Problem Mapper

v2.0.0

[何时使用]当用户需要系统化定义问题、设定成功标准、识别风险时;当用户说"帮我分析这个问题"时;当面临重大决策/战略模糊/复杂情境时;当需要将模糊问题转化为清晰行动时;支持两种模式(多轮对话/问题瀑布)

0· 142·1 current·1 all-time

Install

OpenClaw Prompt Flow

Install with OpenClaw

Best for remote or guided setup. Copy the exact prompt, then paste it into OpenClaw for lj22503/problem-mapper.

Previewing Install & Setup.
Prompt PreviewInstall & Setup
Install the skill "Problem Mapper" (lj22503/problem-mapper) from ClawHub.
Skill page: https://clawhub.ai/lj22503/problem-mapper
Keep the work scoped to this skill only.
After install, inspect the skill metadata and help me finish setup.
Use only the metadata you can verify from ClawHub; do not invent missing requirements.
Ask before making any broader environment changes.

Command Line

CLI Commands

Use the direct CLI path if you want to install manually and keep every step visible.

OpenClaw CLI

Bare skill slug

openclaw skills install problem-mapper

ClawHub CLI

Package manager switcher

npx clawhub@latest install problem-mapper
Security Scan
Capability signals
CryptoCan make purchases
These labels describe what authority the skill may exercise. They are separate from suspicious or malicious moderation verdicts.
VirusTotalVirusTotal
Benign
View report →
OpenClawOpenClaw
Benign
high confidence
Purpose & Capability
Name, description, examples and templates all describe structured problem diagnosis and decision framing; the skill requires no binaries, credentials or config paths—nothing requested is disproportionate to the stated purpose.
Instruction Scope
SKILL.md is a comprehensive set of templates and prompts guiding either a one-shot 'waterfall' report or multi-turn guided dialogue. The instructions do not ask the agent to read or exfiltrate unrelated system files or environment variables. It includes features to 'export Markdown' and references Read/Write/Bash allowed-tools (for saving/exporting reports); consider that Bash access could be used to run shell commands if the agent is granted that tool at runtime, though the skill's texts themselves do not require arbitrary shell access.
Install Mechanism
No install spec and no code files — instruction-only — so nothing is downloaded or written by an installer.
Credentials
The skill requests no environment variables, no credentials, and no config path access. All templates and references are local to the skill bundle and consistent with its function.
Persistence & Privilege
Registry flags are default (always:false, agent invocation allowed). SKILL.md contains a 'self_improvement: true' metadata field which is ambiguous in practice for an instruction-only skill; there is no install-time behavior that persists or escalates privileges. If the platform allows autonomous tool use, combined with allowed-tools (Bash/Read/Write), that grants the agent ability to write/export files — expected for exporting reports but worth reviewing in your agent's runtime policy.
Assessment
This skill appears coherent and self-contained: it only provides templates and prompt instructions for structured problem analysis and requests no secrets or installs. Before enabling it, consider two practical precautions: (1) confirm whether your agent runtime will grant it Bash/Write permissions — if you don't need file export, disallow Bash/Write to reduce risk; (2) avoid entering highly sensitive personal or corporate secrets into the interactive sessions (career offers, financial account details, proprietary IP), since the skill will produce and may write reports. The ambiguous 'self_improvement: true' flag in the SKILL.md is likely informational; if you need higher assurance, ask the publisher how that flag is used or run the skill in a restricted environment first.

Like a lobster shell, security has layers — review code before you run it.

analysisvk9791agqt0gg5n660qdx38h4q984z5mcdecisionvk9791agqt0gg5n660qdx38h4q984z5mcframeworkvk9791agqt0gg5n660qdx38h4q984z5mclatestvk9791agqt0gg5n660qdx38h4q984z5mcproblemvk9791agqt0gg5n660qdx38h4q984z5mc
142downloads
0stars
3versions
Updated 1w ago
v2.0.0
MIT-0

Problem-Mapper 问题图谱 🗺️

基于「系统思考」+「教练式引导」的问题诊断框架

版本: v1.0.0
最后更新: 2026-03-30


📋 功能描述

帮助用户系统化定义问题、设定成功标准、识别风险,将模糊问题转化为清晰行动计划。

🎯 双模式支持(v2.0 新增):

💬 多轮对话模式(适合深度思考)

  • AI 逐步引导,四阶段框架
  • 适合重大决策、需要启发的场景
  • 可中途调整方向,灵活深入

🌊 问题瀑布模式(适合快速分析)

  • 一次性生成完整问题地图
  • 包含:问题淬炼→定义→成功标准→挑战评估→方案生成
  • 适合快速输出、团队分享、直接可用

核心升级:

  • ✅ 四阶段框架(问题淬炼→问题定义→成功标准→挑战评估→方案生成)
  • ✅ 五大澄清问题(证据/视角/联系/猜想/相关)
  • ✅ 风险地图(用户/竞争/技术合规三维度)
  • ✅ MVP 验证计划(分步推进 + 量化指标)

适用场景:

  • 重大决策前(投资/职业/战略)
  • 战略模糊时(方向不清晰)
  • 复杂问题(多因素交织)
  • 产品规划(从 0 到 1 设计)
  • 面试准备(系统分析目标公司)

边界条件:

  • 不替代专业咨询(复杂问题需配合专家)
  • 不替代执行(输出是计划,不是结果)
  • 需配合具体情境调整

版本升级: v1.0.0 → v2.0.0(新增双模式支持)


🎯 核心架构

四阶段框架

【阶段 0:问题淬炼】→ 这是真问题吗?
        ↓
【阶段 1:问题定义】→ 边界/范围/利益相关方
        ↓
【阶段 2:成功标准】→ 定性描述 + 量化 KPI
        ↓
【阶段 3:挑战评估】→ 风险地图 + 优先级
        ↓
【阶段 4:方案生成】→ 方案方向 + MVP 验证计划

🔄 使用流程

默认模式:🌊 问题瀑布模式

用户输入

@ant 使用 problem-mapper 分析这个问题...

AI 响应(瀑布模式 + 切换引导):

好的!我会使用**问题瀑布模式**一次性生成完整问题地图。

如果你需要深度思考和 AI 引导,可以回复"切换到对话模式"。

---

# Problem-Mapper 问题图谱 🗺️

**分析对象**: [用户问题]
**模式**: 问题瀑布模式(默认)

[直接输出完整分析报告,约 3000-5000 字]

---

**💡 提示**:
- 如需 AI 逐步引导,回复"切换到对话模式"
- 如需深入探讨某个阶段,回复"深入阶段 X"

可选模式:💬 多轮对话模式

用户输入

@ant 使用 problem-mapper 对话模式分析这个问题...

或

切换到对话模式

AI 响应

好的!切换到**多轮对话模式**。

我会按照四阶段框架逐步引导你。

【阶段 0:问题淬炼】
这是真问题吗?让我先问 5 个澄清问题...

1. 证据:...

请回答第一个问题...

模式对比

特性🌊 瀑布模式(默认)💬 对话模式
交互方式一次性生成AI 逐步引导
适合场景快速分析、团队分享深度思考、需要启发
输出时长1-2 分钟5-10 分钟
输出格式完整框架直接可用对话历史→报告
灵活性中(固定框架)高(可中途调整)

如何选择

  • 默认用瀑布模式(快速出结果)
  • 需要深度思考 → 切换到对话模式

阶段 0:问题淬炼(这是真问题吗?)

目标: 澄清和深化初始问题,避免解决"假问题"

五大澄清问题:

问题目的示例
(证据)具体现象/趋势作为例证"当您提到'本质变化'时,是否有具体的现象或趋势作为例证?"
(视角)明确审视视角"您更希望从哪个视角来审视?用户/行业/时间视角?"
(联系)定位核心价值链条"价值链的哪个环节正在受到最根本的冲击?"
(猜想)重新定义"获胜关键""AI 是否正在重新定义行业的获胜关键?"
(相关)明确最终目的"探讨这个问题的最终目的是什么?"

输出: 淬炼后的核心问题(聚焦和升维)

示例:

原始问题:"财富管理行业在 AI 加持下,有本质变化的是什么?"

淬炼后:"在 AI 技术驱动下,财富管理行业的核心矛盾将如何演化?
一家金融科技公司应如何为普通投资者重构产品与服务,
以在'关系与信任'这一根本基础上建立新的护城河?"

阶段 1:问题定义(画个清晰的像)

目标: 用结构化方式定义问题的边界与要素

结构化陈述:

【背景】当前情境/趋势
【挑战/机遇】核心矛盾/机会点
【核心任务】需要完成的关键任务
【关键利益相关方】
  - 用户:...
  - 我们:...
  - 竞争者:...
  - 生态伙伴:...
【边界与范围】
  - 聚焦:...
  - 时间范围:...
  - 不深入讨论:...

输出: 问题定义报告


阶段 2:成功标准(描绘胜利的画面)

目标: 明确"成功"的定性和量化标准

定性描述(胜利画面):

当用户...时,他们会如何描述自己的感受?
产品解决了他们哪些最深切的痛点?

关键指标(KPIs):

维度指标示例
用户价值用户认知评分提升、平均持有周期延长、盈利用户占比
商业价值AUM、付费转化率、用户生命周期总价值(LTV)
行业影响NPS、被行业报告引用次数

输出: 成功标准报告


阶段 3:挑战评估(识别路障)

目标: 系统识别通往"胜利画面"路上的主要障碍

三维度风险评估:

维度具体挑战可能的风险/后果
用户与市场层面信任建立的悖论、行为改变的惰性、期望管理失控AI 功能无人敢用、产品沦为摆设、品牌声誉受损
竞争与商业层面策略趋同化、数据与算力壁垒、商业化平衡同质化竞争、马太效应、信任损害
技术与合规层面合规性与有用性权衡、系统复杂性、评估体系缺失AI 输出保守、迭代变慢、失去方向

优先级排序:

  • 🔴 P0:必须攻克的核心挑战(1-2 个)
  • 🟡 P1:重要但可延后的挑战
  • 🟢 P2:次要挑战

输出: 风险地图 + 优先级排序


阶段 4:方案生成(构思杠杆解)

目标: 构思能够同时撬动多个挑战的方案

方案方向表:

目标挑战方案方向具体产品构思预期如何破解关联挑战
信任建立A1. 透明度革命"AI 解读日志":展示推理关键要素→破行为惰性:用户理解"为什么"才更可能执行
A2. 共情优先市场暴跌日首先推送"今天市场让人心慌..."→建立深度信任:用户感觉被理解
行为改变B1. 游戏化行为设计"投资行为养成器":拆解为小任务→积累信任:用户通过微小成功获得正反馈
B2. 降低改变门槛"AI 调仓助手":一键执行复杂决策→直接攻克惰性:填平"知道"和"做到"的鸿沟
策略趋同C1. 生态位聚焦深度服务"焦虑的进阶者"→建立信任:垂直深度服务远超泛泛而谈
C2. 构建数据飞轮"个性化信号系统":基于用户交互优化→终极护城河:用户越用,系统越懂他

MVP 验证计划:

第一步(1-2 个月):[具体行动],验证 [指标](目标:X%)
第二步(3-4 个月):[具体行动],验证 [指标](目标:X%)
第三步(6 个月后):[具体行动],验证 [指标](目标:X%)

输出: 方案方向表 + MVP 验证计划


⚠️ 常见错误

错误 1:跳过问题淬炼,直接找答案

问题:
• 解决的是"假问题",浪费资源
• 没有澄清问题的本质,方案偏离目标

解决:
✓ 先执行阶段 0:问题淬炼
✓ 用五大澄清问题深化问题
✓ 确保解决的是"真问题"

错误 2:问题定义模糊,边界不清

问题:
• 利益相关方不明确,方案难以落地
• 边界不清,范围蔓延

解决:
✓ 用结构化陈述定义问题
✓ 明确"聚焦什么"和"不深入讨论什么"
✓ 列出所有关键利益相关方

错误 3:成功标准只有定性,没有量化

问题:
• 无法衡量是否成功
• 方案迭代失去方向

解决:
✓ 定性描述 + 量化 KPI 结合
✓ 用户价值/商业价值/行业影响三维度
✓ 每个 KPI 都有目标值

错误 4:挑战评估不全面,遗漏关键风险

问题:
• 实施过程中遇到意外障碍
• 方案无法落地

解决:
✓ 三维度风险评估(用户/竞争/技术合规)
✓ 优先级排序(P0/P1/P2)
✓ 提前制定应对预案

错误 5:方案生成贪多求全,没有 MVP 思维

问题:
• 方案太复杂,难以快速验证
• 资源分散,效果不佳

解决:
✓ 分步推进(第一步/第二步/第三步)
✓ 每步都有验证指标和目标值
✓ 先做 MVP,验证后再扩展

🧪 使用示例

示例 1:蚂蚁投顾面试准备

默认(瀑布模式)

@ant 使用 problem-mapper 分析蚂蚁投顾面临的 4 个核心问题:
1. 产品货架化,难以跟基金线形成差异
2. 用户旅程断裂,新客户找不到切入点
3. 与基金销售割裂,痛点用户被漏掉
4. AI 应用浅层,未形成差异化

AI 响应(瀑布模式 + 切换引导):

好的!我会使用**问题瀑布模式**一次性生成完整问题地图。

如果你需要深度思考和 AI 引导,可以回复"切换到对话模式"。

---

# Problem-Mapper 问题图谱 🗺️

**分析对象**: 蚂蚁投顾 4 个核心问题
**模式**: 问题瀑布模式(默认)

[输出完整问题地图,约 4000 字]

---

**💡 提示**:
- 如需 AI 逐步引导,回复"切换到对话模式"
- 如需深入探讨某个阶段,回复"深入阶段 X"

切换到对话模式

切换到对话模式

AI 响应

好的!切换到**多轮对话模式**。

我会按照四阶段框架逐步引导你。

【阶段 0:问题淬炼】
这是真问题吗?让我先问 5 个澄清问题...

1. 证据:您提到的"产品货架化",具体表现是什么?

请回答...

详见: content/interviews/ant-interview-problem-mapper.md


示例 2:职业转型决策

默认(瀑布模式)

@ant 使用 problem-mapper 帮我分析是否应该从大厂跳槽到创业公司

【情境】
我在大厂工作 5 年,稳定但成长慢。
有创业公司 offer,风险高但成长快。

AI 响应

好的!我会使用**问题瀑布模式**一次性生成完整分析框架。

如需深度思考,回复"切换到对话模式"。

---

# Problem-Mapper 问题图谱 🗺️

[输出完整职业决策分析,约 3500 字]

---

**💡 提示**:如需 AI 逐步引导,回复"切换到对话模式"

示例 3:产品从 0 到 1 设计

默认(瀑布模式)

@ant 使用 problem-mapper 帮我设计一个基金投顾产品

【情境】
我们正在规划基金投顾产品,目标提升用户留存和 AUM。

AI 响应

好的!我会使用**问题瀑布模式**生成完整产品规划框架。

如需团队讨论或深入思考,回复"切换到对话模式"。

---

# Problem-Mapper 问题图谱 🗺️

[输出完整产品规划,约 4500 字]

---

**💡 提示**:如需 AI 逐步引导,回复"切换到对话模式"

🔗 相关资源(渐进式披露)

  • references/five-clarifying-questions.md - 五大澄清问题详解
  • references/risk-mapping.md - 三维度风险评估指南
  • references/mvp-validation.md - MVP 验证计划模板
  • examples/case-study.md - 实战案例分析(蚂蚁投顾/职业转型/产品设计)
  • templates/problem-map-template.md - 问题地图模板

🔧 故障排查

问题检查项
问题定义模糊用五大澄清问题深化了吗?结构化陈述完整吗?
成功标准不清晰有定性描述吗?有量化 KPI 吗?有目标值吗?
挑战评估不全面三维度都覆盖了吗?优先级排序了吗?
方案难以落地有 MVP 验证计划吗?分步推进了吗?
不触发description 是否包含触发词?

📊 版本历史

版本日期更新内容
v1.0.02026-03-30初始版本(四阶段框架 + 五大澄清问题 + 三维度风险评估)

💡 核心洞察

关于"回路":

  • 负向循环:问题模糊 → 方案偏离 → 资源浪费 → 更模糊
  • 正向循环:问题清晰 → 方案聚焦 → 快速验证 → 更清晰

关于"层级":

  • 事件层:表面问题("产品货架化")
  • 模式层:问题背后的模式("策略货架 vs 用户场景")
  • 结构层:系统结构("基金销售 vs 投顾利益冲突")
  • 心智层:用户根本期望("安全感/成长感/掌控感")

关键心智突破点:

  • 从"功能思维"到"关系思维"
  • 从"一刀切"到"分层适配"
  • 从"结果导向"到"过程陪伴"
  • 从"技术驱动"到"行为设计驱动"

问题图谱不是寻找答案,而是澄清问题。问题清晰了,答案往往自然浮现。

Comments

Loading comments...