planning-north-star — independently scanned and version-tracked by SaferSkills.
SaferSkills independently audited planning-north-star (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.
Findings & checks · 0 flagged
Every scanned point with the score it earned and what moved between them.
First recorded scan — no prior version to compare against.
The primary manifest — the file an agent reads to learn what this artifact does.
👤→🤖 人类执行AI辅助
| 输入项 | 类型 | 必填 | 来源 | 说明 |
|---|---|---|---|---|
| 用户价值数据 | JSON | 是 | user-research-user-modeling / user-research-voice-analysis | 探索阶段用户价值数据 |
| BMC商业模式画布 | JSON | 是 | output/pm-strategy/business-model-canvas/bmc.json | 价值主张、收入来源 |
| 业务现状数据 | JSON | ○ | 用户提供 | 当前业务指标、用户规模 |
基于输入数据生成3-5个北极星指标候选：
对每个候选指标按4个维度进行1-5分评分：
| 维度 | 评分标准 |
|---|---|
| 与核心价值关系 | 5分=直接衡量用户价值实现 3分=间接关联 1分=无关联 |
| 与商业成功相关性 | 5分=与收入/增长强相关 3分=弱相关 1分=无关 |
| 可操作性 | 5分=团队可直接影响 3分=部分影响 1分=无法影响 |
| 可衡量性 | 5分=数据定义清晰+自动采集 3分=需人工采集 1分=无法采集 |
综合得分 = 0.3×价值关系 + 0.3×商业相关 + 0.2×可操作性 + 0.2×可衡量性
为推荐指标定义3个关键输入变量（驱动因素）：
存储路径：output/pm-strategy/planning-north-star/
输出文件：north_star.json
| 字段路径 | 类型 | 必填 | 说明 |
|---|---|---|---|
| north_star_metric.recommended.metric_name | string | 是 | 推荐北极星指标名称 |
| north_star_metric.recommended.definition | string | 是 | 指标定义和计算公式 |
| north_star_metric.recommended.relationship_to_value | string | 是 | 与用户价值的关系说明 |
| north_star_metric.recommended.relationship_to_business | string | 是 | 与商业成功的关系说明 |
| north_star_metric.recommended.measurement.data_source | string | 是 | 数据来源 |
| north_star_metric.recommended.measurement.calculation | string | 是 | 计算公式 |
| north_star_metric.recommended.measurement.frequency | string | 是 | 更新频率 |
| north_star_metric.alternatives | array | 是 | 至少2个备选指标 |
| north_star_metric.alternatives[].fit_score | number | 是 | 备选指标适配评分0-1 |
| north_star_metric.analysis_summary.recommendation_rationale | string | 是 | 推荐理由 |
north_star_metric:
recommended:
metric_name: "Weekly Active Users (WAU)"
definition: "过去7天内至少访问1次的独立用户数"
relationship_to_value: "衡量用户持续使用产品的频率，反映产品为用户提供的持续价值"
relationship_to_business: "与广告收入和付费转化高度相关，是增长引擎的关键指标"
actionability: "高-可通过产品优化、内容运营、推送策略提升"
measurement:
data_source: "用户行为日志"
calculation: "COUNT(DISTINCT user_id WHERE last_active <= 7 days)"
frequency: "每日更新"
owner: "增长团队"
alternatives:
- metric_name: "Daily Active Users (DAU)"
pros: "实时性强，响应快"
cons: "波动大，稳定性差"
fit_score: 0.75
- metric_name: "Monthly Active Users (MAU)"
pros: "稳定性好，反映长期用户基础"
cons: "响应慢，难以及时发现问题"
fit_score: 0.70
- metric_name: "User Engagement Score"
pros: "综合反映用户参与度"
cons: "定义主观，难以标准化"
fit_score: 0.65
analysis_summary:
recommendation_rationale: "WAU平衡了实时性和稳定性，与用户价值和产品商业成功都有强关联，且团队有明确的提升路径"
implementation_notes: "需要建立用户ID体系和7天活跃计算逻辑，建议与DAU并行监测"
warning: "注意区分新用户和老用户的活跃模式差异"AI应该提供以下分析支撑：
1. 人类发起需求
2. AI分析并推荐指标候选
3. 人类评估候选指标
4. AI提供详细分析支撑
5. 人类讨论并选择
6. AI记录决策和理由
7. 人类确认最终指标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 |
|---|---|---|
| 用户价值数据（voice-analysis / persona） | 用户提供产品描述 → 推荐北极星候选 | 缺乏用户价值数据，指标与用户价值关联度可能偏弱 |
| bmc.json | 用户提供产品描述 → 推荐北极星候选 | 缺乏BMC数据，指标与商业模型关联度可能偏弱 |
| 用户价值数据 + bmc.json | 用户提供产品描述 → 推荐北极星候选 | 整体置信度降低，指标缺乏价值-商业双锚定 |
| 所有上游文件均缺失 | 提示用户先执行前序阶段，或基于用户提供的产品描述推荐北极星候选 | 整体置信度显著降低，推荐仅为行业通用参考 |
| 业务现状数据（用户提供） | 若用户未提供业务现状数据，提示用户提供或跳过该输入相关步骤 | 缺乏基线数据，无法评估指标现状 |
本Skill需要用户价值数据和BMC数据，请通过以下方式之一提供：
| 上游变更 | 影响范围 | 响应策略 |
|---|---|---|
| bmc.json价值主张变更 | 候选指标与价值主张的关联需重新评估 | 重新执行Step 1-2，更新候选指标和评分 |
| bmc.json收入模式变更 | 指标与商业成功相关性 | 重新评分商业相关维度 |
| persona/voice-analysis用户价值更新 | 候选指标池和用户价值关联 | 重新执行Step 1，更新候选指标 |
| 变更类型 | 影响范围 | 通知方式 |
|---|---|---|
| 北极星指标变更 | planning-okr、planning-roadmap | 输出文件版本号+变更摘要 |
| 输入变量定义变更 | planning-okr | 输出文件版本号+变更摘要 |
| 候选指标评分变更 | planning-okr | 输出文件版本号+变更摘要 |
~30 seconds. Free. No account. Every finding cites a rule and a line of evidence.