القائمة
把话说真，而不是把问题说顺——语言清洗、纪要体检、诚实表达练习
التثبيت باستخدام Codex أو Claude انسخ هذا Prompt والصقه في Codex أو Claude أو مساعد آخر ليراجع صفحة Skill ويثبّتها لك.
استنادا إلى تصنيف SOC المهني
AI Native 产品方法论——价值发现循环的实操 Skill。 用户提供已上线或正在验证的 AI 产品，Skill 自动执行价值发现流程： 价值信号识别 → 伪价值排除 → 价值密度评估 → 市场测试设计 → 定价策略联动 → 方向修正建议 → 输出价值发现方案。 基于《AI Native 产品方法论》第22章。
《观照》全书编排器——根据用户输入的问题类型，路由到对应的章节Skill，串联全链路决策修正流程
检查方法使用的前提是否成立——识别情境变化、验证假设前提、重配适用方法
先看机制是否有害，再看结果是否有效——价值/代价/情绪/退出权四重检查
停止错误方向，也是一种推进——归零分析、暂停策略、止损决策
收入从哪里来，产品就会站在哪边——收入来源审视与激励偏差检查
| name | p12a-contemplation-right-speech |
| description | 把话说真，而不是把问题说顺——语言清洗、纪要体检、诚实表达练习 |
| stage | planning |
| tags | ["正语","语言清洗","沟通清晰","纪要质量"] |
| source_book | 观照 |
| source_chapter | 第5章 正语 |
| version | 1.0.0 |
| 字段 | 说明 |
|---|---|
| text_to_cleanse | 需要清洗的文本（会议纪要/邮件/需求文档） |
| communication_context | 沟通场景和受众 |
| communication_purpose | 沟通目的（说服/同步/决策/汇报） |
"一句话如果太顺、太熟、太像共识，人就很容易停止追问。可一旦追问停止，语言就会从表达工具，变成判断替身。它帮团队压缩复杂性，替人稀释责任，替组织把真正难受的问题改写成一个更体面、更好汇报、更容易继续推进的说法。"
书稿在第五章以"市场还没准备好"这个经典话术为例，展示了语言如何替团队决定什么该继续看、什么可以先不看。同一句"市场还没准备好"背后可能藏着四个完全不同的问题：产品价值主张不清、价格不匹配、客户选错、替代方案太强。可过去几个月，团队一直用这一句话把所有差异压成同一种解释，然后沿着最省力的一条路继续往前走。语言的危险不在于它百分之百错误，而在于它过早结束了理解。
在产品复盘中，正语要求把高频套话翻译成具体命题。"市场还没准备好"应该被追问：到底是价值主张不清、价格不匹配、还是我们选错了客户？"资源不足"应该被追问：是什么资源不足？人力、时间、还是判断力？翻译的过程就是把藏起来的假设重新拉出来。语言一具体，判断才有机会具体；语言一诚实，组织才有机会真正诚实。
"很多组织里的误判，并不是因为没人看到事实，而是因为事实一进入集体表达，就被熟练地重新命名了。命名一变，责任位置也变了，行动方向也变了。"
书稿强调将团队陈述拆分为原始观察、解释和判断三个层次的重要性。"用户在某一步停留很久"是观察，"我们推测他是因为流程复杂"是解释，"因此应优先优化流程"是判断。三层混在一起，组织就容易把解释直接当事实。AI 时代这种危险更大——几秒钟就能生成结构完整、逻辑顺滑的"总结"，看起来特别像共识，特别适合直接贴进汇报材料，可越是顺滑越可能把关键信号磨平。
在产品分析中，正语要求对每句陈述标注为观察（O）/ 解释（E）/ 判断（J），检查是否有解释被直接当成了事实。当 AI 从访谈中提取出"效率"为高频词时，这是观察；将其总结为"核心诉求是效率"，这是 AI 的压缩版本，是解释；据此判断"应优先做自动化功能"，这是基于不完整解释的策略选择。三条线必须并行——访谈原话 / AI 总结 / 人的判断，不能让 AI 总结直接盖过原始材料里那些更含混但可能更真实的信号。
"一个组织的语言质量，决定了它的问题质量。问题质量，又决定了后面的策略质量、产品质量和协作质量。所以正语本质上不是沟通技巧，而是一种组织认知能力。"
书稿将正语定位为一种组织认知能力，而非沟通技巧。团队不是先想错，而是常常先说错——语言一旦失真，判断就很难不跟着失真。"先把功能做完再看"将复杂问题简化为执行节奏问题；"数据说明一切"把人的判断藏到数据后面；"大家已经对齐了"把理解差异改写成表面一致。这些说法过早结束了理解，让团队以为问题已经被说清楚，实际上只是被说顺了。
在产品协作中，正语要求建立常态化的语言体检机制。不要只问"大家都对齐了吗"，而要让关键角色各自复述：我理解的问题是什么、目标是什么、我的动作是什么。很多伪共识只有在复述时才会露出来。同时给"不舒服但真实的话"留位置——"我们是不是在自欺欺人？""这个数据可能说明不了我们想说明的事。"真正重要的信号往往就是这样出现的。AI 时代语言体面化更快，更需要持续觉察。
某 B2B SaaS 产品付费转化起不来，试用用户不少，演示反馈不差，销售每次回来都说"客户觉得方向是对的"，可走到付费环节数据就是抬不起来。复盘会上大家来说去最多的一句话是"市场还没准备好"。
text_to_cleanse: "市场还没准备好。我们需要继续做市场教育，等待更成熟的客户，争取先熬过这个阶段。"
communication_context: "季度复盘会，参与者包括产品、销售、运营负责人"
communication_purpose: "决策——确定下季度策略方向"
=== 语言体检报告 ===
【原文】"市场还没准备好。继续做市场教育，等待更成熟的客户。"
【问题标识】
1. "市场还没准备好" → 体面化话术。把产品/销售/定价问题改写成外部时间问题
2. "继续做市场教育" → 模糊行动。教育什么？怎么教育？谁负责？
3. "等待更成熟的客户" → 逃避性模糊。"成熟"是什么标准？
【三层分离】
- 观察：试用用户不少，演示反馈不差，付费转化率低
- 解释：市场还没准备好 → 未验证的解释，可能掩盖了四个不同问题
- 判断：应该等待 → 基于未验证解释的策略选择
【翻译后】
"市场还没准备好"背后可能藏着：
1. 产品价值主张不够清晰，用户没看懂我们到底解决什么问题
2. 价格和感知价值不匹配，用户觉得不值
3. 用户已有替代方案，切换理由不够强
4. 我们选错了客户，真正需要的人不在眼前这批线索里
【建议】
将下季度策略前提从"等待"改为"验证"：针对以上四个假设分别设计验证动作。
产品团队把 30 份用户访谈丢给 AI，AI 生成了一份总结："用户核心诉求是效率提升，建议优先优化工作流自动化功能。"团队直接把这份总结写进了产品路线图。
text_to_cleanse: "基于 30 份用户深度访谈，AI 分析得出：用户核心诉求集中在效率提升方面。建议 Q4 优先优化工作流自动化功能，预计可提升用户满意度 20%。"
communication_context: "产品规划会议，参与者包括产品、技术、设计负责人"
communication_purpose: "决策——确定 Q4 产品路线图"
=== 语言体检报告 ===
【原文】"AI 分析得出：用户核心诉求集中在效率提升。建议优先优化工作流自动化功能。"
【问题标识】
1. "AI 分析得出" → 转述幻觉。AI 的压缩重述被表述为事实发现
2. "核心诉求集中在效率提升" → 过度简化。30 份访谈的多样性被压缩成一个词
3. "预计可提升满意度 20%" → 未验证预测被表述为可预期结果
【三层分离】
- 观察：30 份访谈中"效率"被多次提及（可信）
- 解释：核心诉求是效率 → AI 压缩版本，可能遗漏信任、可控性等更难表达的信号
- 判断：应优先做自动化 → 基于不完整解释的策略选择
【转述幻觉检查】
- 访谈原话：❌ 缺失
- AI 总结：✅ 有，但被当成事实
- 人的独立判断：❌ 缺失，团队直接采用了 AI 总结
【建议】
1. 建立三条线并行：访谈原话 / AI 总结 / 人的独立判断
2. 回到原始访谈验证：除了"效率"，还有哪些更难表达但可能更关键的信号？
3. AI 总结不应直接成为路线图依据，应先标注为"待验证假设"
| 问题类型 | 典型表现 | 翻译方向 |
|---|---|---|
| 体面化话术 | "市场还没准备好" | 具体说明：价值主张不清？价格不匹配？客户选错？ |
| 模糊表述 | "可能""大概""有待商榷" | 明确程度：真的不确定 vs 其实知道但不想说 |
| 责任稀释 | "我们""团队""大家" | 具体化为：谁负责？谁决策？谁执行？ |
| 转述幻觉 | "AI 分析得出""数据显示" | 回到原始材料：原话是什么？数据的局限性是什么？ |
| 空洞术语 | "赋能""抓手""闭环""落地" | 具体化为：做了什么？改变了什么？ |