Is ideation-hmw safe to install?

SaferSkills independently audited ideation-hmw (Agent Skill) and scored it 100/100 (green). The audit ran 55 deterministic rules across Security, Supply Chain, Maintenance, Transparency, and Community; it found 0 high-severity and 0 lower-severity findings. The full rule-by-rule trace and per-finding evidence are below. Free, methodology-open.

CategoryWeightCategory scoreContribution

Securityprompt, exec, net, exfil, eval

35%

100

35.0 pts

Supply chainhash, typosquat, maintainer, lockfile

20%

100

20.0 pts

Maintenancestaleness, pinning, CI

15%

100

15.0 pts

TransparencySKILL.md, perms, README

15%

100

15.0 pts

Communityinstalls, verify, response

15%

100

15.0 pts

Findings & checks · 0 flagged

Securityscore 100 · 0 findings

✓—All security checks passedNo findings in this category for the latest scan.pass

Supply chainscore 100 · 0 findings

✓—All supply chain checks passedNo findings in this category for the latest scan.pass

Maintenancescore 100 · 0 findings

✓—All maintenance checks passedNo findings in this category for the latest scan.pass

Transparencyscore 100 · 0 findings

✓—All transparency checks passedNo findings in this category for the latest scan.pass

Communityscore 100 · 0 findings

✓—All community checks passedNo findings in this category for the latest scan.pass

The primary manifest — the file an agent reads to learn what this artifact does.

pm-03-design/skills/ideation-hmw/SKILL.md · 1 file

pm-03-design/skills/ideation-hmw/SKILL.md13.4 KB · Markdown

name: ideation-hmw

description: 当需要基于问题陈述生成HMW创意时使用。HMW（How Might We）批量生成工具，根据问题陈述和用户研究数据，从6个维度系统化生成HMW陈述，并进行质量检查与评分。关键词：HMW、创意问题陈述、需求挖掘、产品洞察。

metadata:

module: "产品构思与设计"

sub-module: "创意发散与方案构思"

type: "pipeline"

version: "2.0"

interaction_mode: "ai_suggest_human_approve"

Pipeline 4：HMW批量生成

核心原则

问题比答案更重要——HMW的质量决定后续方案的质量，宽泛和预设方案的HMW是创意的毒药
六维度全覆盖——消除/降低/加速/增强/扩展/重定义六个维度必须全部覆盖，避免思维盲区
数据是HMW的锚点——每条HMW必须有用户研究数据支撑，无数据的HMW是空中楼阁
发散潜力可量化——HMW的发散潜力必须评分，高发散潜力的HMW优先进入SCAMPER

HMW（How Might We）是一种经典的创意启发工具，它将问题陈述转化为开放性的问题，激发多元化的解决方案。本Pipeline通过系统化的方法，从多个维度批量生成高质量的HMW陈述，为后续的方案构思奠定基础。

执行角色

🤖 AI自动执行

本Pipeline完全由AI自动执行，无需人工干预。AI将根据输入的问题陈述和用户研究数据，批量生成经过质量验证的HMW陈述。

交互模式

🤖→👤 AI建议人类审批

输入

输入项	类型	必填	来源	说明
Problem Statement	string	是	output/pm-design/requirements-understanding / 用户提供	清晰、具体地描述需要解决的问题，避免过于抽象或宽泛
User Research Data	JSON/object	是	output/pm-design/requirements-collection / 用户提供	包含至少一种类型的用户研究数据（访谈、问卷或行为数据），确保HMW生成有据可依

输入格式

{
  "problem_statement": "需要解决的核心问题描述",
  "user_research_data": {
    "interviews": [
      {
        "user_id": "用户标识",
        "quotes": ["用户原话引用"],
        "pain_points": ["痛点描述"],
        "context": "使用场景"
      }
    ],
    "surveys": [
      {
        "question": "调研问题",
        "responses": ["用户回答"],
        "insights": ["关键洞察"]
      }
    ],
    "behavior_data": {
      "metrics": "行为数据指标",
      "patterns": ["用户行为模式"]
    }
  }
}

执行步骤

Step 1：从6个维度生成HMW

AI需要从以下6个维度为每个核心问题生成HMW陈述：

#### 维度说明

消除障碍（Remove）

目标：移除导致问题产生的障碍因素
问题导向：如何消除阻碍用户达成目标的障碍？

降低门槛（Reduce）

目标：减少解决问题所需的努力、时间或复杂度
问题导向：如何降低用户完成任务的门槛？

加速达成（Accelerate）

目标：加快用户达成目标的效率
问题导向：如何帮助用户更快地实现目标？

增强感知（Amplify）

目标：增强用户对产品价值或功能的感知与理解
问题导向：如何让用户更好地感知和理解产品价值？

扩展场景（Expand）

目标：扩展产品的使用场景或用户群体
问题导向：如何将产品应用到更多的使用场景中？

重新定义（Rethink）

目标：从全新角度重新定义问题或解决方案
问题导向：如何从根本上重新思考这个问题？

#### 生成要求

每个维度至少生成2-3个HMW陈述
HMW陈述应该：
以"How might we"开头
足够具体以指导方案生成
足够开放以保留发散空间
直接关联用户研究数据中的洞察

#### 示例

问题：用户在使用移动应用时，经常在中途放弃完成订单

维度生成示例：

消除障碍：How might we eliminate the friction points that cause users to abandon checkout?
降低门槛：How might we reduce the number of steps required to complete a purchase?
加速达成：How might we speed up the payment process to match user expectations?
增强感知：How might we help users understand the value of completing their purchase?
扩展场景：How might we enable users to complete purchases in interrupted sessions?
重新定义：How might we reimagine checkout as an enjoyable experience rather than a barrier?

Step 2：HMW质量检查

对每个生成的HMW陈述进行质量检查，确保其符合以下标准：

#### 检查维度

是否过于宽泛

检查：HMW是否涵盖过多问题，导致无法指导具体方案
修复建议：缩小问题范围，聚焦单一痛点

是否预设方案

检查：HMW是否已经暗示了特定解决方案
修复建议：重新表述为更开放的问题形式

是否具体

检查：HMW是否足够具体，能够指导方案方向
修复建议：添加更多上下文或限制条件

是否有发散空间

检查：HMW是否保留了多种可能的解决路径
修复建议：移除过于具体的约束，扩展问题边界

#### 质量评估标准

每个HMW必须同时满足：

❌ 不是过于宽泛
❌ 不预设方案
✅ 足够具体
✅ 有发散空间

#### 质量检查结果

质量检查后，每条HMW将标记为：

"quality_check": "passed" - 通过所有检查
"quality_check": "failed" - 未通过，需要重新生成

Step 3：HMW评分

对通过质量检查的HMW陈述进行发散潜力评分：

#### 评分维度

发散潜力（Divergence Potential）：1-5分

评估标准：

1分：只能想到1-2种解决方案
2分：能想到2-3种相关解决方案
3分：能想到3-5种解决方案
4分：能想到5-8种多样化的解决方案
5分：能想到8种以上高度多样化的解决方案

#### 评分标准

发散潜力的高低取决于：

问题开放性：问题越开放，解决方案越多
维度多样性：可从多个角度切入解决问题
技术中立性：不绑定特定技术实现方式
用户价值：直接关联用户核心需求或痛点

输出

存储路径：output/pm-design/ideation-hmw/ 输出文件：hmw_questions.json

数据结构

{
  "hmw_statements": [
    {
      "id": "hmw_001",
      "statement": "How might we eliminate the friction points that cause users to abandon checkout?",
      "dimension": "remove",
      "source_problem": "用户在中途放弃完成订单",
      "source_data": {
        "type": "interview",
        "user_id": "user_001",
        "quote": "用户原话引用"
      },
      "divergence_potential": 4,
      "quality_check": "passed",
      "quality_issues": [],
      "related_dimensions": ["remove", "reduce"]
    }
  ]
}

输出字段说明

字段	类型	说明
id	string	HMW陈述唯一标识符
statement	string	HMW陈述文本
dimension	string	主要所属维度
source_problem	string	关联的核心问题
source_data	object	来源的用户研究数据
divergence_potential	integer	发散潜力评分（1-5）
quality_check	string	质量检查结果（passed/failed）
quality_issues	array	质量问题列表（若有）
related_dimensions	array	可能涉及的辅助维度

输出统计

{
  "summary": {
    "total_hmw": 36,
    "passed": 32,
    "failed": 4,
    "dimension_distribution": {
      "remove": 6,
      "reduce": 6,
      "accelerate": 6,
      "amplify": 6,
      "expand": 6,
      "rethink": 6
    },
    "average_divergence": 3.8,
    "high_potential_count": 18
  }
}

决策规则

通过条件

质量检查：所有HMW必须通过质量检查
维度覆盖：6个维度都必须有HMW覆盖
数据支撑：每条HMW必须有对应的用户研究数据支撑
评分完成：所有HMW都必须完成发散潜力评分

失败处理

#### 失败场景1：HMW未通过质量检查

处理流程：

识别未通过质量检查的HMW
分析质量问题类型
针对具体问题重新生成HMW
重新进行质量检查
重复直到所有HMW通过

#### 失败场景2：维度覆盖不全

处理流程：

检查6个维度的HMW数量
识别缺失或数量不足的维度
针对性为缺失维度生成更多HMW
确保每个维度至少6个HMW

#### 失败场景3：缺乏数据支撑

处理流程：

检查HMW是否关联到用户研究数据
若缺乏支撑，返回输入阶段补充用户研究数据
或者调整HMW表述，使其更紧密地关联现有数据

质量检查

检查项	标准	不达标处理
维度覆盖	6个维度都已覆盖	标注"维度缺失"，补充缺失维度的HMW陈述
维度HMW数量	每个维度至少6个HMW陈述	标注"数量不足"，针对不足维度补充生成HMW
数据支撑	每条HMW有用户研究数据支撑	标注"缺乏数据支撑"，关联现有数据或返回输入阶段补充
发散潜力评分	所有HMW已完成发散潜力评分	标注"评分缺失"，补充评分后重新排序
HMW宽泛性	没有过于宽泛的HMW	标注"过于宽泛"，缩小问题范围重新生成
HMW预设方案	没有预设方案的HMW	标注"预设方案"，重新表述为开放性问题形式
HMW具体性	所有HMW足够具体	标注"不够具体"，添加上下文或限制条件
HMW发散空间	所有HMW有发散空间	标注"发散不足"，移除过具体约束，扩展问题边界
唯一ID	所有HMW有唯一ID	标注"ID缺失"，补充唯一标识符
数据关联	所有HMW关联到source_data	标注"关联缺失"，补充source_data关联
输出格式	输出格式符合规范	标注"格式异常"，修正为标准输出格式
统计准确性	统计数据准确	标注"统计有误"，重新计算统计数据

降级策略

缺失的上游输入	降级方案	输出影响
Problem Statement缺失	用户描述问题，直接生成HMW	缺乏结构化Problem Statement，HMW可能不够聚焦
用户研究数据缺失	用户描述问题，直接生成HMW	缺乏用户研究数据支撑，HMW与用户需求可能偏差
Problem Statement+用户研究数据均缺失	用户描述问题，直接生成HMW	整体置信度降低，HMW可能过于宽泛
所有上游文件均缺失	提示用户先执行前序阶段，或基于用户口头描述直接生成HMW	输出仅为基本HMW列表

输出校验规则

字段路径	类型	必填	说明
hmw_statements	array	是	HMW陈述列表
hmw_statements[].id	string	是	HMW唯一标识
hmw_statements[].statement	string	是	HMW陈述文本
hmw_statements[].dimension	string	是	所属维度（remove/reduce/accelerate/amplify/expand/rethink）
hmw_statements[].source_problem	string	是	关联的核心问题
hmw_statements[].source_data	object	是	来源的用户研究数据
hmw_statements[].divergence_potential	integer	是	发散潜力评分（1-5）
hmw_statements[].quality_check	string	是	质量检查结果（passed/failed）
hmw_statements[].quality_issues	array	是	质量问题列表
hmw_statements[].related_dimensions	array	是	关联的其他维度
summary	object	是	统计摘要
summary.total_hmw	integer	是	HMW总数
summary.passed	integer	是	通过质量检查数
summary.failed	integer	是	未通过质量检查数

上游变更响应

上游变更影响

上游变更	影响范围	响应策略
Problem Statement变更	HMW陈述的聚焦方向	标注受影响的HMW，建议人类确认是否重新生成
用户研究数据更新	HMW的数据支撑、source_data关联	标注受影响的HMW，建议人类确认是否补充数据关联
需求理解结果变更	HMW关联的核心问题	标注受影响的source_problem，建议人类确认是否重新关联

下游通知机制

HMW变更类型	通知范围	通知方式
HMW陈述增删	ideation-scamper	标记HMW变更，触发SCAMPER方案重新生成
HMW维度覆盖变更	ideation-scamper	标记维度变更，触发SCAMPER维度覆盖检查
发散潜力评分变更	ideation-scamper	标记评分变更，触发HMW筛选排序更新

最佳实践

HMW生成技巧

从小问题开始：将大问题拆分为小的、可操作的问题
保持积极语气：用积极的语言表达问题，避免负面表述
聚焦用户目标：从用户角度出发，关注用户想要达成的目标
避免技术绑定：不预设技术实现方式，保持解决方案的多样性
平衡具体与开放：足够具体以指导方向，足够开放以保留创新空间

质量控制

迭代优化：初稿生成后进行多轮优化
交叉验证：用用户研究数据验证HMW的相关性
同行评审：建议人工复核AI生成的HMW质量
持续更新：根据方案生成效果反馈优化HMW生成策略

ideation-hmw— agent skill

Is ideation-hmw safe to install?

Pipeline 4：HMW批量生成

核心原则

执行角色

交互模式

输入

输入格式

执行步骤

Step 1：从6个维度生成HMW

Step 2：HMW质量检查

Step 3：HMW评分

输出

数据结构

输出字段说明

输出统计

决策规则

通过条件

失败处理

质量检查

降级策略

输出校验规则

上游变更响应

上游变更影响

下游通知机制

最佳实践

HMW生成技巧

质量控制

Audit the pieces. Scan the whole. Decide.