用途：当用户要求创建 OST、梳理机会或映射结果到机会、解决方案与实验时，生成机会解决方案树（基于 Teresa Torres 的 Continuous Discovery Habits）。它把期望结果与可驱动该结果的客户机会、对应解决方案及验证假设的实验连接起来，使团队思路可见，并确保每个解决方案都能追溯到真实客户需求并对应具体实验。
主要能力：读取产品上下文（如 .chalk/docs/product/0_product_profile.md、研究综合、JTBD 画布及既有 OST）；定义可衡量的期望结果（指标而非功能或交付物）；分层映射机会空间（3-5 个一级机会领域，每领域 2-4 个具体机会，必要时三级），标注置信度（高/中/低）与来源；为每个叶子机会生成 2-3 个解决方案；为每个解决方案识别最大风险假设并设计一个实验（原型测试、假门、问卷、数据分析、礼宾测试、绿野仙踪、A/B 测试等），给出成功标准与工作量（S/M/L）；渲染 Mermaid 树图；确定下一个文件编号并写入 .chalk/docs/product/<n>ost<outcome_slug>.md；最后确认并指出高置信度机会及应优先运行的实验。
使用方式：由用户提出创建 OST 或映射机会的请求触发，技能按工作流读取上下文、解析参数、生成树并保存文件。输出为纯 Markdown，无 YAML frontmatter，首行为标题，第二行为更新时间。
适用场景：产品发现、持续发现实践、团队对齐结果与机会、规划假设验证实验。
限制：若缺少研究资料，OST 只能基于假设并需验证；避免直接跳到解决方案、单分支树、无实验的解决方案、把输出当结果、把机会写成解决方案、全部低置信度且无验证计划、忽略已有研究、实验成本过高等反模式。具体收费、平台支持等信息暂未提供。