Strutturare domande complesse in ipotesi verificabili. Da utilizzare per convalidare idee di prodotto, eseguire il debug di problemi, pianificare esperimenti o scomporre sfide ambigue in ricerche attuabili.
Installa rapidamente la skill AI hypothesis-tree nel tuo ambiente di sviluppo tramite riga di comando
Fonte: flpbalada/my-opencode-config.
A Hypothesis Tree is a structured approach to breaking down complex questions into testable hypotheses. Originally from management consulting (McKinsey), it ensures MECE (Mutually Exclusive, Collectively Exhaustive) coverage of a problem space.
Mutually Exclusive: No overlap between branches Collectively Exhaustive: All possibilities covered
| Specific | Clear, measurable | "Checkout abandonment is >70% on mobile" | | Testable | Can be proven/disproven | Not "users don't like it" | | Falsifiable | Could be wrong | Has clear failure criteria | | Actionable | Leads to decision | If true → do X, if false → do Y |
Strutturare domande complesse in ipotesi verificabili. Da utilizzare per convalidare idee di prodotto, eseguire il debug di problemi, pianificare esperimenti o scomporre sfide ambigue in ricerche attuabili. Fonte: flpbalada/my-opencode-config.
Campi e comandi stabili per citazioni AI/ricerca.
npx skills add https://github.com/flpbalada/my-opencode-config --skill hypothesis-treeStrutturare domande complesse in ipotesi verificabili. Da utilizzare per convalidare idee di prodotto, eseguire il debug di problemi, pianificare esperimenti o scomporre sfide ambigue in ricerche attuabili. Fonte: flpbalada/my-opencode-config.
Apri il tuo terminale o strumento da riga di comando (Terminal, iTerm, Windows Terminal, ecc.) Copia ed esegui questo comando: npx skills add https://github.com/flpbalada/my-opencode-config --skill hypothesis-tree Dopo l'installazione, la skill verrà configurata automaticamente nel tuo ambiente AI di coding e sarà pronta all'uso in Claude Code, Cursor o OpenClaw
https://github.com/flpbalada/my-opencode-config