ai-native-product-agent-skills

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

持续觉察、系统反思、判断沉淀——建立个人与团队的决策觉察力

把话说真，而不是把问题说顺——语言清洗、纪要体检、诚实表达练习

修正判断路径，而不是堆更多观点——拆解判断链，区分前提/证据/推理/情绪

把问题看准，而不是把现象说圆——三层看问题法（现象层/情境层/关系层）

先修正看法，再调用方法——默认检查、证据校验、后果追问、八种修正视角

《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

判断力元认知——理解什么是判断、识别判断的场景与类型

系统性思维——结构化分析、关系映射、反馈回路识别

产品心理学——用户心理模型、行为设计、动机分析

直觉训练——将直觉转化为可压缩的认知模型与模式识别

AI产品决策九步闭环总论——覆盖做什么、值不值得、用不用AI、做成什么、用户托付、怎么做、怎么验证、怎么卖、反馈回路

九步前半段——做什么、值不值得、用不用AI的判断框架

九步中段——做成什么形态、用户托付度、怎么做的决策框架

九步后段——怎么验证、怎么进入市场、反馈回路的决策框架

判断陷阱与认知偏误——识别常见判断错误模式及其防范策略

组织判断力——将个人判断转化为团队判断能力的系统方法

直觉进化——持续训练判断力、建立标准提升机制

《AI Beauty》全书编排器——审美主导权与美感体系化训练的路由器

美感的重新定义——生成焦虑、美感六维度、美感双轴模型

AI在审美中的角色定位——放大器/陪练器/协作者，而非审美本身

从生产美感到选择美感——选择力是新核心技能，Context决定输出上限

故事力即美感——叙事结构、情感节奏、信息架构的审美维度

人的不可替代性——美感作为护城河、标准进化、人的核心优势

美感的商业价值——市场接受度、美感溢价、体验美感、物理世界平衡

审美训练体系——系统化积累与校准审美标准、人机协作流程、标准进化机制

前言与核心命题——当一切都能生成之后，审美主导权成为核心竞争力

AI Native 产品方法论——试验展开概述的实操 Skill。 用户提供 Direction Brief，Skill 自动执行试验展开框架设计： 资料准备评估 → 三层实验体系设计 → 评估Rubric建立 → 实验节奏规划 → 输出试验展开总体方案。 基于《AI Native 产品方法论》第06章（试验展开-概述）。

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）。

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）。

AI Native 产品方法论——目标收敛与产品决策的实操 Skill。 用户提供多轮实验记录，Skill 自动执行收敛分析： 实验记录整理 → 证据对比分析 → 收敛信号识别 → 产品决策 → 输出收敛报告与决策结论。 基于《AI Native 产品方法论》第09章（试验展开-目标收敛与产品决策）。

AI Native 产品方法论——影子验证的实操 Skill。 用户提供收敛决策结论，Skill 自动执行影子验证： 影子系统设计 → 并行运行方案 → 人工对比机制 → 失败模式沉淀 → 审计放行证据 → 输出影子验证报告。 基于《AI Native 产品方法论》第10章（试验展开-影子验证）。

AI Native 产品方法论——审计放行阶段的实操 Skill。 用户提供系统构建方案，Skill 自动执行审计放行流程： 设计证据 → 评估证据 → Shadow 证据 → 放行边界判断 → go/no-go 决策 → 输出放行方案。 基于《AI Native 产品方法论》第17章。

AI Native 产品方法论——上下文工程的实操 Skill。 用户提供任务场景，Skill 自动执行上下文组织流程： 任务目标识别 → 上下文层选择 → 动态拼装 → 成本与窗口控制 → 结果校验与纠偏 → 输出上下文工程方案。 基于《AI Native 产品方法论》第14章。

AI Native 产品方法论——RAG与知识系统设计的实操 Skill。 用户提供企业知识场景，Skill 自动执行知识系统设计流程： 资料来源分析 → 清洗与脱敏 → 索引与权限控制 → 检索召回 → 评估与更新 → 输出知识系统方案。 基于《AI Native 产品方法论》第15章。