真相血清 是做什么的？
与其猜测买家会提出哪些顾虑，不如直接询问一百个模拟买家——每个都是一个扮演特定买家角色的子代理，这些角色源自你的目标客户。你是主持人。你永远不为买家做回答。
用途：发现潜在顾虑、细分市场、措辞优化以及需要向真实用户提出的问题。 非用途：需求预测。语言模型倾向于“赞同”，因此高购买率只是最佳情况，而非预测；它可以推翻一个计划，但绝不可能验证一个计划。
请先阅读 ${CLAUDE_SKILL_DIR}/../receipts/rules.md。
用户在 /truth-serum 后输入的内容：$ARGUMENTS
工具
所有记录工作通过本技能文件夹中的 panel.py 完成：
python3 "${CLAUDE_SKILL_DIR}/panel.py" <command>
下文中的 PANEL 即指上述命令。如果路径未展开，请使用 Claude Code 为此技能打印的基础目录。状态数据保存在 founder/panel/ 中。
步骤1：目标客户
写入 founder/customer.json（形状：参考本文件夹中的 customer.example.json）：
business和target：用一句具体的话描述客户是谁。segments：2 到 4 个细分群体，每个群体包含share和income范围 [low, high]。behaviours：4 到 8 种购买行为，每种行为包含share和how描述（如：每日常客、寻找优惠、阅读每一条评论、忠实于某一竞争对手……）。objections：这类买家真正会有的 4 到 8 个顾虑。habits（可选）：使买家形象更具体的日常情境描述。
将其建立在真实信息之上。使用用户对其客户的了解；如果 /ground-truth 已运行，则参考 founder/competitors.md 中的投诉内容。如果用户拥有真实的客户数据（founder/evidence/calls/ 中的通话记录、评价、调查回复），优先使用这些数据而非你的猜测，并明确指出哪些部分是猜测。
如果目标客户是少数企业用户（几百家公司，而非大众市场），请明确说明：五个真实电话调研比这个模拟座谈会更有价值，并优先提供 /receipts 及其通话指南。仅当需要打磨问题时才运行模拟。用几句话向用户展示客户画像，并在进行交易前允许用户修正——错误的客户画像会使整个模拟失效。
步骤2：推销方案
写入 founder/pitch.md：买家实际会看到的内容。产品、价格、获取渠道、限时优惠。三到六行简洁描述，无夸张表述，所有内容必须是企业能够实现的。每个买家看到的都是完全相同的内容。
步骤3：分配并运行
PANEL init --customer founder/customer.json --pitch founder/pitch.md --n 100
PANEL prompts
init 负责分配角色卡片（相同种子，相同卡片；种子会被记录）。prompts 为每个买家撰写简报，并按每批10人分组列出。对于每一批，通过Agent工具（在旧版Claude Code中称为Task）发送一条消息，为批次中的每个买家调用一次：
subagent_type：general-purposedescription：panel <id>prompt：Read <brief path> and follow it exactly. It is your whole brief.
等待整批完成后再进行下一批。Claude Code 默认每次运行约10个工具调用，因此100个买家需要10个批次。最后一批完成后：
PANEL check # 列出缺失或异常的回答
PANEL prompts # 仅重写失败买家的简报；再次运行它们
PANEL tally
如果某个买家在其回复中直接打印了JSON而不是写入文件（这种情况可能发生），请使用 PANEL save <id> 并从stdin传入回复内容；save 会拒绝任何格式不正确的答案。连续失败两次的买家将被排除并计入结果中。你绝不可亲自为买家撰写答案。
在运行100个买家之前，告知用户这是100次子代理调用，并建议使用 --quick（20个买家）进行初步查看。子代理会将各自的文件写入 founder/panel/answers/；在默认权限模式下，每个文件需要单独批准，因此建议在运行过程中使用接受编辑模式（Shift+Tab）。
步骤4：向用户汇报结果
PANEL tally 会生成 founder/panel/results.md 和 results.json。向用户呈现以下内容：
- 残酷真相：买家放弃的最强原因，用一句话概括；同时提醒购买率是模拟结果，只是一个上限。
- 标题：“40 购买 · 60 放弃（模拟）”以及购买率。
- 谁买谁不买：差异最大的细分市场和购买行为行。
- 为什么放弃：前三名原因，每个原因附带一条买家原话。
- 能改变拒绝的因素：最常被提到的答案。
- 一句话建议：在花钱之前需要改变什么，以及哪个技能可以实现（定价、优惠、营销）。
- 走向真实用户：将前三名顾虑转化为真实通话中要提出的问题，风格参照
${CLAUDE_SKILL_DIR}/../receipts/conversations.md（关注对方的过去，而非你的想法）。这才是模拟座谈会的真正价值所在。
然后将结果记录为 SIMULATED：
python3 "${CLAUDE_SKILL_DIR}/../receipts/ledger.py" add --kind demand --status SIMULATED --use PRIVATE --by truth-serum --claim "模拟座谈会购买率（种子 <S>）" --number "<购买数> 个 / <回答数> 个"
坦诚的局限，只说一次
这些都是模拟买家。它们擅长发现你未曾想到的顾虑、细分市场和措辞，但在预测真实转化率方面能力有限：语言模型倾向于“赞同”，因此请将购买率视为上限。在做出任何重大决策之前，务必通过真实用户进行验证（等待列表、预售、试点项目、带有定价的落地页）。绝不要将模拟座谈会称为“验证”、“市场调研”或“真实客户”，也不要在推销、广告、产品演示或资助申请中将模拟买家当作真实客户引用。
每位买家收到的简报
panel.py 将卡片填入固定模板（参见脚本中的 BRIEF）：买家信息（姓名、年龄、细分市场、收入、购买行为、习惯、脑海中浮现的顾虑）、逐字呈现的推销方案、要求其不认同且不捏造事实的指令，以及要写入的确切JSON格式：是否购买、首月购买次数、拒绝代码、用买家自己的话表述的理由、主要顾虑、什么能改变其想法、以及四个价格敏感度回答（太便宜、划算、变贵、太贵）。绝对不单独编辑任何一个买家的简报。
输出
founder/customer.json、founder/pitch.md、founder/panel/（卡片、简报、回答、结果）。
下一步：/litmus 读取价格敏感度回答，/dealbreaker 和 /signal 读取顾虑信息。