为 PNG 图片，再用 Claude 的 Read 工具读取。
+
+**渲染为图片**：
+```python
+def render_pages_to_png(doc, page_indices, dpi=300):
+    """将指定页面渲染为 PNG"""
+    output_files = []
+    for i in page_indices:
+        page = doc[i]
+        pix = page.get_pixmap(dpi=dpi)
+        output_path = f"/tmp/pdf-page-{i+1:04d}.png"
+        pix.save(output_path)
+        output_files.append((i, output_path))
+    return output_files
+```
+
+**Claude Vision 解析 Prompt**：
+
+对每个需要视觉解析的页面（或批次），使用 Read 工具读取 PNG 后，依以下 prompt 转换：
+
+```
+你正在阅读一份 PDF 文件的第 {page_num}/{total_pages} 页。
+请将此页面的内容精确转换为 Markdown 格式。
+
+严格规则：
+1. 表格 → Markdown table（保留所有栏位、行数、对齐方式）
+2. 标题 → # / ## / ### 对应原始层级
+3. 编号清单 → 1. 2. 3.（保留原始编号）
+4. 项目符号 → - 或 •
+5. 粗体/斜体 → **粗体** / *斜体*
+6. 图表/图片 → > [图表：简述内容]
+7. 页首、页尾、页码 → 忽略
+8. 数字、日期、人名、帐号 → 必须 100% 精确，不得猜测
+9. 不要添加原文没有的内容
+10. 不要翻译——保留原文语言
+```
+
+> **为什么这比 OCR 强**：Claude 理解表格的「语意结构」（第一行是表头、哪些栏位对齐），而 Tesseract 只能逐字符辨识后用规则重建表格，经常失败。
+
+### 步骤 5：层 3 — Tesseract OCR Fallback
+
+仅在以下情况使用：
+- 使用者明确要求节省 Token
+- Claude Vision 不可用（API 限制等）
+- 离线环境
+
+```python
+import subprocess
+from PIL import Image
+
+def ocr_page(png_path, lang="chi_tra+eng"):
+    """Tesseract OCR 单页"""
+    # macOS 的 tesseract 可能无法直接读取 PNG，需先转 TIFF 或用 stdin
+    tiff_path = png_path.replace('.png', '.tiff')
+    Image.open(png_path).save(tiff_path)
+
+    result = subprocess.run(
+        ['tesseract', 'stdin', 'stdout', '-l', lang],
+        stdin=open(tiff_path, 'rb'),
+        capture_output=True, text=True, timeout=120
+    )
+    return result.stdout
+```
+
+**Tesseract 注意事项（实战经验）**：
+- macOS 上 tesseract 可能无法直接读取 PNG 文件，需用 `stdin` 管道或先转 TIFF
+- 建议解析度 300dpi
+- `chi_tra+eng` 语言包同时辨识繁体中文和英文
+- OCR 结果需后处理：合并断行、修复表格结构
+
+### 步骤 6：合并所有页面
+
+```python
+def merge_all_pages(digital_md, vision_md_list):
+    """按页序合并所有页面的 Markdown"""
+    all_pages = {}
+    # digital pages
+    for page_num, md in digital_md.items():
+        all_pages[page_num] = md
+    # vision/ocr pages
+    for page_num, md in vision_md_list.items():
+        all_pages[page_num] = md
+
+    # 按页码排序，合并
+    final_md = []
+    for i in sorted(all_pages.keys()):
+        final_md.append(all_pages[i])
+
+    return "\n\n---\n\n".join(final_md)
+```
+
+### 步骤 7：输出并告知使用者
+
+```
+📄 PDF 解析完成：
+  • 总页数：{total_pages}
+  • 直接提取：{digital_count} 页（pymupdf）
+  • 视觉解析：{vision_count} 页（Claude Vision）
+  • 输出：{output_path}（Markdown，{字数} 字）
+```
+
+---
+
+## DOCX 解析
+
+```bash
+pandoc "{input_path}" -t markdown -o "/tmp/parsed-{timestamp}.md" --wrap=none
+```
+
+**后处理**：
+- 移除 Pandoc 产生的多余空行
+- 确认表格格式正确
+
+---
+
+## PPTX 解析
+
+```bash
+pandoc "{input_path}" -t markdown -o "/tmp/parsed-{timestamp}.md" --wrap=none
+```
+
+> Pandoc 会将每张投影片转为一个 `##` 标题区段。
+
+---
+
+## HTML 解析
+
+```bash
+pandoc "{input_path}" -f html -t markdown -o "/tmp/parsed-{timestamp}.md" --wrap=none
+```
+
+---
+
+## 图片解析
+
+直接使用 Claude Read 工具读取图片，然后依照 Vision 解析 Prompt 转换为 Markdown。
+
+---
+
+## 与 rules-file-integration.md 的协作
+
+当 `rules-file-integration.md` 检测到以下场景时，载入本规则：
+
+| 场景 | 动作 |
+|------|------|
+| 使用者在 Feature Extension S1 上传 PDF | 载入本规则 → 解析 PDF → 提取既有系统背景 |
+| 使用者在 Revision S1 上传旧版 PRD | 载入本规则 → 解析 PDF → 作为改版基底 |
+| 使用者用 `/parse` 指令 | 载入本规则 → 解析指定文件 → 输出 Markdown |
+| 使用者上传市场报告 PDF | 载入本规则 → 提取关键资讯 → 整合到对应步骤 |
+
+### 原始文件识别
+
+解析完成后，若判断该文件是「原始文件」（PRD、规格书等），自动标记：
+
+```
+📎 检测到原始文件——最终产出将基于此文件进行增量更新。
+  文件结构：{章节数} 个章节，{表格数} 个表格
+  格式惯例：[识别到的格式特征]
+```
+
+并将文件结构记录，供 `rules-export-document.md` 在最终产出时使用。

package/i18n/zh-CN/references/rules-product-type.md

@@ -0,0 +1,14 @@
+# 🏢 B2B / B2C 差异化调整
+
+> 确认产品类型后载入此文件。Claude 自动在各框架中套用以下调整。
+
+| 框架 | B2C 调整 | B2B 调整 |
+|------|---------|---------|
+| **Persona** | 以个人动机/习惯分群 | 区分「购买决策者」和「实际使用者」两类 Persona；加入「组织规模」「采购流程」栏位 |
+| **JTBD** | 聚焦个人情感性和社交性工作 | 加入「组织层级工作」：帮公司达成什么目标？个人在组织中完成什么工作？ |
+| **PMF 判断** | 以 DAU/MAU、留存率、Sean Ellis Score 为主 | 以「付费客户数 + 扩展率 + NPS」为主；Level 1 = 3-5 个付费客户 |
+| **Aha Moment** | 首次使用中体验到核心价值 | 可能在 Onboarding/试用期才出现；需设计「Time-to-Value」指标 |
+| **MVP** | 可以是一个完整的轻量产品 | 可能需要是一个 Pilot（针对特定客户的客制化部署） |
+| **GTM** | 以产品驱动增长（PLG）或社群为主 | 以销售驱动或合作伙伴渠道为主 |
+| **定价** | Freemium / Subscription / 按用量 | 年度合约 / 按座位 / 按用量 / 客制报价 |
+| **North Star** | 用户活跃度或核心动作完成次数 | ARR、Net Revenue Retention、Active Accounts |

package/i18n/zh-CN/references/rules-progress.md

@@ -0,0 +1,60 @@
+# 🔁 进度持久化与中断恢复
+
+> 使用者说「暂停」「存档」或 skill 启动时检查进度时载入。
+
+## 进度文件格式
+
+每完成一个步骤，在专案目录下建立或更新 `.product-playbook-progress.md`：
+
+```
+# Product Playbook 进度存档
+
+- 模式：[快速模式 / 完整模式 / ...]
+- 产品类型：[B2C / B2B / ...]
+- 产品描述：[使用者的产品描述]
+- 当前进度：S[X] / S[Y]
+- 最后更新：[时间戳]
+
+## 已完成步骤
+
+### S1：[步骤名称] ✅
+[该步骤的核心产出，保留足够细节以便恢复时不需要重做]
+
+### S2：[步骤名称] ✅
+[同上]
+
+## 待执行步骤
+- S3：[步骤名称]
+- S4：[步骤名称]
+- ...
+```
+
+### 功能扩充模式范例
+```markdown
+模式：功能扩充
+步骤：S2/S4
+S1：问题 + 现有系统情境 ✅
+S2：三个平行解法 + AI 推荐 ▶️
+S3：风险评估 ⬜
+S4：执行范围 ⬜
+```
+
+## 触发规则
+
+1. **自动储存**：每个步骤完成并获得使用者确认后，立即更新进度文件
+2. **启动时检查**：skill 触发时，先检查是否存在 `.product-playbook-progress.md`。若存在，显示：
+```
+侦测到未完成的产品规划进度（[模式名称]，S[X]/S[Y]）：
+  1️⃣ 继续 — 从 S[X] 接续
+  2️⃣ 重新开始 — 清除旧进度，重头来过
+（输入 1 或 2）
+```
+3. **暂停指令**：使用者说「暂停」「先做别的」「存档」时，确认进度文件已更新，回复：「进度已存档至 .product-playbook-progress.md（S[X]/S[Y]）。下次在此专案启动 skill 时会自动侦测。」
+4. **完成时清理**：流程全部完成并产出最终文件后，询问使用者是否删除进度文件
+6. **版控提醒**：首次建立 `.product-playbook-progress.md` 时，提醒使用者：「⚠️ 建议将 `.product-playbook-progress.md` 加入 `.gitignore`，此文件可能包含敏感的产品策略资讯。」
+5. **中断存档**：当流程进行中侦测到无关 prompt 时（见 SKILL.md 流程中断处理规则），即使当前步骤尚未完成，也必须存档。存档格式在当前步骤标记为 `🔶`（进行中）而非 `✅`，并保存已产出的部分内容：
+```
+### S[X]：[步骤名称] 🔶（进行中，部分完成）
+[已产出的部分内容]
+⚠️ 此步骤尚未完成，恢复时需从此处继续
+```

package/i18n/zh-CN/references/rules-quick.md

@@ -0,0 +1,29 @@
+# 🚀 快速模式步骤序列（共 3 步 + 最终产出）
+
+> 此文件为快速模式的权威步骤定义。由 SKILL.md 核心派发载入。
+
+## 步骤序列
+
+```
+S1. JTBD 陈述 → 读取 references/02b-jtbd.md
+S2. PR-FAQ → 读取 references/04a-prfaq.md
+S3. North Star Metric + Aha Moment → 读取 references/05a-northstar-aha.md
+────
+最终产出 → 一页式方向摘要
+```
+
+## Reference 载入指示
+
+进入各步骤时，读取对应的 reference 文件：
+
+| 步骤 | Reference 文件 |
+|------|---------------|
+| S1 | `references/02b-jtbd.md` |
+| S2 | `references/04a-prfaq.md` |
+| S3 | `references/05a-northstar-aha.md` |
+
+## 最终产出格式
+
+**一页式方向摘要**：问题 → 解法 → 成功定义，三段式结构，适合快速简报或同步用。
+
+完成后，依 `references/rules-end-of-flow.md` 执行流程结束规则。快速模式只问是否需要简报，不问 PRD 和开发交接包（内容不够完整）。

package/i18n/zh-CN/references/rules-revision.md

@@ -0,0 +1,64 @@
+# 🔄 改版模式步骤序列（共 12 步 + 最终产出）
+
+> 此文件为改版模式的权威步骤定义。由 SKILL.md 核心派发载入。
+
+## 步骤序列
+
+```
+Phase 0：现况分析
+  S1.  既有产品现况回顾（用户数据概览 + 核心指标 + 已知问题 + 安全现况）
+  S2.  现有用户 JTBD 重新检验（哪些 Job 做得好？哪些做不好？）
+
+Phase 1：问题收敛
+  S3.  用户痛点收集（留存/流失分析 + 用户反馈汇整 + 行为数据）
+  S4.  痛点汇整表 → 读取 references/03-define.md → 2.1
+  S5.  Positioning 重新评估 → 读取 references/03-define.md → 2.2（焦点：定位是否需要调整？）
+  S6.  HMW 问题转化 → 读取 references/03-define.md → 2.3
+  S7.  机会评估表 → 读取 references/03-define.md → 2.4
+
+Phase 2：解法设计
+  S8.  PR-FAQ → 读取 references/04a-prfaq.md（描述改版后的体验）
+  S9.  Pre-mortem → 读取 references/04b-solutions.md → 3.3
+  S10. MVP 范围 + Not Doing List → 读取 references/04c-mvp.md（焦点：改什么 / 不改什么）
+
+Phase 3：验证
+  S11. North Star + Aha Moment → 读取 references/05a-northstar-aha.md（比较改版前后指标）
+  S12. 假设验证计划 → 读取 references/05c-validation-spec.md
+────
+最终产出 → 产品规格摘要（改版版）
+```
+
+### S1 前置：产品上下文载入
+
+进入 S1 前，读取 `references/rules-context.md` 并检查 `.product-context.md`：
+
+- **有完整上下文（情境 1）**：自动带入 PMF 等级、North Star、已知痛点、安全现况、近 3 笔 Decision History。S1 引导改为**差异式**：「上次评估时，你的 PMF 等级为 [X]，北极星指标为 [Y]。目前这些有变化吗？最新的 DAU/MAU 和留存率是多少？」— 已有的历史决策和已知痛点不需要重新收集
+- **无上下文（情境 2）**：触发 Context Bootstrap（`rules-context.md` Section 4，Round 1 + 3），完成后再进入下方标准 S1 数据收集
+- **部分上下文（情境 3）**：从 Decision History 带入功能变更历史（知道哪些模组被改过、有哪些风险被识别过），但需询问整体产品策略和指标（之前只做过功能扩充，缺全局视角）
+
+### S1 标准引导
+
+> 改版模式的 S1 会主动询问使用者提供既有产品数据：DAU/MAU、留存率、主要用户反馈、过去版本的关键决策等。若 context 已预填部分答案，改为确认而非重新收集。
+> S1 同时收集安全现况：现有认证/授权机制、已知安全漏洞或技术债、近期安全事件。这些资讯会影响改版的风险评估和 Pre-mortem。
+
+### 快速路径
+
+当使用者在 S1 已提供充分数据（含用户反馈、指标、痛点），S4-S7（痛点→定位→HMW→机会评估）可在单次对话中连续产出，中间只需一次确认而非四次。触发条件：S3 收集到的痛点清单已有明确的优先级和数据支持。Hard Gate 规则不变 — 每个步骤的产出仍须完整呈现，只是确认节奏加快。
+
+## Reference 载入指示
+
+| 步骤 | Reference 文件 |
+|------|---------------|
+| S1-S3 | 无需外部 reference（直接引导使用者提供数据） |
+| S4-S7 | `references/03-define.md` |
+| S8 | `references/04a-prfaq.md` |
+| S9 | `references/04b-solutions.md` |
+| S10 | `references/04c-mvp.md` |
+| S11 | `references/05a-northstar-aha.md` |
+| S12 + 最终产出 | `references/05c-validation-spec.md` |
+
+## 最终产出格式
+
+**改版产品规格摘要**：改版前后对照 + 改什么/不改什么 + 成功指标
+
+完成后，依 `references/rules-end-of-flow.md` 执行流程结束规则。