跨界借鉴引擎

技能简介

跨界借鉴引擎是一套系统化的问题解决框架，通过从看似无关的行业中提取成熟方案，为当前挑战寻找创新突破口。核心逻辑在于：大多数创新并非凭空创造，而是将已验证的解决方案迁移到新场景。

业务背景

业务团队常陷入同质化竞争，难以突破固有思路。该引擎通过拆解问题本质，从其他行业寻找已验证的解决方案，帮助营销、产品、运营团队跳出内卷，用成熟经验快速打开创新空间，降低试错成本。

落地案例：一家SaaS公司发现客户续费率下滑，传统促销手段效果有限。调用该技能后，系统识别问题本质是

能做什么

• 剥离行业背景，定位问题的本质需求
• 扫描多元行业，发现意想不到的解决者
• 提取底层原则而非表面特征
• 将外部经验适配到自身业务场景
• 生成可执行的跨界融合方案

使用说明

本技能无需安装，直接在对话中调用即可触发。系统识别以下关键词自动激活：

• “cross-pollination”、”borrow ideas from”
• “how would X solve this”、”what can we learn from”
• “think outside the box”、”different industry”
• “steal ideas”、”how would Disney/Apple/Amazon do this”

典型使用流程：

1. 明确待解决的核心问题
2. 剥离行业语境，抽象为纯粹的功能需求
3. 参考内置行业灵感库（信任→银行/医疗/航空；参与感→游戏/健身/流媒体；新手引导→酒店/主题乐园/奢侈品零售等）
4. 对比多个行业的解决方式，提取可迁移原则
5. 输出结构化方案：问题定义、来源行业分析、综合策略、下一步行动

输入与输出

见下方输入与输出表格。

风险提示

• 避免直接复制表面功能，需深入理解底层机制
• 行业差异可能导致方案水土不服，需充分本地化适配
• 过度追求新奇可能忽视本行业的基础约束条件
• 建议配合jtbd-analyzer、first-principles-decomposer等技能使用以提升分析深度

来源信息

原始链接：https://github.com/openclaw/skills/tree/main/skills/artyomx33/cross-pollination-engine/SKILL.md
来源类型：GitHub开源技能库