- name
- aha-point-generator
- description
- AhaPoint 生成专家。按 AhaPoints Protocol v1.0 标准，挖掘并生成独立的 aha point 报告（痛点🔴/妙点🟢/乐点🟡）。当用户说"生成 aha point"、"挖掘 XX 领域的点"、"按模板写报告"时使用此技能。
- metadata
AhaPoint 生成专家 (AhaPoint Generator)
版本: v1.0.0 协议: AhaPoints Protocol v1.0 (APS v1.0) 输出: 带确权元数据的独立 AhaPoint 报告
使用场景
用户在特定领域寻找和记录 aha moments 时使用：
- "帮我生成减肥领域的 aha points"
- "挖掘远程办公领域的痛点和妙点"
- "按 AhaPoints 模板写一份报告"
- "我想记录一个关于 XXX 的想法"
- "生成一个带 APS 确权的 aha point"
核心能力
1. 三类点识别
| 类型 | 符号 | 英文 | 识别特征 | 示例 |
|---|---|---|---|---|
| 痛点 | 🔴 | Pain Point | 抱怨、困扰、现有方案不够好 | "外卖想控制热量但不知道多少卡" |
| 妙点 | 🟢 | Innovation Point | 技术创新、巧妙方案、新可能 | "拍小票用 AI 自动估算热量" |
| 乐点 | 🟡 | Fun Point | 好玩、有趣、纯粹快乐 | "减肥失败者联盟社区" |
2. APS v1.0 确权元数据
每个 AhaPoint 报告包含完整的 APS v1.0 元数据块：
---
# APS v1.0 元数据
id: ap-{domain}-{YYYYMMDD}-{HHMMSS}-{random4}
type: PAIN | INNO | FUN
emoji: 🔴 | 🟢 | 🟡
timestamps:
created: "ISO 8601 + 时区"
published: "ISO 8601 + 时区"
updated: "ISO 8601 + 时区"
timezone: "Asia/Shanghai"
hash:
algorithm: "SHA-256"
content_hash: "64 位十六进制"
hash_created: "ISO 8601 + 时区"
author:
name: "作者名"
identifier: "唯一标识"
contact: "邮箱（可选）"
anonymity: false
version:
current: "1.0.0"
history:
- version: "1.0.0"
date: "ISO 8601"
changes: ["Initial release"]
relations:
supersedes: []
superseded_by: []
related_to: []
derived_from: []
inspired_by: []
domain: "领域/分类"
tags: ["标签 1", "标签 2"]
language: "zh-CN"
license: "CC-BY-4.0"
status: "draft | published | verified | archived"
---3. 知识图谱生成
自动生成 Mermaid 格式的知识图谱，展示点之间的关系：
graph TD
A[ap-diet-20260305-160000-p1a2<br/>🔴 痛点]
B[ap-diet-20260305-160500-i3n4<br/>🟢 妙点]
C[ap-diet-20260305-161000-f5u6<br/>🟡 乐点]
A -->|inspires| B
B -->|solves| A
A -->|related| C
style A fill:#ff6b6b,color:#fff
style B fill:#51cf66,color:#fff
style C fill:#fcc419,color:#000关系类型:
inspires: 启发关系solves: 解决关系related: 相关关系supersedes: 替代关系derived_from: 衍生关系inspired_by: 灵感来源comfort: 情感慰藉
4. 信息挖掘策略
痛点挖掘:
- 搜索
[领域] + 抱怨/吐槽/烦/难/问题 - 查看社交媒体、论坛、评论区的真实抱怨
- 识别高频出现的问题
妙点挖掘:
- 搜索
[领域] + 创新/新方案/黑科技/AI - 查看科技新闻、产品发布、技术博客
- 识别技术驱动的新可能
乐点挖掘:
- 搜索
[领域] + 好玩/有趣/社区/活动 - 查看社群、游戏化产品、娱乐内容
- 识别纯粹带来快乐的点
标准模板（7 部分）
严格按 AhaPoints Protocol v1.0 的模板：
# [标题]
## 1. 点类型
[✓] 痛点 (Pain Point) 🔴
[ ] 妙点 (Innovative Point) 🟢
[ ] 乐点 (Fun Point) 🟡
## 2. 一句话描述
> 用一句话说清楚这个点是什么。（20 字以内）
## 3. 场景故事
**谁** 在 **什么情况下** 遇到了 **什么问题/发现了什么**？
200-500 字，包含具体人物、时间、地点、情境
## 4. 为什么重要
- [ ] 影响很多人
- [ ] 频繁发生
- [ ] 现有方案不够好
- [ ] 其他：_______
2-3 句话解释，可包含数据支撑
## 5. 潜在方案方向
不需要完整方案，给个方向就行。
可包含技术路径、商业模式、实施步骤
## 6. 验证方法
- [ ] 访谈 10 个有同样问题的人
- [ ] 做个简单的 Demo 试试
- [ ] 搜一下有没有人在做
- [ ] 其他：_______
1-3 个可立即执行的验证步骤
## 7. 元数据
| 字段 | 内容 |
|------|------|
| **作者** | [名字/昵称] |
| **发现时间** | YYYY-MM-DD |
| **发布/更新时间** | YYYY-MM-DD HH:MM |
| **领域/分类** | 如：减肥、教育、办公... |
| **相关链接** | [可选] |
| **状态** | [✓] 刚发现 [ ] 验证中 [ ] 已验证 [ ] 已放弃 |
## 知识图谱关系
[Mermaid 图谱代码]
---
## 优先权声明
本报告生成时间戳为优先权证明。
APS v1.0 ID: `[id]`
内容哈希：见元数据块输出模式
模式 A: 单点深度生成（默认）
聚焦 1 个点，深入调研，完整 APS v1.0 元数据。
适用场景:
- 有明确想探索的具体问题
- 需要高质量、可确权的报告
- 准备认真验证和跟进
示例:
"帮我深入分析一下外卖热量估算这个问题"
"生成一个关于远程办公的痛点"模式 B: 多点批量生成（--batch）
某领域生成 3-5 个点，快速探索。
适用场景:
- 刚进入新领域，想快速了解
- 头脑风暴，寻找方向
- 积累点子库
示例:
"挖掘减肥领域的 5 个 aha points"
"生成远程办公领域的痛点 + 妙点 + 乐点各一个"模式 C: 用户输入转标准（--format）
用户提供零散想法，整理成标准 APS v1.0 格式。
适用场景:
- 已有洞察，需要规范化
- 快速记录，避免遗忘
- 团队协作，统一格式
示例:
"把这个转成 AhaPoint：
我每次点外卖都不知道多少热量，太难了"工作流程
阶段 1: 确认需求
- 问用户想探索哪个领域/主题
- 确认要生成哪种类型的点（痛点/妙点/乐点/混合）
- 确认输出模式（单点/批量/格式化）
- 确认作者信息（用于 APS 元数据）
阶段 2: 网络调研（Browser 模式）
# 痛点搜索
browser.navigate("https://www.google.com/search?q=[领域]+ 抱怨 OR 吐槽 OR 烦")
browser.snapshot() → 提取抱怨内容
# 妙点搜索
browser.navigate("https://www.google.com/search?q=[领域]+ 创新 OR 新方案 OR AI")
browser.snapshot() → 提取创新方案
# 深度抓取
browser.navigate(高质量链接)
browser.snapshot() → 提取详细内容阶段 3: 结构化输出
- 识别点的类型（🔴/🟢/🟡）
- 生成 APS v1.0 元数据块
- 生成唯一 ID: ap-{domain}-{YYYYMMDD}-{HHMMSS}-{random4} - 记录时间戳（ISO 8601 + 时区） - 计算 SHA-256 哈希 - 填写作者信息 - 初始化版本和关系
- 填充 7 部分模板
- 生成 Mermaid 知识图谱
- 生成文件名：
YYYYMMDD-HHMM-[类型]-[标题].md - 保存到
ahapoints-protocol/points/目录
阶段 4: 注册表更新
- 读取
ahapoints-protocol/registry/index.json - 添加新点元数据
- 更新
total_points和generated_at - 写回注册表
阶段 5: 可选深化
- 用户可选择某个点继续深入
- 补充更多调研数据
- 完善验证方法
- 更新版本历史
文件结构
ahapoints-protocol/
├── AHAPOINTS-PROTOCOL-v1.0.md # APS v1.0 协议文档
├── README.md # 使用说明
├── points/ # AhaPoint 报告
│ ├── 20260305-1600-PAIN-打工人外卖热量盲区.md
│ ├── 20260305-1605-INNO-AI 拍小票估算热量.md
│ └── 20260305-1610-FUN-外卖热量吐槽大会.md
├── graphs/ # 知识图谱
│ └── diet-cluster-20260305.md
└── registry/ # 注册表
└── index.json输出示例
文件名
20260305-1600-PAIN-打工人外卖热量盲区.md
20260305-1605-INNO-AI 拍小票估算热量.md
20260305-1610-FUN-外卖热量吐槽大会.md完整报告
见 ahapoints-protocol/points/ 目录中的示例文件。
APS v1.0 合规检查
生成每个 AhaPoint 时，必须通过以下检查：
- [ ]
id符合ap-{domain}-{YYYYMMDD}-{HHMMSS}-{random4}格式 - [ ]
timestamps.created存在且为 ISO 8601 格式 - [ ]
author.name或author.identifier存在 - [ ]
version.current符合语义化版本 (X.Y.Z) - [ ]
hash.algorithm为 "SHA-256" - [ ]
hash.content_hash为 64 位十六进制字符串 - [ ]
relations对象包含所有 5 个字段 - [ ] 文件命名符合
YYYYMMDD-HHMM-[TYPE]-[Title].md - [ ] 元数据块与正文用
---分隔 - [ ] 包含 Mermaid 知识图谱
与 painpoint-discovery 的区别
| 维度 | painpoint-discovery | aha-point-generator |
|---|---|---|
| 输出 | 综合分析报告 | 独立 AhaPoint 报告 |
| 格式 | 自定义结构 | AhaPoints Protocol v1.0 |
| 类型 | 仅痛点 | 痛点 + 妙点 + 乐点 |
| 确权 | 无 | APS v1.0 完整元数据 |
| 图谱 | 无 | Mermaid 知识图谱 |
| 用途 | 创业方向调研 | 点子记录 + 优先权确权 |
| 文件 | 1 份综合报告 | 多个独立报告 |
选择建议:
- 想快速了解某领域 →
painpoint-discovery - 想记录具体洞察并确权 →
aha-point-generator - 两者可以配合使用
最佳实践
✅ 好的 AhaPoint
- 具体场景: 有明确的人物、时间、地点
- 真实问题: 来自真实抱怨，不是臆想
- 可验证: 验证方法可立即执行
- 清晰简洁: 一句话描述 20 字以内
- 完整元数据: APS v1.0 所有字段齐全
❌ 避免
- 泛泛而谈："XX 领域很大"
- 伪需求："用户想要更好的体验"
- 不可验证："需要市场调研"
- 过于复杂：模板填不完
- 元数据缺失：缺少哈希、时间戳等
快速命令
# 生成单点深度报告
"帮我生成一个关于 [XXX] 的 aha point"
# 批量生成某领域
"挖掘 [领域] 的 3 个 aha points"
# 指定类型
"帮我找一个 [领域] 的痛点🔴/妙点🟢/乐点🟡"
# 格式化已有想法
"把这个想法转成 AhaPoint 格式：[用户输入]"
# 生成带图谱的完整报告
"按 APS v1.0 标准生成一个关于 XXX 的 aha point"依赖
- 必需:
browser工具（用于网络调研） - 必需:
ahapoints-protocol目录（用于存储输出） - 必需: AhaPoints Protocol v1.0 模板参考
- 可选: Git（用于版本控制和增强确权）
版本历史
v1.0.0 (2026-03-05)
- 完整实现 APS v1.0 确权标准
- 支持三类点生成（🔴/🟢/🟡）
- 内置完整元数据（ID/时间戳/哈希/作者/版本/关系）
- 自动生成 Mermaid 知识图谱
- 自动保存到
ahapoints-protocol/points/ - 自动更新注册表
registry/index.json - 三种输出模式（单点/批量/格式化）
- Browser 工作流（无需 API）