{"repo":"norahe0304-art/30x-mckinsey-research-deck","free":true,"listed":false,"github":"https://github.com/norahe0304-art/30x-mckinsey-research-deck","clone":"git clone https://github.com/norahe0304-art/30x-mckinsey-research-deck.git","description":"McKinsey-grade market research decks for Claude Code — adversarially verified numbers, 15 McKinsey methodologies as executable workflow, multi-agent pipeline. 一条指令产出敢被挑战的麦肯锡级市场研究 deck。","language":"Python","stars":28,"topics":["agent-skills","ai-agents","claude-code","claude-skills","consulting","deck","market-research","mckinsey","multi-agent","presentation"],"license":"MIT","category":"ai-agents","readme_excerpt":"30x-mckinsey-research-deck 一条指令，产出一份敢被挑战的麦肯锡级市场研究 deck。 这是一个 Claude Code Skill （安装进 Claude Code 会话里用，不是独立运行的 CLI 工具）——不需要单独的 API key，研究和 deck 生成全部发生在 Claude Code 会话内部（复用会话自带的模型访问），不是你在终端里单独调用的脚本。内置 adversarially verified numbers、15 套麦肯锡方法论的可执行工作流、多 agent pipeline。 安装 装完在 Claude Code 里说一句： 包内两个 skill： - mckinsey-market-research-deck — 完整研究生产线：联网研究 → Day-1 假设 → ghost deck 故事线 → 渲染 → 多 agent 对抗验证 → QC → HTML + PDF - mckinsey-deck — 轻量排版版（只要 deck 不要研究），持有唯一渲染引擎 deck engine.py --- 它产出什么 一份 HTML 翻页演示 + 印刷级 PDF，包含： 部分 内容 --- --- §0 The Answer 金字塔原理执行摘要：一句话答案 + 3–4 根支柱结论，30 秒电梯测试 §1 市场 规模、增速、与重新定义这个品类的结构性转变 §2 竞争格局 Good/Better/Best 阶梯 + 逐玩家画像 + 能力热力图 §3 产品/模块 每个子品类一页：竞品价格阶梯 + 有据可查的痛点 + 主体的产品线 §4 痛点 用户原话级证据，每条都标注来源 §5 机会 痛点 → 产品方向，按可防御性排序 §6 方案 定位、定价、产品线， 加三页决策页 （自底向上市场规模 / 单位经济 / 商业案例），最后是论点页 源注册表 每个 URL 编号、可点击、与正文逐一对应 内部实测 run（internal test run，非可下载的公开案例文件）： - Figmint （Target 厨具自有品牌，实物商品原型）：44 SKU 产品线决策，175 个源 - Swall （开源 agent 管理平台，OSS 原型）：26 页 launch 决策，38 个源，3 年 SOM 算出来只有 $0.78M—— 它没有为了好看而撒谎，结论是\"阶段性下注 + 第 12 个月 kill gate\" 为什么它和 AI 做 PPT 工具不一样 市面上的 AI deck 工具生成的是\"好看的话题标签页\"。这条生产线生成的是 敢被挑战的论证文档 ，靠四套互相咬合的质量系统： 1. 真方法论，不是贴标签 - Day-1 假设 ：研究开始前先写下答案草稿，让研究去证伪它——假设被推翻时，deck 会公开承认（Swall 那份的 §0 第一句话就是\"我们的初始假设错了一半\"） - Ghost deck / dot-dash 故事线 ：先写纯标题大纲，跑横向逻辑测试——只读标题必须连成一篇有说服力的短文（SCQA 弧线），不合格的页面在排版前就砍掉 - MECE、80/20、电梯测试 ：全部是带检查项的硬规则，不是装饰词 2. 对抗性验证（最值钱的部分） 三页决策页不是模型一口气写完的。流水线是： 分析师 agent 出页（每行算式可查）→ 怀疑论 EM agent 重新推导每个数字 ——查重复计算、查单位混淆、专杀过于乐观的转化率/毛利/回本期。Swall 那次，验证者把团队渗透率从 40% 砍到 25%、star 转化率从 ","default_branch":null,"files":null,"tree":[],"storefront":"/r/norahe0304-art","claimed":false,"request_supported":{"post":"https://gitbuyer.com/r/norahe0304-art/30x-mckinsey-research-deck/request-supported","requests":0},"note":"indexed from public GitHub; nothing is for sale on this page. Clone it from GitHub. Paid listings live at /search."}