mckinsey-consultant skill
McKinsey顾问式问题解决系统。从商业问题出发,通过假设驱动的结构化分析方法,生成McKinsey风格研究报告和PPT。融合Problem Solving方法论、MECE原则、Issue Tree拆解、Hypotheses形成、Dummy Page设计、智能数据收集和专业PPT生成能力。
Is the mckinsey-consultant skill safe?
Clean: nothing in its files matched our rules. We read 14 files in the folder on 2026-09-28.
No findings.
Install the mckinsey-consultant skill
A skill is a folder. Copy it into your agent's skills folder and the agent loads it when the task matches its description.
git clone --depth 1 https://github.com/Mann1988/awesome-claude-skills.git /tmp/awesome-claude-skills mkdir -p ~/.claude/skills cp -r /tmp/awesome-claude-skills/mckinsey-consultant-11 ~/.claude/skills/mckinsey-consultant
In the Claude apps, zip the folder and upload it from the Skills settings. The folder on GitHub
The instructions your agent would load
SKILL.md as published, without the frontmatter. Read it on GitHub
McKinsey Consultant V3.1
架构: Progressive Disclosure (渐进式披露) + Dependency-Aware (依赖感知) 核心升级:
- V3.0: 最小核心 + 按需加载 → 节省70%上下文
- V3.1: 页面依赖关系标注 → 跨对话续写更智能
⚠️ CRITICAL BEHAVIOR RULES
这些规则优先级最高,Claude必须严格遵守:
1. 首次使用响应规则
当用户说"我刚添加了mckinsey-consultant skill"或"Can you make something amazing with it?"时:
- ✅ 必须使用下面"首次使用引导"中的精确话术
- ✅ 只输出4行文字,不做任何扩展
- ❌ 禁止列举示例问题
- ❌ 禁止详细询问行业/交付物/范围等
- ❌ 禁止超过4行回复
- ✅ 只问一个二选一的问题,然后等待用户回应
2. 问题澄清规则
- ✅ 只问当下最关键的1-2个问题
- ❌ 不要一次性列出5个以上的问题
- ❌ 不要把澄清变成"需求调研问卷"
3. 流程启动规则
- ✅ 只有用户明确说"开始"或提供了足够信息后,才进入Problem Solving流程
- ❌ 不要在用户只是询问时就自动开始STEP 1
🎯 架构说明
问题: V2.0的SKILL.md包含1130行完整文档,一次性加载消耗大量上下文
解决: V3.0采用"导航地图"模式
- SKILL.md: 只有导航和触发逻辑 (~300行)
- References: 详细内容按需file_read加载
- 原则: 用完即释放,不常驻上下文
🌟 首次使用引导
检测触发:
- 用户说"我刚添加了mckinsey-consultant skill"
- 用户说"Can you make something amazing with it?"
- 用户询问但不熟悉本skill
⚠️ Claude必须严格使用以下话术,不得扩展:
我看到你添加了mckinsey-consultant skill!
这是一个McKinsey风格问题解决工具。
需要我介绍工作方法吗?
还是直接告诉我你想分析什么商业问题?禁止事项:
- ❌ 不要列举示例问题(如"市场进入策略?"、"业务增长机会?"等)
- ❌ 不要详细询问行业/交付物/范围
- ❌ 不要使用emoji或过度格式化
- ❌ 不要超过4行文字
- ✅ 只问这一个二选一问题,然后等待用户回应
正确示例 ✅:
我看到你添加了mckinsey-consultant skill!
这是一个McKinsey风格问题解决工具。
需要我介绍工作方法吗?
还是直接告诉我你想分析什么商业问题?错误示例 ❌:
我看到你添加了mckinsey-consultant skill!这是一个非常强大的咨询框架系统。
在开始创建之前,我想先和你确认几个关键问题:
1. **你想解决什么商业问题?**
- 市场进入策略?
- 业务增长机会?
...
2. **期望的交付物形式:**
...如果需要介绍 → file_read: references/quick-guide.md
📋 8步工作流总览
Phase 1: 问题拆解 (20-30分钟)
STEP 1: 定义问题边界
STEP 2: Issue Tree (MECE拆解)
STEP 3: Hypotheses (假设驱动)
Phase 2: 设计方案 (30-40分钟)
STEP 4: 确定论证方式
STEP 5: 设计Dummy Pages → 输出Dummy.md
Phase 3: 逐页生成 (40-60分钟)
STEP 6-7: 逐页循环(搜索→Excel→PPT→自检→暂停)
STEP 8: 可选生成Word
STEP 9: 迭代优化⏱️ 总耗时: 90-110分钟 | vs传统: 节省95%
🚀 启动方式
方式1: 新项目
"用mckinsey-consultant分析[商业问题]"
"分析中国XX市场的增长机会"→ Claude执行: 从STEP 1开始
方式2: 跨对话续写
[上传 项目名_DummyPages_日期.md]
[可选: 上传已完成的PPT和Excel]
"这是之前的项目,请从第X页继续生成"→ Claude执行: 读取Dummy,从指定页继续
📖 分步执行指南
STEP 1: 定义问题边界
目标: 明确"是什么/不是什么"
Claude动作:
- 询问用户核心目标
- 明确研究范围
- 确定交付形式
输出:
## 问题定义
### 是 ✅
- [核心目标]
### 不是 ❌
- [排除内容]无需加载额外文件 - 基础对话即可
STEP 2-3: Issue Tree + Hypotheses
目标: MECE拆解 + 形成假设
Claude动作 - 首次执行时:
# 第一次执行STEP 2时,才加载方法论
file_read("/mnt/skills/user/mckinsey-consultant/references/methodology.md")
# 了解:
# - MECE原则详解
# - Issue Tree拆解框架
# - Hypotheses形成方法
# - 快速搜索策略
# 用完后释放,不常驻上下文执行流程:
- 基于methodology.md的框架拆解问题
- 执行5-10次快速web_search
- 记录完整URL(为STEP 5准备)
- 形成假设树
输出:
## Issue Tree + Hypotheses
[按methodology.md的模板输出]STEP 4-5: Dummy Pages设计
目标: 设计McKinsey风格页面布局 + 标注页面依赖关系
Claude动作 - 首次执行时:
# 第一次执行STEP 4-5时,才加载设计文档
file_read("/mnt/skills/user/mckinsey-consultant/references/layouts.md")
file_read("/mnt/skills/user/mckinsey-consultant/references/design-specs.md")
file_read("/mnt/skills/user/mckinsey-consultant/references/page-dependencies.md")
# 了解:
# - 7种McKinsey页面布局
# - 配色规范(PRIMARY_BLUE等)
# - 字号体系(标题26pt等)
# - 信息密度标准(50-70字符/平方英寸)
# - 3种页面依赖关系类型 ⭐ 新增
# - 依赖关系标注方法 ⭐ 新增
# 用完后释放执行流程:
- 为每个假设选择layouts.md中的布局类型
- 应用design-specs.md的设计规范
- 明确每页的数据需求和来源
- ⭐ 标注每页的依赖关系 (新增)
More skills from Mann1988/awesome-claude-skills
- Amimeng-writing咪蒙爆款文章写作技巧。适用于需要创作10万+阅读量爆款文章、情感共鸣类内容、故事叙事或社会议题评论时使用。掌握标题制造、开篇设计、情绪调动、金句提炼、故事叙事等核心技巧。
- Aus-gov-shutdown-trackerTrack and analyze US government shutdown liquidity impacts by monitoring TGA (Treasury General Account), bank reserves, EFFR, and SOFR data from FRED API. Use when user wants to (1) analyze current or past government shutdown effects on financial markets, (2) track liquidity conditions during fiscal policy disruptions, (3) assess "stealth tightening" effects, (4) compare shutdown episodes across different monetary policy regimes (QE vs QT), or (5) generate liquidity stress reports with historical context. Recommended usage frequency is weekly on Wednesdays after TGA/reserve data releases.