McKinsey-style problem solving system that generates research reports and presentations through structured hypothesis-driven analysis.
Works with
Combines Problem Solving methodology, MECE principles, Issue Tree decomposition, and hypothesis formation to break down business problems into actionable frameworks
Generates McKinsey-formatted PowerPoint decks with 7 layout types, design specifications (colors, typography, information density), and Excel data sheets with source tracking
Supports cros
AI-first code editor with Composer
Before installing skills in Cursor, ensure your development environment meets these requirements:
node --versionmckinsey-consultantExecute the skills CLI command in your project's root directory to begin installation:
Fetches mckinsey-consultant from fleurytian/awesome-claude-skills and configures it for Cursor.
The CLI shows a list of agents. Use arrow keys and space to select Cursor:
Confirm successful installation by checking the skill directory location:
Restart Cursor to activate mckinsey-consultant. Access via /mckinsey-consultant in your agent's command palette.
We perform automated surface-level scans (Gen AI Scanner, Socket, Snyk) during installation. These checks detect common vulnerabilities but do not guarantee complete security. Always review skill source code and verify the publisher's reputation before production use.
Skills execute code in your environment. Always review source, verify the publisher, and test in isolation before production.
Submit your Claude Code skill and start earning
Create detailed user stories, acceptance criteria, and feature specs
Example
Generate user stories for 'password reset feature' with acceptance criteria, edge cases, and test scenarios
Reduce spec writing time by 50%, ensure comprehensive coverage
Research competitors, compare features, identify gaps
Example
Analyze 5 competitor products, create feature comparison matrix, suggest differentiation opportunities
Complete competitive research in 2 hours instead of 2 days
Evaluate features using frameworks (RICE, ICE, Kano) and create prioritized backlogs
Example
Score 20 feature ideas using RICE framework, generate prioritized roadmap with rationale
10
total installs
10
this week
221
GitHub stars
0
upvotes
Run in your terminal
10
installs
10
this week
221
stars
架构: Progressive Disclosure (渐进式披露) + Dependency-Aware (依赖感知) 核心升级:
这些规则优先级最高,Claude必须严格遵守:
当用户说"我刚添加了mckinsey-consultant skill"或"Can you make something amazing with it?"时:
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
file_read加载检测触发:
⚠️ 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:
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
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%
"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
[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
目标: 明确"是什么/不是什么"
Claude动作:
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
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:
输出:
## Issue Tree + Hypotheses
[按methodology.md的模板输出]
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:
依赖关系类型:
⭐ 输出: 项目名_DummyPages_日期.md
Dummy.md结构:
# [项目名] Dummy Pages
## 项目信息
- 创建日期: YYYY-MM-DD
- 总页数: XX页
- 预计章节: X章
## PPT设计规范
[从design-specs.md复制统一规范]
## ⭐ 页面依赖关系总览 (新增)
建议生成顺序:
**第一轮: 独立页面** (可任意顺序)
- 第1页 (封面) ✅ 独立
- 第3-10页 (基础数据分析) ✅ 独立
**第二轮: 前向依赖页面** (依赖第一轮)
- 第11页 (趋势总结) ⏩ 需要第3-10页
**第三轮: 后向依赖页面** (最后生成)
- 第2页 (执行摘要) ⏪ 需要后页或hypothesis tree
## 断点续写说明
[说明如何在新对话中续写]
---
## 第1页: 封面
**依赖关系**: ✅ 独立
**前置条件**: 无
**布局**: 标题居中型
**内容**: [封面内容]
**Excel Sheet**: 无需数据Sheet
---
## 第2页: 执行摘要
**依赖关系**: ⏪ 依赖后页或hypothesis tree
**前置条件**:
- 理想: 所有分析页完成
- 最低: 需要Issue Tree文档
**必需文档**: STEP 3的Hypothesis Tree
**缺失时对策**:
新对话中生成:
**布局**: 标题+项目符号型
**内容需求**: [核心发现]
**Excel Sheet**: 无需数据Sheet
---
## 第3页: [McKinsey论点标题]
**依赖关系**: ✅ 独立
**前置条件**: 无
**布局**: 标题+单图表型
**图表**: 堆积柱状图
**数据需求**: [具体数据点]
**McKinsey设计**: [配色、标注、洞察框]
**信息来源**:
- https://example.com/report1 (来源描述)
**Excel Sheet**: "第3页 [简短标题]"
---
## 第8页: [McKinsey论点标题]
**依赖关系**: ⏩ 依赖前页
**前置条件**: 需要第3页数据
**依赖页面**: 第3页
**缺失时对策**:
若第3页未完成:
**布局**: 标题+左右分栏型
**数据需求**:
- [本页数据]
- 依赖: 第3页XX数据
**信息来源**:
- web_search: "[关键词]"
- 内部依赖: 第3页Excel
**Excel Sheet**: "第8页 [简短标题]"
[继续每一页...]
⚠️ 关键: Dummy.md必须完整，支持跨对话续写
⚠️ 核心原则: 必须逐页循环，不能分离!
为什么逐页:
Claude动作 - 首次执行STEP 6时:
# 加载Excel规范
file_read("/mnt/skills/user/mckinsey-consultant/references/excel-data-spec.md")
# 加载PPT V4生成规范(迭代式精修方法论)
file_read("/mnt/skills/user/mckinsey-consultant/references/ppt-v4-specs.md")
# 或按需只加载配置:
file_read("/mnt/skills/user/mckinsey-consultant/references/ppt-v4-config.yaml")
# 了解:
# - Excel数据文件结构
# - PPT生成的6类常见问题及解决方案(布局/溢出/颜色/图表/边框/比例)
# - McKinsey设计铁律(直角矩形/无边框/颜色对比度)
# - 质量检查清单(生成时+生成后双重检查)
# - Python-pptx实用工具函数库
# 用完后释放
逐页循环流程:
对于每一页:
0. ⭐ 依赖检查 (新增):
- 查看该页的"依赖关系"标注
- 如果是"✅ 独立": 直接继续
- 如果有依赖: 执行检查流程
* 检查依赖页面是否完成
* 检查必需文档是否提供
* 如有缺失,告知用户并提供"缺失时对策"
* 等待用户确认后再继续
1. 查看Dummy.md中该页的设计要求
2. 根据该页的"信息来源"执行2-5次web_search
3. 按excel-data-spec.md规范在Excel中记录数据:
- 【区域A】原始数据 + 来源URL
- 【区域B】最终数据
4. 生成该页PPT(严格按Dummy设计)
5. 自检6项:
✓ 布局类型匹配
✓ 图表类型匹配
✓ 真实数据
✓ 设计元素完整
✓ Excel数据完整
✓ 来源URL记录
6. 告知用户: "第X页完成，已自检通过。是否继续?"
7. 等待确认
8. 清空该页搜索结果上下文
9. 继续下一页
⭐ 依赖检查示例:
场景1: 独立页面
第5页: 市场规模分析
依赖关系: ✅ 独立
Claude:
"第5页无依赖,开始生成..."
[直接执行步骤1-9]
场景2: 前向依赖,已满足
第8页: 品牌竞争格局
依赖关系: ⏩ 依赖第3页
Claude检查:
- 第3页已完成 ✓
- 第3页Excel有必要数据 ✓
Claude:
"第8页依赖检查通过,开始生成..."
[执行步骤1-9,从第3页Excel获取数据]
场景3: 前向依赖,未满足
第8页: 品牌竞争格局
依赖关系: ⏩ 依赖第3页
Claude检查:
- 第3页未完成 ✗
Claude:
"⚠️ 依赖检查: 第8页需要第3页的市场规模数据
您有以下选择:
1. 先完成第3页,再返回生成第8页 (推荐)
2. 我临时搜索市场规模数据,直接生成第8页
3. 跳过第8页,稍后再生成
请告诉我您的选择(1/2/3)?"
[等待用户确认]
场景4: 需要文档
第2页: 执行摘要
依赖关系: 📄 需要文档
Claude检查:
- 对话中无Issue Tree ✗
- 分析页未完成 ✗
Claude:
"📄 第2页(执行摘要)需要Issue Tree文档
此页需要基于核心假设和研究框架。请问:
1. 您有STEP 3生成的Hypothesis Tree吗? (上传即可)
2. 想让我先生成分析页,最后基于结果反推执行摘要?
3. 或简要描述核心研究问题,我基于此生成框架?
请选择或告诉我您的情况?"
[等待用户回复]
场景5: 后向依赖
第2页: 执行摘要
依赖关系: ⏪ 依赖后页
Claude:
"⏸️ 第2页(执行摘要)建议最后生成
执行摘要需要所有分析完成后才能准确总结。
建议流程:
1. 先完成第3-25页的分析内容
2. 最后基于完整分析生成执行摘要
当然,如需先生成框架,请提供Issue Tree文档。
继续生成第2页,还是先做其他页面?"
[等待用户确认]
✓ Excel数据完整 ✓ 来源URL记录 6. 告知用户: "第X页完成，已自检通过。是否继续?" 7. 等待确认 8. 清空该页搜索结果上下文 9. 继续下一页
**上下文管理策略**:
```python
# 每页开始前
current_page_context = {
"dummy_design": read_from_dummy_md(page_number),
"search_results": [], # 最多5个
"excel_data": {}
}
# 每页完成后
clear_context(current_page_context) # 释放该页数据
move_to_next_page()
断点续写支持:
场景1: 同一对话内暂停
用户Make data-driven prioritization decisions faster
Draft PRDs, status updates, and stakeholder presentations
Example
Create executive summary of Q3 roadmap, monthly progress report, feature launch announcement
Save 3-5 hours/week on communication overhead
Prerequisites
Time Estimate
30-60 minutes to see productivity improvements
Steps
Common Pitfalls
✓ Do
✗ Don't
💡 Pro Tips
✓ Use when
Use for user story writing, competitive research, roadmap prioritization, stakeholder communication, and PRD drafting. Best for reducing repetitive documentation and research work.
✗ Avoid when
Avoid for strategic product vision (requires deep customer empathy), pricing decisions (needs market and financial expertise), or when face-to-face customer discovery is more valuable than speed.
mattpocock/skills
parcadei/continuous-claude-v3
cursor/plugins
ailabs-393/ai-labs-claude-skills
ailabs-393/ai-labs-claude-skills
pproenca/dot-skills
Keeps context tight: mckinsey-consultant is the kind of skill you can hand to a new teammate without a long onboarding doc.
We added mckinsey-consultant from the explainx registry; install was straightforward and the SKILL.md answered most questions upfront.
mckinsey-consultant reduced setup friction for our internal harness; good balance of opinion and flexibility.
We added mckinsey-consultant from the explainx registry; install was straightforward and the SKILL.md answered most questions upfront.
mckinsey-consultant is among the better-maintained entries we tried; worth keeping pinned for repeat workflows.
mckinsey-consultant reduced setup friction for our internal harness; good balance of opinion and flexibility.
Keeps context tight: mckinsey-consultant is the kind of skill you can hand to a new teammate without a long onboarding doc.
mckinsey-consultant reduced setup friction for our internal harness; good balance of opinion and flexibility.
mckinsey-consultant is among the better-maintained entries we tried; worth keeping pinned for repeat workflows.
mckinsey-consultant fits our agent workflows well — practical, well scoped, and easy to wire into existing repos.
showing 1-10 of 33