القائمة
《判断力与直觉力》全书编排器——九步闭环决策路线图的路由器与聚合器
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 | p13-intuition-orchestrator |
| description | 《判断力与直觉力》全书编排器——九步闭环决策路线图的路由器与聚合器 |
| stage | meta |
| tags | ["orchestrator","判断力","直觉","AI产品决策"] |
| source_book | 判断力与直觉力 |
| source_chapter | 全书编排 |
| version | 1.0.0 |
| 字段 | 说明 |
|---|---|
| decision_context | 决策场景描述 |
| current_stage | 可选：当前已知处于哪个阶段 |
| constraints | 约束条件（时间/资源/数据等） |
AI 压平了信息获取和执行效率，但没有压平判断力。AI 让答案更便宜，但没有让方向更便宜。当执行越来越便宜的时候，错误方向的代价不再是"做不出来"，而是"很快做出来，还会做得像是真的一样"。真正的差距从"谁知道得更多"转向"谁更早看对方向，谁更能在不确定里做取舍"。
AI 最迷惑人的地方，不是它偶尔会犯错，而是它经常看起来很像对的。流畅感不是可靠性，完整感不是成立性。要区分三层：输出是否可读 → 是否可用 → 是否值得相信并拿去做决策。大多数人只检查了第一层，稀缺的是能稳定检查到第三层的人。
全书覆盖 AI 产品决策的完整闭环，分七个部分：先看清（判断自己、问题优先级、AI 适配性）→ 看产品（独立性、工作流价值、真问题 vs 能力包装、长期成立性）→ 看用户（托付意愿、放心感、用户恐惧、可托付感设计）→ 看技术与交付 → 看市场与商业化 → 看反馈与节奏 → 看规模化。每一步都产出可追溯的判断记录。
直觉不是拍脑袋，而是系统性思维、产品心理学和决策复盘长期内化后，在复杂场景里形成的快判断能力。它通过四件事训练：观察真实场景、比较相似案例、预判可能后果、复盘判断对错。直觉不是少数人的特权，是可以训练的能力。
AI 时代最常见的浪费，不是没有思路，而是过早进入方案；不是没有能力，而是把能力用在了不值得的方向上。团队最常犯的错误不是没看到机会，而是先被"好讲的机会"拿走了资源。方案成立不代表问题成立，做得出来不代表值得先做。
定义：AI 时代产品经理的核心能力不再是会用多少工具，而是能在信息不完备时做出正确判断。判断力是产品感、技术理解和商业直觉的交叉能力——产品感让你看见用户的真实处境，技术理解让你知道什么能做什么不能做，商业直觉让你判断什么值得做、什么时候做。
书稿引用：「以前产品经理最常被问的是'需求文档写好了吗''原型画完了吗''PRD 评审过了吗'。现在最常被问的是：'你觉得这个 AI 功能要不要做''你怎么判断这个方向靠不靠谱''你觉得这个产品模型能力够不够'。这些问题都不是工具能回答的。AI 可以帮你查数据、写初稿、整理素材，但它替你做不了判断。」（第1章）
应用：在做每个产品决策时，有意识地拆解自己的判断来源——是用户洞察驱动（产品感）、技术可行性驱动（技术理解），还是市场机会驱动（商业直觉）？三者中任何一个为零，判断都会出问题。定期校准：你最近在哪一个维度上的判断最弱？
定义：AI 的输出总是流畅且自信的，这会让人更容易接受"听起来合理"的结论而跳过验证。当团队已经倾向于某个方向时，AI 会非常善于"帮你找到支持这个方向的证据"——不是因为它故意迎合，而是因为它本身就是概率模型。
书稿引用：「AI 是判断放大器，不是判断替代品。用得好，它可以帮你更快地收集信息、整理思路、验证假设。用得不好，它会帮你更流畅地走进偏见。最危险的不是 AI 犯错，而是 AI 的输出太流畅了，以至于你连验证的想法都省了。」（第1章）
应用：建立"反方验证"习惯——每当 AI 给出一个看似合理的结论，刻意要求它给出反对理由或替代解释。在团队决策中，指定一个人专门负责"唱反调"，用 AI 来帮反方找论据。关键原则：AI 的流畅性是功能也是风险，越流畅越需要冷静验证。
接收用户的决策场景描述，识别当前处于九步闭环的哪个阶段。问清楚：用户面对的是一个 AI 产品机会，还是一个具体的判断卡点？是刚开始评估，还是已经有了初步方向？明确当前阶段和上下文约束。
根据场景定位，生成从当前位置出发的完整判断路线图。标明：哪些步骤必须走、哪些可以并行、哪些需要回溯。每个步骤对应一个具体 Skill，明确输入/输出关系。路线图不是线性流水线，要标注可能的回溯点。
按路线图依次调用子 Skill。每个 Skill 执行后，收集输出并记录判断依据与置信度。如果某一步出现矛盾信号（如"问题真但不够痛"），暂停并提示用户做出取舍决策后再继续。
整合各阶段输出，识别判断链中的冲突与一致性。常见冲突包括：问题值得做但 AI 适配性弱、产品成立但用户不愿托付、短期好看但长期不成立。对每个冲突给出分析与建议。
生成结构化的判断报告，包含：当前阶段结论、关键风险点、下一步建议、需要补充的信息。报告应支持复盘——每个判断都有依据、有置信度、有可追溯的推理链。
根据新信息或执行结果，更新判断。明确哪些判断被验证了、哪些被推翻了、哪些需要重新评估。将新经验沉淀为团队判断原则。
场景：一个 B2B SaaS 团队想做"AI 自动生成客户周报"功能，需要系统性评估是否值得投入。
编排过程：
场景：一款 AI 会议纪要产品上线 3 周，首周数据很好，但第二周开始使用频率明显下降。
编排过程：
| 步骤 | 核心问题 | 对应 Skill | 关键判断 |
|---|---|---|---|
| 1. 做什么 | 先看清自己到底在拍什么板 | p13a-judgment-metacognition | 判断类型识别、信息底座评估 |
| 2. 值不值得 | 这个问题值不值得投入资源优先解决 | p13b-systemic-thinker | 五问过滤：真/痛/频/急/值 |
| 3. 用不用 AI | 这个问题该不该用 AI 做 | p13c-product-psychology | AI 适配性五问 |
| 4. 做成什么 | 产品、模块，还是嵌进工作流的能力 | p13d-intuition-training | 独立产品五问 |
| 5. 用户会不会托付 | 用户愿不愿意试、持续用、敢不敢交 | p13h-validation-market | 托付五问、托付梯度 |
| 6. 怎么做 | 辅助还是托付，模型边界，交付条件 | p13f/p13g | 真问题 vs 能力包装、长期成立性 |
| 7. 怎么验证 | 不是 demo 成立，而是真成立 | p13e-nine-step-framework | 工作流价值五问 |
| 8. 怎么进入市场 | 先卖给谁、怎么定价、怎么发布 | p13h-validation-market | 市场进入策略 |
| 9. 反馈回路 | 持续校准判断 | p13k-intuition-evolution | 标准升级、复盘机制 |
从步骤 1 开始，完整走完九步。适合：新 AI 产品立项、新功能方向评估。
从步骤 7（验证）或步骤 9（反馈）开始，向前回溯。适合：产品数据不好、使用率下降、续费率低。
直接定位到卡住的步骤，深入诊断。适合：团队已经知道卡在哪里，需要具体方法论。
对多个候选方向做快速筛选，每步只做最关键的一两个判断。适合：资源有限需要快速排序。
每次做出重要判断时，记录以下信息：
判断日期：____
判断对象：____
判断结论：____
置信度（高/中/低）：____
主要依据：
1. ____
2. ____
3. ____
反证/风险：
1. ____
2. ____
需要补充的信息：____
复盘日期（预计）：____
定期（建议每月或每季度）对重要判断做复盘：
判断链中多个 Skill 协同工作时，衔接质量决定整体判断质量。
每个 Skill 执行后，输出结构化的判断记录：
Skill: ____
判断结论: ____
置信度（高/中/低）: ____
关键依据:
1. ____
2. ____
风险信号: ____
后续建议: ____
当后续 Skill 的判断与前置结论矛盾时，按以下规则处理：
| 冲突类型 | 处理方式 |
|---|---|
| 问题值得做但 AI 适配性弱 | 回到 p13c 深入诊断，考虑非 AI 解法 |
| AI 适配但产品独立性弱 | 考虑嵌入形态而非独立产品 |
| 产品成立但用户不愿托付 | 进入 p13h 诊断托付梯度 |
| 短期好看但长期不成立 | 重新评估优先级或调整预期 |
| 工作流价值有但真问题弱 | 回到 p13b 做五问过滤 |
以下信号出现时，应在判断链中回溯到前序步骤：
根据场景复杂度选择合适的判断深度：
| 深度 | 适用场景 | 每步时间 | Skill 调用方式 |
|---|---|---|---|
| 快筛 | 多个候选方向初步排序 | 2-3 分钟 | 每个 Skill 只做最关键的一两个判断 |
| 标准 | 单个方向的完整评估 | 10-15 分钟 | 按完整流程执行每个 Skill |
| 深度 | 重大决策、高资源投入 | 30+ 分钟 | 对关键判断做多角度验证，增加反证检查 |
场景：一款 AI 客服助手上线三个月，转化率不错但续费率只有 35%。用户反馈"回答不够准确""经常需要人工接管""问复杂问题就答非所问"。
编排过程：
10 分钟内判断一个 AI 产品方向是否值得深入评估：
方向描述: ____
快速五问（每问 1-2 分钟）:
1. 真不真: [ ] 有行为证据 [ ] 只有观点
2. 痛不痛: [ ] 影响关键指标 [ ] 只是体验优化
3. 频不频: [ ] 高频/系统性 [ ] 偶发/个别
4. 急不急: [ ] 卡在关键节点 [ ] 可以再等等
5. 值不值: [ ] 杠杆点高 [ ] 解法太重
快速结论: [ ] 值得深入 [ ] 暂缓 [ ] 放弃
理由: ____
如果五问全部过关，进入标准评估流程。如果有两项以上不过，暂缓并记录原因。
直接进入方案讨论，跳过"值不值得"和"适不适合 AI"的判断。破解：任何 AI 方向讨论前，先走完 p13a→p13b→p13c 三步。
只收集支持性证据，忽略反证。破解：每个步骤结束后，强制做一次反证检查。
在判断阶段就开始讨论实现细节。破解：判断阶段只讨论"该不该做"和"为什么做"，不讨论"怎么做"。
发现矛盾信号后仍然继续推进。破解：矛盾信号是回溯的触发器，不是可以忽略的噪音。
认为判断做完就不需要更新。破解：判断是动态的，新信息出现时应重新评估。