القائمة
AI Native 产品方法论——流程重构与任务设计的实操 Skill。 用户提供产品形态建议，Skill 自动执行流程重构设计： 任务拆解 → 人机协作模式选择 → 工作流设计 → 节点标注 → 验证与迭代 → 输出流程重构方案。 基于《AI Native 产品方法论》第08章（试验展开-流程重构与任务设计）。
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 | p2c-process-redesign |
| description | AI Native 产品方法论——流程重构与任务设计的实操 Skill。 用户提供产品形态建议，Skill 自动执行流程重构设计： 任务拆解 → 人机协作模式选择 → 工作流设计 → 节点标注 → 验证与迭代 → 输出流程重构方案。 基于《AI Native 产品方法论》第08章（试验展开-流程重构与任务设计）。 |
| tags | ["ai-product","methodology","workflow-design","human-ai-collaboration","task-design","book-skill"] |
| author | Max |
| source_book | AI Native 产品方法论 |
| source_chapter | 第08章 试验展开-流程重构与任务设计 |
| version | 1 |
| stage | p2c |
| homepage | https://github.com/gmaxxxie/ai-native-product-agent-skills/tree/main/skills/p2c-process-redesign |
| 场景特征 | 推荐模式 | 说明 |
|---|---|---|
| 高风险、不可逆 | 人在回路中 | 每个关键动作需人确认 |
| 中风险、可监控 | 人在监督中 | AI 执行，人监控，可随时干预 |
| 低风险、边界清晰 | 自主模式 | AI 在规则内自动执行 |
| 高频率、低价值 | 批量自动化 | 定时批量处理，无需实时监控 |
把完整任务拆解为原子子任务：
完整任务
→ 子任务1（高重复、AI可做）→ 自动化
→ 子任务2（中风险、AI辅助）→ Copilot
→ 子任务3（高责任、人为主）→ 人工
→ 子任务4（边界不清、待验证）→ 实验
| 子任务 | 模式 | 判断理由 |
|---|---|---|
| 信息召回 | AI 自主 | 高频、标准化、无风险 |
| 规则解释 | AI 辅助（Copilot） | 中等风险，需人确认 |
| 风险判断 | 人在回路中 | 高风险、不可逆 |
| 客户沟通 | 人工 | 高同理心需求 |
在流程图上标注关键节点：
在真实工作流中测试：
"客服 Copilot 已确定 Copilot 形态，需要设计具体工作流程"
任务拆解（客服工单处理）:
1. 读取工单信息 → AI自主 ✅
2. 查询订单状态 → AI自主 ✅
3. 召回相关规则 → AI辅助（Copilot）🔶
4. 生成回复建议 → AI辅助🔶
5. 风险标记 → AI辅助🔶
6. 客服确认 → 人工 ✅
7. 发送回复 → 人工 ✅
8. 异常升级 → 人工+AI协助 ⚠️
人机协作矩阵:
| 子任务 | 模式 | 边界 |
|--------|------|------|
| 信息读取 | AI自主 | 无需边界 |
| 规则召回 | Copilot | 高置信度自动推荐 |
| 回复生成 | Copilot | 涉及退款需人工 |
| 风险标记 | AI辅助 | 标记但不拦截 |
| 人工确认 | 人在回路 | 所有高风险项必须确认 |
回退机制:
- AI无响应 → 自动转纯人工流程
- 风险标记>2项 → 强制人工审核
- 会话超过5轮 → 提示转接人工
- 情绪检测异常 → 直接转人工
验证计划:
- 影子验证2周，记录各节点人工介入率
- 目标：信息读取自主率>95%，人工确认集中在风险节点
基于书稿第08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 6 步：
"客服 Copilot 已确定 Copilot 形态，需要设计具体工作流程。当前流程是客服读工单、查订单、查物流、翻政策、组织回复、发送。"
任务拆解（客服工单处理）:
1. 读取工单信息
特征: 高重复、无风险、标准化
模式: AI 自主 ✅
2. 查询订单状态
特征: 高重复、无风险、系统调用
模式: AI 自主 ✅
3. 查询物流状态
特征: 高重复、无风险、系统调用
模式: AI 自主 ✅
4. 召回相关规则
特征: 中等风险、需匹配准确性
模式: AI 辅助（Copilot）🔶
5. 生成回复建议
特征: 中等风险、需上下文理解
模式: AI 辅助（Copilot）🔶
6. 风险标记
特征: 高重要性、不能漏过
模式: AI 辅助（标记但不拦截）🔶
7. 客服确认与编辑
特征: 高责任、需判断力
模式: 人在回路中 🔴
8. 发送回复
特征: 不可逆、需最终确认
模式: 人工 ✅
9. 异常升级
特征: 高复杂度、需同理心
模式: 人工 + AI 协助 ⚠️
人机协作矩阵:
| 子任务 | 模式 | 边界 | 上下文需求 |
|--------|------|------|-----------|
| 工单读取 | AI 自主 | 无 | 工单内容 |
| 订单查询 | AI 自主 | 无 | 订单号 |
| 物流查询 | AI 自主 | 无 | 物流单号 |
| 规则召回 | Copilot | 高置信度自动推荐，低置信度标记 | 工单类型+客户历史 |
| 回复生成 | Copilot | 查询类可直接生成，退款类需标记 | 全部上下文 |
| 风险标记 | AI 辅助 | 标记但不拦截（人工做最终判断） | 风险规则库 |
| 人工确认 | 人在回路 | 所有高风险项必须确认 | AI 生成的全部建议 |
| 发送回复 | 人工 | 最终不可逆动作 | 确认后的内容 |
| 异常升级 | 人工+AI | AI 提供摘要，人工做判断 | 会话全程记录 |
流程节点图:
🟢 工单进入 → 🟢 AI 读取工单 → 🟢 AI 查询订单/物流
→ 🟡 AI 召回规则+生成回复 → 🟡 AI 风险标记
→ 🔴 客服确认/编辑 → 🔴 发送回复
→ ⚫ 异常时: 转人工升级
回退机制:
- AI 无响应（> 5秒）→ 自动切回纯人工流程
- 风险标记 > 2 项 → 强制人工逐项审核
- 会话超过 5 轮未解决 → 提示转接高级客服
- 情绪检测异常（愤怒/投诉倾向）→ 直接转人工
- 连续 3 次 AI 建议被标记不准确 → 暂停该场景 AI 辅助
最小检查表验证:
✅ AI 承担角色: 协同执行者（Copilot）
✅ 触发节点: 工单进入由系统触发，确认由人触发
✅ AI 所需上下文: 工单内容、订单状态、物流状态、规则库、客户历史
✅ 失败接管: 纯人工流程（降级路径已设计）
✅ 输出处理: 查询类可直接使用，回复类必须人工确认
验证计划:
- 影子验证 2 周，记录各节点人工介入率
- 目标: 信息读取自主率 > 95%，人工确认集中在风险节点
- 迭代: 根据影子验证结果调整哪些节点可以提升自动化程度
"运维告警分析已确定混合形态（自动流程+工作台+Copilot），需要设计具体工作流程。当前流程是告警触发、运维查看、手动查日志、人工判断、执行修复。"
任务拆解（运维告警处理）:
1. 告警接收与分类
特征: 高重复、无风险、模式明确
模式: AI 自主 ✅
2. 告警聚合（去重+分组）
特征: 高重复、低风险、模式明确
模式: AI 自主 ✅
3. 误报识别
特征: 中风险、需一定判断
模式: AI 辅助（自动标记+人工批量审核）🔶
4. 单一故障根因分析
特征: 中高风险、需准确性
模式: Copilot（AI 分析+人工确认）🔶
5. 复合故障关联分析
特征: 高风险、需经验判断
模式: 人在回路中（AI 建议+人工判断）🔴
6. 处理建议生成
特征: 中风险、需上下文
模式: Copilot 🔶
7. 执行修复操作
特征: 不可逆、高风险
模式: 人在回路中（人工确认后执行）🔴
8. 修复验证
特征: 需系统确认
模式: AI 自主（自动检测）+ 人工确认 ✅🔴
9. 复盘与知识沉淀
特征: 低风险、高价值
模式: AI 辅助（自动生成复盘草稿）🔶
人机协作矩阵:
| 子任务 | 模式 | 边界 | 上下文需求 |
|--------|------|------|-----------|
| 告警接收 | AI 自主 | 无 | 告警源+时间戳 |
| 告警聚合 | AI 自主 | 无 | 历史告警模式 |
| 误报识别 | AI+审核 | 标记疑似误报，人工批量确认 | 历史误报模式 |
| 单一根因 | Copilot | Top-3 候选+置信度，人工选择 | 告警上下文+日志+架构 |
| 复合故障 | 人在回路 | AI 提供关联分析，人工做最终判断 | 跨系统日志+拓扑 |
| 处理建议 | Copilot | 已知故障自动匹配，未知故障人工确认 | 知识库+历史处理记录 |
| 执行修复 | 人在回路 | 人工确认后执行，AI 预检影响范围 | 变更管理系统 |
| 修复验证 | AI+确认 | AI 自动检测恢复，人工最终确认 | 监控指标 |
| 复盘沉淀 | AI 辅助 | AI 生成草稿，人工审核入库 | 全程处理记录 |
流程节点图（分层）:
低风险路径:
🟢 告警进入 → 🟢 AI 分类+聚合 → 🟢 AI 误报标记
→ 🟡 批量人工审核误报 → 🟢 已知故障自动匹配处理建议
中风险路径:
🟢 告警进入 → 🟡 AI 根因分析 → 🔴 运维确认根因
→ 🟡 AI 处理建议 → 🔴 运维确认+执行
高风险路径:
🟢 告警进入 → 🟡 AI 关联分析 → 🔴 运维判断
→ 🔴 人工制定方案 → 🔴 人工执行 → 🔴 验证确认
回退机制:
- AI 根因分析置信度 < 60% → 提示"建议人工排查"，不展示自动结果
- 连续 3 次根因判断被标记不准确 → 暂停该类型告警的 AI 分析
- 复合故障自动降级为 Copilot 模式（仅建议不执行）
- 修复操作影响范围 > 预设阈值 → 强制人工审批
- AI 分析延迟 > 30秒 → 跳过 AI 直接人工处理
最小检查表验证:
✅ AI 承担角色: 低风险自主执行者，中风险协同执行者，高风险建议者
✅ 触发节点: 告警由系统触发，修复由人触发
✅ AI 所需上下文: 告警数据+日志+架构拓扑+历史处理记录+知识库
✅ 失败接管: 人工全流程处理（低风险也能秒级降级）
✅ 输出处理: 聚合和误报标记可自动使用，根因和修复必须人工确认
验证计划:
- 影子验证 3 周（运维场景更保守）
- 第 1 周: 仅低风险路径（告警聚合+误报标记）
- 第 2 周: +中风险路径（单一根因分析）
- 第 3 周: +高风险路径（复合故障 Copilot）
- 目标: 告警聚合自主率 > 98%，根因分析采纳率 > 65%，人工确认集中在修复执行节点