Menú
判断产品里要不要内置 AI 能力。当用户的产品想法已经过需求澄清，在决定要不要给产品加 AI 功能时使用。通过 4 个问题的决策链，15 分钟内给出"加 AI 功能 / 用规则功能 / 混合 / 不加"的结论，附判断标准与 AI 执行约束。
Instalar con Codex o Claude Copia este prompt, pégalo en Codex, Claude u otro asistente, y deja que revise la página de la skill y la instale por ti.
Basado en la clasificación ocupacional SOC
小象AI产品Builder技能包主入口。双模式：任务前路由（你的想法该用哪个 skill）+ 任务后导航（刚做完一个 skill，下一步该干什么）。帮助用户用好 AI Agent 把想法做成上线的产品，覆盖想清楚/做出来/跑起来三阶段。触发方式：/xxskill、"帮我做产品"、"我不知道从哪开始"、"下一步怎么走"。
性能优化技能。当产品在低端机卡顿、接口等待白屏、历史列表滚动掉帧、或需要优化帧循环计算、运动交互时使用。覆盖典型性能场景（含 AI 调用的流式渲染、长等待、长列表、冷启动、节流防抖）和零体验降级原则，按P0/P1/P2分级优化，输出可直接应用的参考实现。
最小后端技能。当产品需要调用 AI API（或第三方 API）但不想搞复杂后端时使用。只讲最小三件套：API 代理（隐藏 key）、key 管理、简单缓存降本。不碰微服务、不碰数据库设计。
数据中心与AI评估方法论技能。当产品的 AI 能力需要提升输出质量、用户只靠改prompt碰运气、或缺乏系统化的评估方法时使用。基于Andrew Ng的Data-Centric AI思想，建立评估集、做离线/在线评估、绑定prompt与数据版本，用数据迭代而非盲目调prompt。输出数据迭代日志。AI 按本规范维护评估集与日志，用户按判断标准判断质量好坏。
安全与合规技能。当产品收集用户数据、涉及 AI 输出内容、准备提交微信小程序审核时使用。覆盖通用合规（隐私、备案、类目资质）和 AI 专属合规（内容审核、AI 输出安全），输出上线前合规检查清单。
微信小程序数据埋点与 WeAnalysis 后台配置全流程：事件命名规范、五阶段埋点事件表、转化漏斗分析、数据驱动决策8步框架、wx.reportEvent 代码示例、批量创建JSON模板、元事件配置陷阱、AI 质量监控。主要给 AI 执行埋点规范，给人判断埋点是否覆盖核心旅程。
| name | xx-ai-feature |
| description | 判断产品里要不要内置 AI 能力。当用户的产品想法已经过需求澄清，在决定要不要给产品加 AI 功能时使用。通过 4 个问题的决策链，15 分钟内给出"加 AI 功能 / 用规则功能 / 混合 / 不加"的结论，附判断标准与 AI 执行约束。 |
不是所有产品功能都需要 AI。规则能做的别上 AI，再判断 AI 带来的价值能不能盖过成本。
帮你在 15 分钟内判断"我的产品某个功能要不要做成 AI 功能"，避免硬塞 AI 导致成本失控和体验下降。
输出一张产品 AI 能力决策卡，明确告诉你：这个功能加 AI、用规则功能、混合、还是不加 AI。
本技能面向"用自然语言提需求、看结果提优化"的用户：你不需要懂技术细节，只需按 4 个问题如实描述功能场景，AI 负责走完决策链并给出结论和风险。
AI 执行约束： 走决策链时必须按 Q1→Q2→Q3→Q4 顺序，前面问题答完能停就停，不要跳过。每个问题的"是/否"必须有场景事实支撑，不能凭感觉给结论。
按顺序回答，前面问题答完就能停。
为什么先问这个： 规则能搞定的事做成 AI 功能是过度设计，徒增成本和不确定性。
为什么问这个： AI 的本质是概率输出，做不到 100%。产品功能要 100% 准确的场景硬上 AI 就是给用户挖坑。
为什么问这个： 静默失败是 AI 产品功能最大的坑。用户不知道错了，按错的用，最后出大事。
为什么问这个： AI 每次调用都要钱。如果一个功能单次调用成本 5 分钱，但给用户只值 1 分钱价值，用一次亏一次。
怎么粗估成本： 国内主流大模型按 token 计费，输入约 0.5-2 元/百万 token，输出约 1-8 元/百万 token。一次普通调用（输入 200 字 + 输出 100 字）大约几厘到几分钱。图片生成按张计费，约 2-8 分/张。不确定就直接问 AI："我用的 XX 模型，这个功能一次调用大概多少钱？"
判断标准： 4 个问题任一答"否/慎用"且对应结论成立，就按该结论走，不要硬往下走。决策链的价值在于"早停"，不在于走完。
| 场景特征 | 例子 |
|---|---|
| 功能输入有大量长尾变化 | 客服问答、内容审核、自由文本分类 |
| 用户容忍 80-95% 准确率 | 起名建议、文案生成、中式色名命名 |
| 错误可被用户发现纠正 | 翻译润色、配色命名、代码补全 |
| 价值高到能覆盖调用成本 | 合同风险识别、医疗影像辅助、海报生成 |
| 场景特征 | 替代方案 |
|---|---|
| 功能规则可枚举、能查表 | 做成规则功能 / 查表功能 |
| 要求 100% 准确 | 规则功能 + 人工校验 |
| 调用成本 > 业务价值 | 不加 AI，或用免费方案 |
| 高频低价值（每次调用都不值） | 规则功能 + 缓存 |
开始：产品某个功能要不要做成 AI 功能
↓
Q1：规则/查表能做？
├─ 是 → 做成规则功能
└─ 否 ↓
Q2：用户容忍 <100% 准确？
├─ 否 → 做成规则功能
└─ 是 ↓
Q3：AI 出错用户能发现？
├─ 否 → 慎用 AI 功能（需强监控）
└─ 是 ↓
Q4：价值 > 成本？
├─ 否 → 不加 AI 功能
└─ 是 → 加 AI 功能
大多数真实产品是混合的：核心功能用规则保证确定性，部分环节加 AI 处理模糊和长尾。
例子：小象取色
这种分工让规则保证底线（数字、格式不能错），AI 发挥优势（理解文化语义、生成创意）。
AI 执行约束： 若结论是"混合"，必须明确写出哪部分做成 AI 功能、哪部分做成规则功能、两部分的交接点在哪。不能只说"混合"了事。
真相： 用户不关心你的产品用了什么技术，只关心能不能解决问题。规则功能能解决就用规则功能。
真相： AI 功能和规则功能是互补的。规则功能做确定性的事，AI 功能做模糊性的事。
真相： 一个小功能判断错，每次调用都浪费钱，用户量大了累积起来很贵。
真相： 你用 AI Agent 开发产品（开发 AI），不代表产品本身要内置 AI 功能（产品 AI）。记账小程序用 AI 写代码，但记账功能本身可能全是规则。
## 产品 AI 能力决策卡
### 功能
[要判断的产品功能]
### 4 个问题答案
Q1 规则能做：是/否
Q2 容忍 <100%：是/否
Q3 错误可发现：是/否
Q4 价值 > 成本：是/否
### 结论
[加 AI 功能 / 用规则功能 / 混合 / 不加]
### 如果加 AI 功能，主要风险
- 风险1：[描述] → 应对：[方案]
- 风险2：[描述] → 应对：[方案]
### 如果混合，分工
- AI 功能负责：[任务]
- 规则功能负责：[任务]
- 交接点：[在哪交接]
AI 执行约束： 决策卡中每个"是/否"必须附一句依据（场景里的什么事实支持这个判断）。结论必须和决策链结果一致，不能出现"Q2 答 100% 准确但结论是加 AI 功能"这种矛盾。
"产品某功能要不要加 AI"的结论是否可靠：
AI 执行约束： 任意一项不满足，必须明确标注"该项证据不足"，不能补全脑补。
场景： 小象取色要做"AI 中式命名"和"AI 配色方案生成"两个候选 AI 功能，分别判断要不要加。
| 问题 | 答案 | 依据 |
|---|---|---|
| Q1 规则能做？ | 否 | 输入是 Hex，但"中式色名"是开放集合无法枚举，且需结合文化语义 |
| Q2 容忍 <100%？ | 是 | 用户能一眼看出命名贴不贴，错了改一下就行，不涉及财务/合规 |
| Q3 错误可发现？ | 是 | 用户看到"故宫红"会对照实物判断，错了能立刻纠正 |
| Q4 价值 > 成本？ | 是 | 单次调用约几厘钱，用户为"高级配色/海报"付费，价值远超成本 |
结论：加 AI 功能。
主要风险与应对：
| 问题 | 答案 | 依据 |
|---|---|---|
| Q1 规则能做？ | 否 | 整套配色需审美和创意，规则枚举不出好方案 |
| Q2 容忍 <100%？ | 是 | 配色是审美判断，用户能挑能改 |
| Q3 错误可发现？ | 是 | 用户看配色丑不丑一眼判断 |
| Q4 价值 > 成本？ | 否 | 生成整套配色需多轮调用、token 多，单次成本约几角；但调研显示大多数用户只要色名就够，愿为"整套配色"付费的少，价值盖不过成本 |
结论：暂不加 AI 功能（先验证需求）。
替代方案：
同一个产品里，AI 中式命名值得加，AI 配色方案生成暂不值得——这就是混合决策。不要因为"一个功能值得加 AI"就给所有功能都上 AI，也不要因为"一个功能不值得"就否定整个产品的 AI 价值。
把你的产品功能和候选 AI 能力告诉我，我用这 4 个问题帮你逐个判断。你只需用自然语言描述功能场景，我走完决策链给出结论和风险。
对话示例：
xx-clarify 需求澄清、xx-goal 定目标后 → 用本技能判断"产品功能要不要加 AI"xx-business 理商业模式（AI 功能成本要进成本结构），再进 02-build/ 层xx-track 上线后 AI 质量监控的输入| 开发 AI（开发工具） | 产品 AI（产品功能） | |
|---|---|---|
| 是什么 | 你用 AI Agent 帮你写代码、调试、生成方案 | 你的产品内置 AI 能力，终端用户直接用 |
| 谁用 | 你（开发者） | 你的产品用户 |
| 本 skill 管不管 | 不管，始终是 AI Agent | 管，本 skill 只判断这个 |
判断标准： 区分这两个 AI，看"谁在用 AI"——是你开发时用，还是你的产品用户用。前者不讨论，后者才是本 skill 的判断对象。
AI 执行约束： 如果用户问的是"我开发这个产品要不要用 AI Agent"，明确回答"开发工具始终是 AI Agent，这不是本 skill 的范围"，然后把问题转译为"你的产品某个功能要不要做成 AI 功能"再走决策链。
举例：