Menu
人的不可替代性——美感作为护城河、标准进化、人的核心优势
Install with Codex or Claude Copy this prompt, paste it into Codex, Claude, or another assistant, and let it review the skill page and install it for you.
Based on SOC occupation classification
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 | p14e-beauty-human-edge |
| description | 人的不可替代性——美感作为护城河、标准进化、人的核心优势 |
| 字段 | 说明 |
|---|---|
| ai_capability_gap | AI在哪些方面已接近或超过人 |
| personal_strengths | 个人独特优势 |
| long_term_goal | 长期职业/业务目标 |
以前的价值分配：会做=有价值，做得快=更有价值，做得好=最有有价值。现在的价值分配正在改变：会做=基本门槛（AI也会做），做得快=AI更快，做得好=取决于你能不能判断什么叫"好"。
真正的分水岭不再是执行能力，而是判断能力。以前客户找设计师是因为他能把东西做出来，现在客户找他是因为他能从一堆AI生成的方案里选出最成立的那个，并且能说清楚为什么。这个转变的核心：真正值钱的从来不是技术本身，而是知道什么值得做、什么值得留下的判断力。
AI擅长替代的：可重复的执行（同样的任务做一百次不累不降质）、已知模板的复现（把已有风格快速复现）、大量变体的生成（一次几十个版本）、通用解法的提供（常见问题的"差不多对"答案）。这些能力的价格正在快速下降。
人真正难被替代的：
在AI时代，单一作品、表面风格、prompt技巧、一次性成功案例的复制成本正在快速降低。但以下东西难以被复制：审美标准（你对"够好"的定义是内化的）、判断的敏感度（能感知什么时候好东西开始变平庸）、持续产出高水准的能力、对深层逻辑的理解、对人和文化的理解。
标准是内化的判断系统，不是外显的规则集。别人可以看到你选了什么，但很难理解你为什么选这个而不选那个。而且标准是动态的——你今天学会了他的标准，明天他的标准可能已经往前走了。
美感从来不是孤立的形式判断，而是深深嵌入在文化、语境、共同经验和人类感受结构之中。什么是"高级"在不同文化里定义完全不同；什么是"俗"也是文化定义的。AI可以学习某种文化里的"高级"长什么样，但很难真正理解为什么这种形式在这个文化里被认为是高级的。
人类的感受结构——身体经验、社会经验、文化浸润、生命历程——是AI目前无法真正拥有的。AI不知道什么叫"累了一天之后回到家的放松"，不知道什么叫"被理解的轻松"。这些感受不是数据可以给出的，而是需要真正活过才能拥有。
AI的进化依赖训练数据更新，需要大量新数据和时间。人的进化可以是即时的——今天看到一个新作品，感受到一种新可能性，明天就可以融入判断系统。而且人可以从非常少的样本里学习（小样本学习），可以跨领域学习（从电影学叙事节奏用在品牌视频里）。
AI追的是已有答案，人可以改写题目。五年前"高级感"意味着深色调低饱和度，AI学会了这种风格。但当这种风格变得随处可见，它就不再是高级感。有判断力的人会说：现在的高级感是另一种东西。AI会学习这个新模式，但等它学会时，标准又变了。人不是和AI在同一条跑道上赛跑，而是在不断移动终点线。
"以前客户找他，是因为他能把东西做出来。现在客户找他，是因为他能从一堆AI生成的方案里，选出最成立的那个，并且能说清楚为什么。" ——《AI Beauty》第8章
以前的价值分配：会做=有价值，做得快=更有价值，做得好=最有价值。现在的价值分配正在改变：会做=基本门槛（AI也会做），做得快=AI更快，做得好=取决于你能不能判断什么叫"好"。真正的分水岭不再是执行能力，而是判断能力。这个转变一开始让人不安，因为感觉技术优势在被削弱。但真正值钱的从来不是技术本身，而是知道什么值得做、什么值得留下的判断力。
应用：在能力对比中，帮助用户把"我的价值"从"我能做出来"重新定义为"我能判断什么值得做"。如果用户的核心焦虑是"被替代"，应从判断力的角度重建信心——你的判断力不是被削弱了，而是变得更加稀缺。
"这不是人和AI在同一条跑道上赛跑，而是人在不断移动终点线。" ——《AI Beauty》第9章
AI的进化依赖训练数据更新，需要大量新数据和时间。人的进化可以是即时的——今天看到一个新作品，感受到一种新可能性，明天就可以融入判断系统。五年前"高级感"意味着深色调低饱和度，AI学会了这种风格。但当这种风格变得随处可见，它就不再是高级感。有判断力的人会说：现在的高级感是另一种东西。AI会学习这个新模式，但等它学会时，标准又变了。
应用：在护城河设计中，强调"进化速度"而非"当前水平"。让用户建立定期回顾习惯：每3个月问自己"如果现在重新做，我会怎么做"——如果答案和3个月前不同，说明标准在提高。标准的提高速度就是护城河的深度。
"AI可以学习某种文化里的'高级'长什么样，但它很难真正理解为什么这种形式在这个文化里被认为是高级的。" ——《AI Beauty》第11章
美感从来不是孤立的形式判断，而是深深嵌入在文化、语境、共同经验和人类感受结构之中。什么是"高级"在不同文化里定义完全不同；什么是"俗"也是文化定义的。人类的感受结构——身体经验、社会经验、文化浸润、生命历程——是AI目前无法真正拥有的。AI不知道什么叫"累了一天之后回到家的放松"，不知道什么叫"被理解的轻松"。这些感受不是数据可以给出的，而是需要真正活过才能拥有。
应用：在优势聚焦中，帮助用户识别自己的"文化理解优势"——你对哪些文化/群体有深度理解？你对哪些情绪有特别准确的感知？这些来自真实生活经验的理解，是AI本质上无法替代的。
建立清晰的能力对比框架：
输出：能力对比矩阵，含威胁评估。
帮助用户识别和语言化自己的审美标准：
输出：个人审美标准文档。
识别用户的核心不可替代领域：
输出：个人优势地图。
设计个人护城河：
输出：护城河设计方案。
建立持续进化机制：
输出：持续进化计划和检查清单。
场景：一个设计师担心被AI替代，想找到自己的不可替代价值。
执行过程：
步骤1 - 能力对比：
AI的强项（威胁）：
- 生成速度：1分钟生成50张 → 我1天做5张
- 风格复现：给参考就能生成类似风格 → 我需要研究+练习
- 变体生成：一次出大量版本 → 我只能出2-3个方案
人的强项（机会）：
- 标准定义：我知道这个品牌"对"的样子是什么 → AI不知道
- 选择判断：50张里我能选出最成立的那1张 → AI选不准
- 品牌气质：我能感知"不像我们" → AI只能感知"好看不好看"
- 文化理解：我知道这个受众对什么有警觉 → AI只能学表面模式
- 情感准确：我知道什么会让人感到"被理解" → AI只能模拟情感
威胁评估：执行层面正在被替代，判断层面安全
步骤2 - 标准识别：
从过去一年的选择中提取标准：
反复出现的判断维度：
1. 呼吸感——信息不压迫，有留白
2. 分寸感——不过度设计，不讨好
3. 真实感——不像是模板，有温度
4. 气质匹配——"像这个品牌会做的事"
标准语言化：
"好的设计应该是：让人第一眼感到被理解，而不是被打动。
克制比华丽更难，留白比填满更需要判断。
如果一个设计需要解释'它好在哪里'，那它可能不够好。"
标准边界调整：
- 高端品牌：更克制，留白更多
- 年轻品牌：可以更活泼，但不能失去分寸
- 功能性产品：清晰优先于美感
步骤3 - 优势聚焦：
不可替代领域：
1. 品牌气质判断——10年品牌设计经验，对"像不像"有直觉
2. 受众心理——长期做用户研究，知道什么会让人感到"被理解"
3. 分寸感——知道什么时候该做减法，这是AI最难学的
4. 跨领域迁移——从电影和建筑借用叙事和空间感
步骤4 - 护城河设计：
从作品思维转向标准思维：
- 不是"做出一张好海报"，而是"建立能持续产出好海报的判断系统"
- 把判断标准写成文档，但保留核心判断力的"直觉部分"
- 每个项目结束做复盘：选择是否正确？标准是否需要更新？
进化机制：
- 每月花2小时看"让我不舒服的新设计"
- 每季度回看自己的旧作品
- 每年更新一次个人审美标准文档
输出：能力对比报告 + 个人审美标准文档 + 护城河设计方案。
场景：一个产品经理想理解为什么"美感"在AI时代比以前更重要。
执行过程：
步骤1 - 能力对比：
以前的产品经理价值：
- 需求分析：理解用户要什么 → AI可以辅助但不能替代
- 功能设计：把需求变成方案 → AI正在逼近
- 项目推进：协调资源完成目标 → 人的能力
- 质量把控：判断产品是否达标 → 取决于标准
现在的变化：
- 功能设计层面AI越来越强（生成原型、写PRD）
- 但"什么样的体验让用户感到被理解"AI判断不了
- "这个功能该不该做"比"怎么做"更重要
- 产品经理的价值从"把事情做对"转向"做对的事情"
步骤2 - 标准识别：
产品经理的美感标准：
"好的产品体验是：用户不需要学习就知道怎么用。
不是因为引导做得好，而是因为产品'懂'用户的直觉。
好的功能设计是：用户说'终于有人做了这个'。
不是因为功能多，而是因为功能准。
好的取舍是：砍掉80%的功能，只留下最核心的20%。
不是因为技术做不到，而是因为判断力告诉你'这些不需要'。"
步骤3 - 优势聚焦：
产品经理独有的不可替代能力：
1. 用户心理理解——长期做用户研究，对"什么让人感到被理解"有准确感知
2. 取舍判断——知道什么该做什么不该做，这是AI最难学的
3. 体验节奏——知道什么时候该快该慢，什么时候该给信息该留白
4. 跨功能视角——能把技术、设计、商业综合判断
美感在产品工作中的体现：
- 信息架构的秩序感 = 结构美感
- 交互流程的节奏感 = 节奏美感
- 功能设计的分寸感 = 分寸美感
- 整体体验的被理解感 = 体验美感
步骤4 - 护城河设计：
护城河策略：
1. 深化用户理解——不只做调研，还要真正和用户生活在一起
2. 锻炼取舍判断——每个功能决策都逼自己说清"为什么做/不做"
3. 建立体验标准——把对"好体验"的判断写成可复用的原则
4. 保持进化——每季度回顾：我的标准有没有在提高？
关键认知：
"产品可以被复制，标准不能。
别人可以抄你的功能，但抄不了你对'什么值得做'的判断。
这个判断，就是你的护城河。"
输出：能力对比报告 + 产品经理的审美标准文档 + 护城河设计方案。