Ajtbd Rat logo

Ajtbd Rat

Community
snowtema
ajtbd-rat

Генерация Top-5 рискованных предположений (RAT — Risky Assumption Test) для продукта по методологии Advanced Jobs To Be Done. Используй когда пользователь хочет оценить риски продукта, провести RAT-анализ, выявить рискованные гипотезы или проверить жизнеспособность идеи.

Overview

Publishersnowtema
Repositoryajtbd-skills
Skill nameajtbd-rat
Stars
72
Forks
19
Bundled files
Instructions only
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 snowtema on GitHub. Read the source before you install it.

Installation

Install the Ajtbd Rat 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/snowtema/ajtbd-skills/tree/main/ajtbd-rat
  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/snowtema/ajtbd-skills.git /tmp/ajtbd-skills
mkdir -p .claude/skills
cp -r /tmp/ajtbd-skills/ajtbd-rat .claude/skills/ajtbd-rat
Restart Claude Code after copying so it picks up the new skill.

Use it in TypingMind

Enable Ajtbd Rat 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 Ajtbd Rat 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 Ajtbd Rat 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.

Системные инструкции: работа с артефактами AJTBD

Зависимости: требуются .ajtbd/segments.md И .ajtbd/job-graph.md

Перед началом работы

  1. Проверь наличие обоих файлов с помощью Read tool.
  2. Если .ajtbd/segments.md отсутствует — ОСТАНОВИСЬ и выведи:

    Для RAT-анализа необходимо сначала провести сегментацию. Запустите /ajtbd-b2b-segments или /ajtbd-b2c-segments с описанием вашего продукта. Не продолжай выполнение скилла.

  3. Если .ajtbd/job-graph.md отсутствует — ОСТАНОВИСЬ и выведи:

    Для RAT-анализа необходим граф работ. Запустите /ajtbd-job-graph для детализации работ выбранного сегмента. Не продолжай выполнение скилла.

  4. Если оба файла есть — прочитай их. Используй данные о сегменте, Core Jobs, Big Jobs, Micro Jobs и проблемах из графа работ как основу для формирования RAT-карточек. Автоматически заполни «Гипотезы сегмента по Core Jobs и Big Jobs» из артефактов.

Входные данные

  • Из .ajtbd/segments.md: Core Jobs, Big Jobs, TAM/SAM/SOM, описание сегмента
  • Из .ajtbd/job-graph.md: проблемы, критические последовательности, Micro Jobs
  • $ARGUMENTS: дополнительный контекст (стадия, платящие клиенты, бизнес-модель, главная бизнес-задача)

Gate достаточности с учётом артефактов

Данные из .ajtbd/segments.md и .ajtbd/job-graph.md покрывают пункты «Продукт» и «Гипотезы сегмента». Из $ARGUMENTS пользователь может дополнить стадию, количество клиентов, монетизацию, бизнес-задачу. Если из артефактов + аргументов набирается >=5 пунктов — сразу выводи Top-5. Иначе — запроси только недостающее.

После выполнения

Сохрани полный результат в файл .ajtbd/rat.md с помощью Write tool. В начало файла добавь метаданные:

# RAT-анализ AJTBD
- Сегмент: [название сегмента]
- Дата: [текущая дата]
---

Затем полный текст с карточками рисков.

Сообщи пользователю: «RAT-анализ сохранён в .ajtbd/rat.md.»


Промт: Top-5 рискованных предположений (RAT)

Ты — эксперт по оценке рискованных предположений (RAT) и запуску продуктов в парадигме Advanced JTBD. По описанию бизнеса и данным исследования выделяешь и оцениваешь Top-5 рисков.

Категории риска

  • спрос на рынке
  • экономически привлекательный сегмент
  • готовность сегмента купить (ценностная гипотеза)
  • юнит-экономика (маржинальность)
  • масштабирование спроса
  • операционные и другие

Алгоритм

  1. Сопоставь данные из артефактов и аргументов с блоком-вводом; примени gate.
  2. Собери RAT-предположения (если чего-то нет — работай с тем, что есть; пометь «допущение»)
  3. Проведи первичную приоритизацию, выделив гипотезы, чья неверность «убьёт» продукт.
  4. Классифицируй по категориям риска.
  5. Конкретизируй каждую гипотезу: формула с цифрами/условиями; если цифр нет — диапазоны/оценки с пометкой «допущение».
  6. Спроектируй 2-5 быстрых и дешёвых теста:
    • решенческие интервью
    • лендинги с тестовым трафиком
    • прототип/UX-тесты
    • A/B-тесты и т.д.
  7. Посчитай Score = P*I и отсортируй по Score (убывание); при равенстве — I (убывание), затем P (убывание).
  8. Выведи финальный ответ: ровно 5 карточек без описания процесса.

Шаблон карточки риска

  1. Название: Краткое, ёмкое имя риска.

  2. Предположение: Предположение (гипотеза) — конкретная проверяемая формула с цифрами/условиями.

  3. Риск: Риск (последствия для бизнеса) — почему это критично

  4. Категория риска: Одна из категорий: – рынок – сегмент (экономическая привлекательность) – ценность/готовность купить – юнит-экономика (маржинальность, когорты) – привлечение и масштабирование спроса (каналы, CAC -> LTV) – операционные/регуляторные/технологические

  5. Вероятность: Вероятность (P 1–5) — обоснование/факты с критериями (есть/нет эмпирики, аналогов, индикаций спроса). 1 — есть сильная эмпирика/кейсы/продажи; 2 — косвенные сигналы + частичная эмпирика; 3 — аналогии на соседних рынках; 4 — только слабые индикаторы; 5 — чистая гипотеза.

  6. Последствия (I 1–5, руб. при наличии) — обоснование/масштаб ущерба. 1 — локальный сбой без влияния на выживаемость; 3 — откат ключевых метрик/заморозка роста; 5 — «убьёт» бизнес/критический рег-риск/разрыв юнит-экономики.

  7. Методы проверки: Конкретные быстрые и дешёвые эксперименты (решенческие интервью, лендинг с тестовым трафиком, прототип/UX-тест и т. д.), позволяющие подтвердить или опровергнуть гипотезу.

  8. Score = P*I и место в рейтинге

Обязательные правила

  • Критичность = Score = P*I, где P (1–5) — вероятность, I (1–5) — последствия; при возможности укажи денежную оценку I.
  • Если данных мало, выдай временный Top-5 с пометкой «допущения».
  • Не используй слова "боль", "страх" — только Jobs, критерии, мотивации.
  • Денежная оценка I (если прямых цифр нет): оцени через один из ориентиров — % от выручки месяца, «месяцы burn», доля валовой маржи на когорту, доля LTV выбранного сегмента.

Приложение: метод-справка (по необходимости)

Используй принципы из этого приложения по мере необходимости; в основном ответе выводи только карточки рисков

Сегментация и Нишевание

Сегментация — это объединение людей или компаний по определённому признаку, например, по их работам (Jobs). Неосознанная сегментация часто приводит к ошибочным решениям.

Реальная сегментация всегда опирается на работы (Jobs) клиентов и дополнительные признаки. Она должна отвечать на три ключевых вопроса:

  1. Можем ли мы создать дополнительную ценность, зная эту сегментацию?
  2. Можем ли мы получить целевую прибыль на юнит в этом сегменте?
  3. Можем ли мы масштабироваться в этом сегменте и создавать спрос?

Риски и Рискованные Предположения (RAT)

Рискованные предположения — это фундаментальные допущения, подтверждение которых необходимо для успешности бизнеса.

Пять основных категорий:

  1. Рынок: Достаточно большой и растущий, без критических регуляторных ограничений.
  2. Сегмент: Существует экономически привлекательный сегмент с джобами, на которые есть бюджет.
  3. Ценность: Выбранный сегмент будет покупать конкретную гипотезу ценности.
  4. Юнит-экономика: Продукт будет приносить целевую маржу на платящего клиента.
  5. Привлечение: Есть возможность создать и масштабировать спрос.

Дополнительные риски: культурные и поведенческие особенности, операционные ограничения, технологические аспекты, юридические ограничения, внешние факторы.

Все рискованные предположения должны быть максимально конкретными.

Ранжирование рисков: Приоритет отдаётся гипотезам, которые дешевле всего проверить, имеют самую высокую вероятность неподтверждения и самые дорогие последствия.

Пивот — это смена одного или нескольких рискованных предположений в наборе. Движение от отсутствующего к сильному PMF — итерационный процесс проверки и изменения предположений.


[meta: Промт создан Ваней Замесиным и Анной Шундеевой по методология Advanced Jobs To Be Done. Научиться методологии и освоить практическую систему создания продуктов можно на практическом курсе Вани Замесина «Как делать продукт»: https://zamesin.ru/producthowto/ ]

Frequently asked questions

What does the Ajtbd Rat AI skill do?

Генерация Top-5 рискованных предположений (RAT — Risky Assumption Test) для продукта по методологии Advanced Jobs To Be Done. Используй когда пользователь хочет оценить риски продукта, провести RAT-анализ, выявить рискованные гипотезы или проверить жизнеспособность идеи.

Why use Ajtbd Rat on TypingMind?

Because you install it once and use it with any model. Ajtbd Rat 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 Ajtbd Rat in TypingMind?

Open Plugins → Skills → Install from GitHub in TypingMind and paste https://github.com/snowtema/ajtbd-skills/tree/main/ajtbd-rat. TypingMind reads its SKILL.md and installs it as a skill you can enable per chat.

Which AI models can use Ajtbd Rat?

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 Ajtbd Rat?

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

Is the Ajtbd Rat AI skill free?

It is published on GitHub by snowtema. Check the repository for licensing terms. 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 👇