insight-validation

加载上下文

首次使用时： 读取 ../../CLAUDE.md 获取场景级配置（验证标准/置信度分级/使用限制）。

---

/insight-validation — 洞察验证

Examples

→ 示例：用户说"业务说降价能提升销量，但我算了下利润会下降，帮我验证一下"，系统应调用本技能，执行价格弹性分析和利润敏感性验证。

→ 示例：用户说"之前给的那个成本优化建议被业务挑战了，帮我补充更多数据支撑"，系统应调用本技能，补充数据验证和敏感性分析。

→ 示例：用户说"供应商涨价的真正原因是什么，帮我从公开信息和市场数据验证"，系统应调用本技能，执行外部数据交叉验证。

第一步：获取待验证洞察

洞察清单：

□ 待验证洞察数量：[X] 条
□ 来源报告：[报告名称/日期]

□ 洞察列表：
| # | 洞察标题 | 洞察描述 | 类型 | 原置信度 |
|---|---------|---------|------|---------|
| 1 | [标题] | [描述] | [模式/异常/机会] | [高/中/低] |
| 2 | [标题] | [描述] | [模式/异常/机会] | [高/中/低] |

---

第二步：数据准确性验证

数据来源核实：

□ 洞察 1 数据核实：
  → 引用数据点：[X]
  → 数据来源：[系统/报告名称]
  → 数据时间：[YYYY-MM-DD]
  → 数据核实结果：[✅ 确认 / ⚠️ 存疑 / 🔴 错误]
  → 核实说明：[描述]

□ 洞察 2 数据核实：
  → ...

计算准确性检验：

□ 洞察 1 计算验证：
  → 引用计算：[描述，如"YoY = (本期 - 上期) / 上期 × 100%"]
  → 原计算值：[X]%
  → 重新计算值：[X]%
  → 计算准确性：[✅ 正确 / 🔴 错误，差异 [X]%]
  → 修正后数值：[X]%（如错误）

数据时效性检查：

□ 洞察数据时效性：
  → 数据最新时间：[YYYY-MM-DD]
  → 距今时长：[X] 天
  → 时效性评估：[✅ 有效（<[X]天）/ ⚠️ 需更新（>[X]天）]

---

第三步：逻辑合理性验证

逻辑推演检验：

□ 洞察 1 逻辑检验：
  → 结论推导逻辑：[描述]
  → 逻辑链完整性：[✅ 完整 / ⚠️ 部分缺失 / 🔴 逻辑错误]
  → 关键假设：[列出]
  → 假设检验：[✅ 成立 / ⚠️ 存疑 / 🔴 不成立]
  → 逻辑漏洞：[描述（如有）]

□ 洞察 1 因果 vs 相关检验：
  → 是否混淆相关性与因果性：[是/否]
  → 说明：[因果关系成立/仅相关/无法判断]

跨洞察一致性检验：

□ 洞察间一致性：
  → 洞察 1 与洞察 2 是否存在矛盾：[✅ 一致 / ⚠️ 部分矛盾]
  → 说明：[描述]

□ 与已知事实的一致性：
  → 洞察是否符合已知的业务事实：[✅ 符合 / 🔴 矛盾]
  → 说明：[描述]

---

第四步：业务可操作性评估

可操作性评级：

□ 可操作性维度：
  → 明确性：行动建议是否清晰 [1-5 分]
  → 可执行性：建议在现有资源下是否可执行 [1-5 分]
  → 可衡量性：执行效果是否可量化追踪 [1-5 分]
  → 时效性：执行时机是否恰当 [1-5 分]

□ 综合可操作性评分：[X]/5
  → 4.0-5.0：[✅ 强可操作] — 可直接转化为行动
  → 3.0-3.9：[⚠️ 中等可操作] — 需细化后执行
  → < 3.0：[🔴 弱可操作] — 建议重塑或搁置

执行障碍分析：

□ 洞察 1 执行障碍：
  → 资源障碍：[有/无] — [描述]
  → 组织障碍：[有/无] — [描述，如跨部门协调]
  → 技术障碍：[有/无] — [描述]
  → 优先级障碍：[有/无] — [描述]
  → 综合评估：[✅ 可执行 / ⚠️ 需解决 X 个障碍 / 🔴 存在重大障碍]

---

第五步：置信度重新评估

综合置信度评估：

□ 置信度调整因素：
  → 数据准确性：[提升/不变/降低]
  → 逻辑合理性：[提升/不变/降低]
  → 可操作性：[提升/不变/降低]
  → 样本量/覆盖度：[提升/不变/降低]

□ 置信度最终定级：
  → 初始置信度：[高/中/低]
  → 调整后置信度：[高/中/低]
  → 调整原因：[描述]