القائمة
AI Native 产品方法论——产品形态探索的实操 Skill。 用户提供能力实验结论，Skill 自动执行产品形态探索： 能力边界分析 → 交互原型设计 → 工作流嵌入测试 → 产品形态判断 → 输出产品形态建议。 基于《AI Native 产品方法论》第07章（试验展开-产品形态探索）。
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 | p2b-product-form-exploration |
| description | AI Native 产品方法论——产品形态探索的实操 Skill。 用户提供能力实验结论，Skill 自动执行产品形态探索： 能力边界分析 → 交互原型设计 → 工作流嵌入测试 → 产品形态判断 → 输出产品形态建议。 基于《AI Native 产品方法论》第07章（试验展开-产品形态探索）。 |
| tags | ["ai-product","methodology","product-form","interaction-design","experiment-driven-design","book-skill"] |
| author | Max |
| source_book | AI Native 产品方法论 |
| source_chapter | 第07章 试验展开-产品形态探索 |
| version | 1 |
| stage | p2b |
| homepage | https://github.com/gmaxxxie/ai-native-product-agent-skills/tree/main/skills/p2b-product-form-exploration |
| 能力特征 | 推荐形态 |
|---|---|
| 低风险、高重复、边界清晰 | 自动流程 / Agent |
| 中风险、需要人工确认 | Copilot |
| 高风险、需要透明解释 | 工作台（人工主导） |
| 探索期、边界不清 | 问答 + 反馈收集 |
能力实验结论
→ 能力边界分析
→ 候选形态列举
→ 交互原型设计
→ 工作流嵌入测试
→ 产品形态决策
从能力实验结论提取关键维度：
| 维度 | 问题 | 影响 |
|---|---|---|
| 风险等级 | 出错后影响多大？ | 决定自动化程度上限 |
| 边界清晰度 | AI 能明确判断的场景占比？ | 决定自主模式可行性 |
| 任务重复度 | 同一任务出现频率？ | 决定投入产出比 |
| 用户期望 | 用户希望快还是希望准？ | 决定形态侧重 |
基于能力边界，列举所有形态可能性：
每个候选形态设计原型，验证：
原型必须在真实工作流中测试，而非仅限演示：
"客服 Copilot 能力实验已完成，订单查询准确率 92%，物流解释 85%，但售后政策 78%，多轮上下文处理不稳定"
能力边界分析:
风险: 中（售后政策出错可能引发投诉）
边界清晰度: 订单/物流高，售后低
推荐形态: Copilot（人工确认模式）
形态原型:
界面: 侧边栏候选回复 + 风险标记
交互: 一键采纳 / 快速编辑 / 风险提示
边界: 退款/赔付类必须人工确认后发送
工作流嵌入:
当前流程: 客服读工单→查系统→组织回复→发送
新流程: AI预读→建议回复→客服确认→发送
预期提升: 首响时间-60%，培训周期-50%
进入下阶段条件:
✅ 采纳率 > 60%（通过影子验证）
✅ 风险标记准确率 > 85%
⏳ 售后政策准确率需提升至 85%+
基于书稿第07章，以下概念在执行本 Skill 时需深入理解：
基于书稿方法论，本 Skill 的完整执行分为 5 步：
"客服 Copilot 能力实验已完成，订单查询准确率 92%，物流解释 85%，但售后政策 78%，多轮上下文处理不稳定。需要探索产品形态。"
能力边界分析:
风险等级: 中（售后政策出错可能引发投诉和赔付）
边界清晰度:
订单查询: 高（规则明确，AI 可自主处理）
物流解释: 高（物流状态查询标准化）
售后政策: 低（政策条款多，例外多，需人工判断）
任务重复度: 高（日均 500+ 工单，70% 为重复类型）
用户期望: 快（客服追求首响时间，但不能牺牲准确性）
候选形态评估:
问答形态: ❌ 排除（客服场景需要嵌入工作流，非独立问答）
Copilot 形态: ✅ 最优（中风险+需人工确认+嵌入工作台）
工作台形态: ⚠️ 候选（如果 Copilot 交互不自然可回退）
自动流程: ❌ 排除（售后场景风险不可控）
Agent 形态: ❌ 排除（多轮上下文不稳定，不适合自主执行）
交互原型设计（Copilot 形态）:
入口设计:
触发: 工单进入时自动读取上下文并生成建议
位置: 客服工作台右侧侧边栏
展示形式:
候选回复: 2-3 条，按置信度排序
风险标记: 🔴 高风险（退款/赔付）🟡 中风险（政策解释）🟢 低风险（查询类）
规则引用: 每条建议附带引用的规则来源
反馈机制:
一键采纳: 点击即填充到回复框
快速编辑: 在建议基础上修改
标记不准确: 反馈到评估系统
补充上下文: 手动添加工单未包含的信息
降级策略:
高风险场景: 必须人工确认后才能发送
AI 无响应: 自动切回纯人工模式
多轮不稳定: 超过 5 轮提示转接高级客服
工作流嵌入测试:
当前流程: 客服读工单 → 查订单系统 → 查物流系统 → 翻售后政策 → 组织回复 → 发送
新流程: AI 预读工单+查询+召回规则 → 生成建议回复 → 客服确认/编辑 → 发送
测试结果:
首响时间: 从 3.2 分钟缩短到 1.1 分钟（-66%）
采纳率: 67%（订单查询 85%，物流 72%，售后 45%）
满意度: 82 分
风险标记准确率: 88%
产品形态决策:
最终形态: Copilot（侧边栏建议 + 人工确认模式）
交互方案: 候选回复 + 风险标记 + 规则引用 + 一键采纳
工作流嵌入: AI 预处理 + 人工确认 + 自动发送
风险边界:
退款/赔付类: 必须人工确认
政策解释类: 标记风险但不拦截
查询类: 可直接采纳
进入下一阶段条件:
✅ 采纳率 > 60%（已达成 67%）
✅ 风险标记准确率 > 85%（已达成 88%）
⏳ 售后政策准确率需提升至 85%+（当前 78%，需补充资料）
⏳ 多轮上下文稳定性需验证（当前不稳定）
"运维告警分析能力实验已完成。单一故障根因识别准确率 85%，复合故障 62%，告警聚合 91%，误报识别 78%。需要探索产品形态。"
能力边界分析:
风险等级: 高（运维误判可能导致业务中断）
边界清晰度:
告警聚合: 高（模式明确，可自动化）
单一故障根因: 中高（85% 准确率，大部分可自主）
复合故障: 低（62%，需人工辅助判断）
误报识别: 中（78%，需人工确认）
任务重复度: 高（日均 200+ 告警，80% 为重复模式）
用户期望: 快+准（运维既要快速响应，又不能误判）
候选形态评估:
问答形态: ❌ 排除（运维需要嵌入告警流程）
Copilot 形态: ⚠️ 候选（适合复合故障等需人工场景）
工作台形态: ✅ 最优（运维已有告警面板，嵌入分析能力最自然）
自动流程: ⚠️ 候选（适合告警聚合和误报过滤等低风险场景）
Agent 形态: ❌ 排除（复合故障不稳定，不适合自主执行）
交互原型设计（工作台 + 局部自动流程）:
入口设计:
告警聚合: 自动流程（低风险，全自动）
单一故障: 工作台自动展示根因分析面板
复合故障: Copilot 模式（建议+人工确认）
误报: 自动标记+人工审核
展示形式:
告警面板: 聚合后的告警分组 + 优先级排序
根因面板: 疑似根因列表 + 置信度 + 关联日志引用
处理建议: 推荐操作步骤 + 预期影响
误报标记: ⚠️ 疑似误报（附判断依据）
反馈机制:
确认根因: 标记为已验证
标记不准确: 反馈到评估系统
补充信息: 手动添加系统未采集的上下文
手动升级: 触发复合故障 Copilot 模式
降级策略:
复合故障: 自动降级为 Copilot 模式
置信度 < 60%: 提示"建议人工排查"
连续 3 次误判: 暂停该场景自动分析
工作流嵌入测试:
当前流程: 告警触发 → 运维查看 → 手动查日志 → 人工判断根因 → 执行修复
新流程:
低风险: 告警聚合（自动）→ 误报过滤（自动+审核）→ 已知故障自动匹配
中风险: 根因分析面板（自动展示）→ 运维确认 → 建议操作
高风险: 复合故障 Copilot → 运维判断 → 手动执行
测试结果:
MTTR 缩短: 从 45 分钟到 28 分钟（-38%）
告警聚合采纳率: 92%
根因分析采纳率: 68%
误报过滤采纳率: 74%
产品形态决策:
最终形态: 混合形态
告警聚合+误报过滤: 自动流程（低风险，全自动）
单一故障根因: 工作台嵌入（自动展示，人工确认）
复合故障: Copilot（建议+人工判断）
工作流嵌入: 分层嵌入，按风险等级选择自动化程度
风险边界:
告警聚合: 全自动（可回滚）
单一故障: 自动分析+人工确认操作
复合故障: 仅建议，人工决策
误报: 自动标记+批量人工审核
进入下一阶段条件:
✅ 告警聚合采纳率 > 90%（已达成 92%）
✅ 单一根因准确率 > 80%（已达成 85%）
⏳ 复合故障准确率需提升至 75%+（当前 62%）
⏳ 误报识别准确率需提升至 85%+（当前 78%）