Assumption Mapper logo

Assumption Mapper

CommunityPopular
mohitagw15856
assumption-mapper

Extrae y clasifica por riesgo las suposiciones ocultas en un brief de producto o PRD. Úsalo cuando se te pida revisar un brief de producto en busca de suposiciones, auditar un PRD por riesgos, encontrar suposiciones ocultas, validar planes de producto, o ejecutar un análisis de suposiciones. Produce un mapa de suposiciones priorizado con puntuaciones de confianza e impacto, métodos de validación recomendados, y banderas de suposición crítica.

Overview

Publishermohitagw15856
Repositorypm-claude-skills
Skill nameassumption-mapper
Stars
1.4K
Forks
257
Bundled files
Instructions only
LicenseMIT
Links
  • Markdown instructions

    A SKILL.md file the model loads on demand, so it only costs tokens when a request actually matches.

  • Works with any LLM

    AI skills are plain Markdown, not provider-specific code, so this works with GPT, Claude, Gemini, Grok, or a local model.

  • Self-contained

    Everything the model needs lives in the instructions — no extra files to sync.

  • Open source

    Published by mohitagw15856 on GitHub. Read the source before you install it.

Installation

Install the Assumption Mapper AI skill in TypingMind to use it with any LLM, or drop it into another agent that reads SKILL.md.

1

Install in TypingMind

TypingMind installs a skill straight from its GitHub folder — it reads SKILL.md, bundles the resource files, and stores the result locally.

  1. Open the app and go to Plugins → Skills.
  2. Choose "Install from GitHub".
  3. Paste the skill folder URL below and confirm.
    https://github.com/mohitagw15856/pm-claude-skills/tree/main/i18n/es/skills/assumption-mapper
  4. Enable the skill in any chat where you want it available.
Plugins → Skills → Add skill → From GitHub URL, then paste the folder URL and press Continue.
2

Install in another agent

Any agent that reads the Agent Skills format can use this skill — copy the folder into that agent's skills directory.

Claude Code — .claude/skills
git clone --depth 1 https://github.com/mohitagw15856/pm-claude-skills.git /tmp/pm-claude-skills
mkdir -p .claude/skills
cp -r /tmp/pm-claude-skills/i18n/es/skills/assumption-mapper .claude/skills/assumption-mapper
Restart Claude Code after copying so it picks up the new skill.

Use it in TypingMind

Enable Assumption Mapper in any TypingMind chat and the model takes it from there. Its name and description sit in the system prompt, and the moment a request matches, the model loads the full instructions itself — you never invoke it by hand, and it costs no tokens until it is actually used.

The model loads Assumption Mapper on its own as soon as a request matches it.

Works with any AI model

AI skills are plain Markdown instructions rather than provider-specific code, so Assumption Mapper is not tied to the model it was written for. Install it once in TypingMind and use it with GPT-5, Claude, Gemini, Grok, DeepSeek, Mistral, Llama, or a local model you run yourself — all on your own API keys.

  • Loaded only when it is needed

    The system prompt carries just the name and description. The instructions are fetched on the first matching request, so an idle skill costs nothing.

  • Switch models mid-chat

    Because the skill is instructions rather than code, changing model does not break it — the next model reads the same SKILL.md.

Skill instructions

This is the SKILL.md content the model loads. Read it before installing — a skill is instructions your model will follow.

Skill Assumption Mapper

Identifica y prioriza las suposiciones no comprobadas incrustadas en cualquier plan de producto antes de que comience el desarrollo.

Inputs Requeridos

Trabaja a partir de lo que se proporciona. Si alguno de estos falta, produce igual la salida completa: rellena cada brecha con una suposición razonable marcada (asumido, confirmar) e incluye esas suposiciones al final. Haz una pregunta solo cuando el tema central en sí mismo falte (no hay nada sobre lo que escribir).

  • Brief de producto, PRD, o descripción de concepto (incluso notas ásperas funcionan)
  • Etapa (concepto / descubrimiento / pre-construcción / post-lanzamiento — afecta qué suposiciones importan más)

Dónde se sitúa esto — el punto de entrada de la columna vertebral

Este es el frente de la columna vertebral de decisiones de producto: assumption-mapper → /prd-template → /rice-prioritisation → /roadmap-narrative. Toma una idea o brief en bruto y pasa a la siguiente skill una cosa: la suposición más riesgosa, y si sobrevivió una prueba barata. Los términos compartidos (suposición, de carga, confianza, procedencia) se definen una vez en docs/craft/product-decisions.md — consúltalo en lugar de redefinirlos. Escribir un PRD sobre una suposición de carga no comprobada es el fracaso que esta skill existe para prevenir, así que ejecútalo antes de /prd-template, no después.

El bucle

Cuatro fases. La fase 3 es la skill; el resto la alimentan. Cada una termina en un criterio de completitud — no avances hasta que se cumpla.

  1. Identifica en los cuatro lentes. Extrae suposiciones en Deseabilidad (¿quieren los usuarios esto?), Viabilidad técnica (¿podemos construirlo?), Viabilidad comercial (¿el negocio lo sostendrá?), Usabilidad (¿pueden los usuarios realmente usarlo?). Las suposiciones peligrosas son las que son tan obvias que nadie las escribió. Listo cuando: al menos una suposición por lente, y releer el brief en busca de el lente más vacío no saca nada nuevo.
  2. Califica solo en los dos ejes. Para cada una: de carga (1–5, ¿colapsa el plan si es falsa?) y confianza (1–5, ¿qué tan seguro estamos de que es verdadera?). Prioridad = de carga − confianza. Etiqueta la procedencia de cada hecho ([datos]/[intuición]). Listo cuando: cada suposición tiene ambas puntuaciones y una etiqueta de procedencia, y la de mayor prioridad es genuinamente la más aterradora — no la más fácil de probar.
  3. Encuentra y presiona la más riesgosa. La suposición de máxima prioridad (de carga alta × confianza baja) es la que puede hundir todo el plan. Nombra la prueba más barata que podría refutarla antes de que se escriba una línea de código (consulta la referencia divulgada de cheap-tests para el menú). Listo cuando: la suposición más riesgosa se nombra, con una prueba que podría ejecutarse esta semana y un "cómo se ve un fracaso" claro.
  4. Traspasa. Produce el mapa clasificado, y declara explícitamente qué suposición /prd-template debe tratar como validada-o-abierta. Una suposición más riesgosa sin resolver se convierte en una Pregunta Abierta en el PRD, no en una apuesta silenciosa. Listo cuando: la skill descendente podría comenzar a partir de esta salida sin volver a preguntar cuál es la apuesta arriesgada.

Estructura de Salida

Mapa de Suposiciones: [Nombre de Característica/Producto]

SuposiciónCategoríaConfianzaImpactoPrioridadMétodo de Validación
[suposición][tipo][1-5][1-5][puntuación][método]
Suposiciones Críticas (Impacto 4+ y Confianza 2 o inferior)

[Elementos marcados con recomendaciones de validación detalladas]

Top 3 Suposiciones para Validar Primero

[Recomendaciones detalladas incluyendo método de investigación específico, esfuerzo estimado, y qué cambiaría el resultado]

Ejemplo (Parcial)

Input: "Estamos construyendo un flujo de onboarding de autoservicio para reducir el tiempo para valor en clientes SMB."

SuposiciónCategoríaConfianzaImpactoPrioridadMétodo de Validación
Los usuarios SMB pueden completar onboarding sin ayuda humanaUsabilidad253Prueba de usabilidad no moderada (n=8)
El onboarding más rápido se correlaciona con retención más altaViabilidad comercial341Análisis de cohorte de tiempos de onboarding actuales vs. retención a 90 días
El onboarding actual es la razón principal del tiempo lento para valorDeseabilidad242Entrevistas con usuarios de cuentas SMB que se fueron recientemente

Anti-Patrones

  • No solo identifiques suposiciones de deseabilidad — las suposiciones de viabilidad técnica y viabilidad comercial son igualmente propensas a matar un producto y a menudo se pasan por alto
  • No asignes alta confianza a una suposición solo porque no ha sido cuestionada — la ausencia de evidencia no es evidencia
  • No recomiendes "entrevistas con usuarios" como el método de validación para cada suposición — algunas suposiciones requieren datos cuantitativos, análisis competitivo, o pruebas técnicas
  • No listes suposiciones que no puedan ser probadas — cada suposición en el mapa debe tener un método de validación plausible, o debe ser marcada como incognoscible y tratada como riesgo

Materiales Más Profundos

Esta skill viene con archivos de soporte — úsalos cuando estén disponibles:

  • references/cheap-tests.md — El Catálogo de Pruebas Baratas: Calibrando el Tamaño Correcto de la Validación. Aplícalo mientras produces la salida; lleva los ajustes de calibración y las llamadas de juicio que el resumen del método anterior comprime.
  • templates/assumption-board.md — una versión para rellenar del entregable con los gates de calidad incluidos. Ofrécelo cuando el usuario quiera trabajar el documento ellos mismos en lugar de tenerlo generado.

Rúbrica de Puntuación (0–40)

Puntúa cualquier salida de esta skill antes de entregarla; 32+ es calidad lista.

Dimensión0510
Cobertura de categoríasSolo deseabilidad — faltan las suposiciones de viabilidad técnica y comercial más propensas a matar el planTres categorías pobladas, pero la vacía no fue re-explorada desde el brief; la cobertura es simbólica (una fila genérica)Las cuatro categorías pobladas con filas sustanciales, con excavación visible en cualquier categoría que el brief mismo descuidó
Disciplina de puntuaciónNúmeros de confianza/impacto arbitrarios o faltantes; aritmética de prioridad inconsistente; sin banderas críticasPuntuaciones presentes y Prioridad = Impacto − Confianza se sostiene, pero la confianza está inflada para suposiciones sin cuestionar y banderas críticas aplicadas selectivamentePuntuaciones defendibles (sin cuestionar ≠ confianza alta), aritmética consistente incluyendo prioridades negativas dejadas visibles, y la bandera CRÍTICA aplicada mecánicamente en Impacto 4+ / Confianza ≤2 — incluso a suposiciones que al equipo le gustan
Ajuste del método de validación"Entrevistas con usuarios" (o "investiga") pegado en cada filaLos métodos varían pero varios no coinciden con el tipo de suposición, les falta tamaño de muestra, o no tienen precioCada método coincide con la suposición (auditoría de datos, backtesting, fake door, desk check, spike…) con tamaño de muestra y esfuerzo; suposiciones no comprobables marcadas incognoscibles y convertidas a riesgos asumidos, no dadas pruebas falsas
Palanca de decisiónLista Top 3 ausente, o pruebas cuyo resultado no cambiaría nadaTop 3 nombradas con esfuerzo, pero "qué cambia el resultado" es vago o las pruebas validan suposiciones cómodas sobre las peligrosasTop 3 son las suposiciones comprobables de máxima prioridad, cada una con esfuerzo, un umbral pre-comprometido cuando sea relevante, y una decisión concreta que el resultado cambiaría

Quality Checks

  • Al menos una suposición por categoría (Deseabilidad, Viabilidad técnica, Viabilidad comercial, Usabilidad)
  • Todas las suposiciones de Impacto 4+ / Confianza 2− marcadas como CRÍTICAS
  • Cada método de validación es específico (no solo "investiga" — nombra el método y tamaño de muestra)
  • Las puntuaciones de prioridad son consistentes (Impacto − Confianza, mayor = más urgente)

Frases Gatillo de Ejemplo

  • "Revisa un brief de producto en busca de suposiciones."
  • "Audita un PRD por riesgos."
  • "Encuentra suposiciones ocultas."
  • "Valida planes de producto."
  • "Ejecuta un análisis de suposiciones."

Frequently asked questions

What does the Assumption Mapper AI skill do?

Extrae y clasifica por riesgo las suposiciones ocultas en un brief de producto o PRD. Úsalo cuando se te pida revisar un brief de producto en busca de suposiciones, auditar un PRD por riesgos, encontrar suposiciones ocultas, validar planes de producto, o ejecutar un análisis de suposiciones. Produce un mapa de suposiciones priorizado con puntuaciones de confianza e impacto, métodos de validación recomendados, y banderas de suposición crítica.

Why use Assumption Mapper on TypingMind?

Because you install it once and use it with any model. Assumption Mapper is plain Markdown rather than provider-specific code, so the same skill runs on GPT-5, Claude, Gemini, Grok, or a local model — and you can switch model mid-chat without it breaking. TypingMind runs on your own API keys, so you pay providers directly instead of a per-seat subscription, and your skills and chats stay in your own storage.

How do I install Assumption Mapper in TypingMind?

Open Plugins → Skills → Install from GitHub in TypingMind and paste https://github.com/mohitagw15856/pm-claude-skills/tree/main/i18n/es/skills/assumption-mapper. TypingMind reads its SKILL.md and installs it as a skill you can enable per chat.

Which AI models can use Assumption Mapper?

Any model you connect in TypingMind. AI skills are plain Markdown instructions rather than provider-specific code, so GPT, Claude, Gemini, Grok, and local models can all load this skill when a request matches it.

How many AI models can I use with Assumption Mapper?

As many as you like. As long as a model supports skills, you can use Assumption Mapper with it — GPT, Claude, Gemini, Grok, DeepSeek, Mistral, Llama and more — all on TypingMind with your own API keys.

Is the Assumption Mapper AI skill free?

Yes. It is published on GitHub by mohitagw15856 under the MIT license. You only pay your own AI provider for the tokens you use.

What are AI skills?

An AI skill is a reusable instruction bundle that teaches an AI model how to do one specific task. It follows the open Agent Skills format: a SKILL.md file with a name and description, plus any scripts, templates or reference files the model may need. The model reads the instructions only when your request matches the skill, so an installed skill costs nothing until it is used.

How are AI skills different from plugins or MCP servers?

A plugin or MCP server gives a model new tools to call — code that runs somewhere and returns a result. An AI skill gives the model knowledge and process instead: how to approach a task, which steps to follow, what good output looks like. Skills are plain Markdown, so they need no server, no API key and no runtime, and they work with any model.

View all

Set up your own AI workspace now

Get notified about new features and future giveaways by subscribing to our newsletter 👇