Is insight-5whys safe to install?

SaferSkills independently audited insight-5whys (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-01-discovery/skills/insight-5whys/SKILL.md · 1 file

pm-01-discovery/skills/insight-5whys/SKILL.md11.7 KB · Markdown

name: insight-5whys

description: 当需要对关键痛点或问题现象进行根因深挖时使用。5Whys结构化根因分析，通过逐层追问定位可行动的根因和改进点，支持多路径并行分析。关键词：5Whys、根因分析、因果链、痛点深挖、原因追溯。

metadata:

module: "产品探索与发现"

sub-module: "需求洞察"

type: "pipeline"

version: "2.0"

interaction_mode: "ai_suggest_human_approve"

5 Whys结构化根因分析

核心原则

现象驱动而非假设驱动——从可观测的问题现象出发，而非先入为主的假设；每层追问必须锚定上一层回答，禁止跳跃式推断
因果链可追溯——每一层追问必须有数据或逻辑支撑，拒绝无依据跳跃；evidence字段必须引用具体数据来源或逻辑推理过程
多路径探索——不只追踪最可能原因，当Top1与Top2置信度差距<0.15时，并行分析多条因果链，避免过早收敛到错误根因
终止即行动——追问的终点不是"为什么"，而是"做什么"；根因必须转化为可行动改进点，包含effort/impact/suggested_metrics

交互模式

🤖→👤 AI建议人类审批

输入

输入项	类型	必填	来源	说明
待分析的问题现象	JSON	是	output/pm-discovery/insight-jtbd/jtbd.json / 用户提供	待分析的问题现象描述，含痛点指标与趋势
痛点数据	JSON	○	output/pm-discovery/insight-5whys/5whys.json 上游	已有的5Whys分析结果（增量分析时使用）

Input JSON 示例结构

{
  "phenomenon": {
    "description": "用户在注册流程第3步大量放弃",
    "source": "jtbd.json - Functional Job: 快速完成表单填写",
    "metrics": {
      "drop_off_rate": 0.35,
      "affected_users": 1200,
      "trend": "近30天上升12%"
    }
  }
}

执行步骤

Round 1: 为什么会出现[现象]？

基于问题现象，生成原因假设列表Top3
按可能性从高到低排序
每个原因标注：
数据支撑度：是否有数据可验证该原因（high/medium/low）
置信度：0-1.0，基于数据支撑度和逻辑合理性
输出格式：

  {
    "round": 1,
    "question": "为什么用户在注册流程第3步大量放弃？",
    "answers": [
      {
        "answer": "第3步需要填写过多非必要信息",
        "likelihood_rank": 1,
        "evidence": "表单字段数12个，行业平均5个",
        "data_support": "high",
        "confidence": 0.85
      },
      {
        "answer": "第3步加载速度过慢",
        "likelihood_rank": 2,
        "evidence": "页面平均加载时间4.2秒",
        "data_support": "medium",
        "confidence": 0.6
      },
      {
        "answer": "用户在第3步遇到理解困难",
        "likelihood_rank": 3,
        "evidence": "客服咨询记录中3次提及",
        "data_support": "low",
        "confidence": 0.4
      }
    ]
  }

Round 2-N: 对上一轮原因追问为什么

主路径追踪：

取上一轮likelihood_rank=1的原因作为追问对象
生成子原因列表Top3
有数据可验证时，自动查询相关数据
重复追问直到满足终止条件

多路径分叉（当满足分叉条件时）：

当上一轮Top1与Top2置信度差距 < 0.15时，同时追踪两条因果链
每条路径独立追问，独立评估终止条件
输出中通过path_id区分不同路径

终止条件（满足任一即停止）

条件	说明
达到第5层	已进行5轮追问，更深层次推断可信度不足
原因已触及不可再分根因	如"系统架构限制"、"组织流程问题"、"法规要求"等不可再细化的原因
连续2层置信度 < 0.3	推断链可信度不足，需人类介入
已找到可行动改进点	根因已明确且可转化为具体行动，继续追问不再产生新价值

输出

输出文件：output/pm-discovery/insight-5whys/5whys.json

输出Schema：

{
  "type": "object",
  "required": ["analysis_metadata", "phenomenon", "chains", "root_cause", "actionable_fix"],
  "properties": {
    "analysis_metadata": {"type": "object", "description": "分析元数据，包含来源文件、分析时间戳和路径数"},
    "phenomenon": {"type": "object", "description": "待分析的问题现象描述及指标"},
    "chains": {"type": "array", "description": "因果链列表，支持多路径并行分析"},
    "root_cause": {"type": "string", "description": "定位到的根本原因"},
    "actionable_fix": {"type": "object", "description": "可行动的改进建议"},
    "needs_human_validation": {"type": "boolean", "description": "是否需要人工验证"},
    "validation_notes": {"type": "string", "description": "验证说明备注"}
  }
}

输出校验规则：

字段路径	类型	必填	说明
analysis_metadata	object	是	分析元信息
analysis_metadata.source_files	array	是	数据来源文件列表
analysis_metadata.total_paths	number	是	因果链路径数（≥1）
analysis_metadata.analysis_timestamp	string	是	分析时间戳(ISO8601)
phenomenon	object	是	待分析的问题现象
phenomenon.description	string	是	现象描述
phenomenon.metrics	object	否	量化指标
chains	array	是	因果链列表，长度≥1
chains[].path_id	string	是	路径标识（如"main"/"alt-1"）
chains[].round	number	是	追问轮次
chains[].question	string	是	追问问题
chains[].answer	string	是	回答内容
chains[].evidence	string	是	证据来源
chains[].confidence	number	是	置信度(0-1.0)
chains[].data_support	enum(high,medium,low)	是	数据支撑度
root_cause	string	是	根本原因，非空
actionable_fix	object	是	可行动改进建议
actionable_fix.description	string	是	改进建议描述
actionable_fix.effort	enum(low,medium,high)	是	实施难度
actionable_fix.impact	enum(low,medium,high)	是	预期影响
actionable_fix.suggested_metrics	array	是	建议追踪的指标
needs_human_validation	boolean	是	是否需人工验证
validation_notes	string	否	验证说明

Output JSON 格式

{
  "analysis_metadata": {
    "source_files": ["jtbd.json"],
    "total_paths": 1,
    "analysis_timestamp": "ISO8601"
  },
  "phenomenon": {
    "description": "用户在注册流程第3步大量放弃",
    "source": "jtbd.json",
    "metrics": {
      "drop_off_rate": 0.35,
      "affected_users": 1200
    }
  },
  "chains": [
    {
      "path_id": "main",
      "round": 1,
      "question": "为什么用户在注册流程第3步大量放弃？",
      "answer": "第3步需要填写过多非必要信息",
      "evidence": "表单字段数12个，行业平均5个",
      "confidence": 0.85,
      "data_support": "high"
    },
    {
      "path_id": "main",
      "round": 2,
      "question": "为什么第3步需要填写过多非必要信息？",
      "answer": "产品需求将所有字段设为必填，未区分必要与非必要",
      "evidence": "需求文档PRD-2024-031中所有字段标记为必填",
      "confidence": 0.8,
      "data_support": "high"
    },
    {
      "path_id": "main",
      "round": 3,
      "question": "为什么产品需求将所有字段设为必填？",
      "answer": "业务方希望一次性收集完整用户画像数据",
      "evidence": "业务方需求评审会议记录",
      "confidence": 0.7,
      "data_support": "medium"
    },
    {
      "path_id": "main",
      "round": 4,
      "question": "为什么业务方希望一次性收集完整数据？",
      "answer": "缺乏分阶段收集数据的策略，将注册流程当作唯一的数据收集窗口",
      "evidence": "推断：未发现渐进式数据收集的产品设计",
      "confidence": 0.5,
      "data_support": "low"
    }
  ],
  "root_cause": "缺乏分阶段收集数据的策略，将注册流程当作唯一的数据收集窗口，导致注册步骤过重",
  "actionable_fix": {
    "description": "实施渐进式数据收集策略，注册流程仅保留核心必填字段（3-5个），其余字段在后续使用中逐步收集",
    "effort": "medium",
    "impact": "high",
    "suggested_metrics": ["注册完成率提升", "第3步放弃率下降"]
  },
  "needs_human_validation": false,
  "validation_notes": "推断链置信度逐步降低但均在0.3以上，根因有数据支撑，可行动建议已给出"
}

决策规则

规则	条件	动作
连续低置信度终止	连续2层置信度 < 0.3	终止追问，标记needs_human_validation=true，升级人类验证
单层低置信度升级	某层置信度 0.3-0.7	标记该层需人类验证，继续追问但标注"推断链可信度降低"
置信度正常	某层置信度 ≥ 0.7	自动通过，继续追问
长推断链升级	推断链超过3步	升级验证中间环节，建议人类确认因果链的合理性
无数据支撑降级	某层原因无任何数据支撑	该层置信度上限设为0.5，标注"缺乏数据支撑"
多路径分叉	Top1和Top2原因置信度差距 < 0.15	分叉为两条因果链并行分析，通过path_id区分
根因冲突	多路径定位到不同根因	输出所有根因及对应改进建议，由人类判断优先解决哪个

质量检查

[ ] 因果链完整（从现象到根因逻辑连贯）
[ ] 根因有数据支撑（至少1条evidence）
[ ] 可行动建议已给出（actionable_fix非空，含effort/impact/suggested_metrics）
[ ] 每层置信度已标注
[ ] 每层数据支撑度已标注
[ ] 终止条件已明确记录
[ ] 低置信度环节已标记验证需求
[ ] 多路径场景下path_id已区分

降级策略

当上游文件不存在时，本Skill仍可独立执行：

缺失的上游输入	降级方案	输出影响
无强依赖	本Skill可独立运行，用户描述问题现象即可直接执行5Whys分析	无影响
jtbd.json（可选）	用户直接描述问题现象 → 执行5Whys，标注"缺乏JTBD数据关联"	chain起点缺乏Job关联，根因可能与用户任务脱节
所有上游文件均缺失	基于用户口头描述的问题现象直接执行5Whys根因分析	整体置信度降低，evidence依赖用户口述而非结构化数据

数据获取说明：

本Skill需要问题现象描述，请通过以下方式之一提供：

直接描述问题现象和已知数据
上传jtbd.json文件（可选）
提供数据文件路径

AI不负责外部数据采集，仅负责分析

上游变更响应

当上游输入发生变更时，本Skill的响应策略：

上游变更	影响范围	响应策略
jtbd.json中Job增删	因果链起点变化	标注受影响的chain条目，建议人类确认是否需要重新分析相关路径
jtbd.json中Functional Job优先级调整	Round1原因假设排序可能变化	标注"上游优先级已变更"，建议重新评估Round1的likelihood_rank
痛点指标数据更新	phenomenon.metrics变化	更新phenomenon字段，若指标趋势反转则建议重新评估根因

当本Skill自身变更时，对下游的通知机制：

变更类型	影响范围	通知方式
root_cause变更	insight-priority-scoring	标注痛点强度需重新评估
actionable_fix调整	insight-priority-scoring	标注可解决性维度需重新评分
新增因果链路径	insight-priority-scoring	标注新增路径的根因需纳入优先级评估

insight-5whys— agent skill

Is insight-5whys safe to install?

5 Whys结构化根因分析

核心原则

交互模式

输入

Input JSON 示例结构

执行步骤

Round 1: 为什么会出现[现象]？

Round 2-N: 对上一轮原因追问为什么

终止条件（满足任一即停止）

输出

Output JSON 格式

决策规则

质量检查

降级策略

上游变更响应

Audit the pieces. Scan the whole. Decide.