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
Instalar com Codex ou Claude Copie este prompt, cole no Codex, Claude ou outro assistente e deixe que ele revise a página da skill e instale para você.
Baseado na classificação ocupacional SOC
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。