用途：产品发现是在构建之前和构建过程中持续学习该做什么的实践，目标是降低风险。该技能覆盖 Jobs-to-be-Done（JTBD）、机会解决方案树、假设映射、实验设计与原型测试，让智能体具备像资深产品经理或产品三人组那样开展严谨发现工作的判断力。
触发场景：用户询问如何应用 JTBD 或开展 JTBD 访谈；想构建或评审机会解决方案树；需要映射、分类或排序假设；正在设计实验、A/B 测试或验证研究；想运行或评估原型测试（概念、可用性或价值）；询问如何综合定性与定量发现数据；需要建立发现节奏或双轨工作流；在多个产品押注或方案方向之间做选择。不适用于纯交付执行（冲刺规划、故事编写、速度）以及增长黑客或营销实验。
核心概念：JTBD 把客户行为视为雇佣产品完成一项工作，标准句式是“当[情境]，我想要[动机]，以便[预期结果]”，工作分功能、情感、社会三层。机会解决方案树以期望结果为根，向下是机会、方案与假设实验，根必须是结果指标而非方案。假设分四类：合意性、可行性、商业可行性、可用性，按风险与决策接近度排序。实验层级从假设审计、二手研究、客户访谈、问卷、烟雾测试、绿野仙踪、原型测试、礼宾式 MVP、技术探针到 A/B 测试。
常见任务：开展 JTBD 访谈（招募近期行为者、时间线重建、挖掘挣扎、结果与焦虑、收尾）；构建机会解决方案树（从结果开始、从访谈数据生成机会、聚类命名、选择焦点机会、头脑风暴方案、映射假设、为每个高风险假设设计实验）；映射并排序假设（确定性×风险矩阵，写出可证伪陈述）；设计验证实验（按假设类型匹配实验，需含假设、方法、样本量、成功标准与终止阈值）；运行原型测试（按测试内容选择保真度，采用出声思维协议）；综合发现洞察（观察—模式—洞察—含义）；建立团队发现节奏。
限制与注意事项：避免大爆炸式发现、方案优先的 OST、验证表演、过度拟合单一客户、过早高保真、跳过可行性等反模式。通过自有应用招募受访者会产生选择偏差；工作坊中构建的 OST 常把方案伪装成机会；烟雾测试衡量点击意图而非付费或实际使用；高保真原型用于流程测试会锚定视觉设计；实验后再定义终止阈值属于合理化。首次激活时运行 ls ~/.claude/skills/ ~/.agent/skills/ ~/.agents/skills/ .claude/skills/ .agent/skills/ .agents/skills/ 2>/dev/null 检查配套技能，缺失时可用 npx skills add AbsolutelySkilled/AbsolutelySkilled --skill <name> 安装。