[HINT] Download the complete skill directory including SKILL.md and all related files
| name | p13c-product-psychology |
| description | 产品心理学——用户心理模型、行为设计、动机分析 |
| stage | p13 |
| tags | ["判断力","用户心理","行为设计"] |
| source_book | 判断力与直觉力 |
| source_chapter | 第3章 产品心理学：看透看不透的 |
| version | 1.0.0 |
| 字段 | 说明 |
|---|---|
| user_behavior | 观察到的用户行为 |
| stated_intent | 用户表达的需求/意图 |
| product_context | 产品功能/场景 |
AI 冲动的典型特征：先有技术名词再找场景、先想演示效果再想真实使用、先讨论模型功能再回头补问题定义、一看到人工步骤就本能地想自动化。AI 适配性完全不同——它关心的是"AI 在这里到底是不是正确的解法"。一个问题值得解决，不代表它适合用 AI 解决。很多时候问题更适合用更清晰的流程、更少的字段、更好的默认项、更直接的规则引擎来解决，硬翻译成 AI 项目只会得到更贵、更不稳定、更难解释、更难交付的版本。
这是判断 AI 适配性最有效的一句话。如果答案是"不太存在"，那你很可能不是在解决问题，而是在给新技术找展示舞台。一个真问题即使没有 AI，也往往已经以某种成本存在很久了——它可能让人反复绕路、反复返工、反复等待、反复失误。AI 只是在这个基础上提供一种可能的更好解法，而不是凭空制造问题存在感。
判断一个问题适不适合 AI 解决的五道关：(1) 这是语言、知识或判断辅助问题吗？AI 擅长处理文本、语义、上下文和模式识别。(2) 错误代价高吗？错了会影响金钱/合规/安全/信誉的任务更适合停留在辅助层。(3) 结果可验证吗？用户能否在低成本情况下发现并纠正错误？(4) 能回退吗？用户可以撤销、改写、跳回人工吗？(5) 用户愿意把它交给 AI 吗？用户愿意交的是哪一步？
非 AI 解法不是为了证明 AI 不必要，而是为了建立比较基线。写非 AI 解法会逼你看见三件事：问题是不是其实可以被更简单地解决、AI 的真实增量到底在哪里、如果最后还是要用 AI 它应该放在任务链的哪一段。一个成熟团队不是排斥 AI，而是不允许 AI 逃避比较。
(1) 信息理解类：邮件理解、工单分类、文档摘要、关键信息提取。(2) 内容生成类：回复草稿、话术、报告初稿。(3) 知识检索与问答类：查制度、查产品知识、查 SOP。(4) 决策辅助类：优先级建议、风险提示、审核建议。(5) 多步流程执行类：收到消息→分类→查知识库→生成回复→写回系统。高频、重复、非结构化、依赖语义理解、容错适中、能写回闭环的任务最值得优先 AI 化。
"非AI解法不是为了证明AI不必要，而是为了建立比较基线。你只有知道不用AI时能做到什么程度，才知道AI带来的增量到底值不值。" ——书稿第3章
写非AI解法会逼你看见三件事：问题是不是其实可以被更简单地解决、AI的真实增量到底在哪里、如果最后还是要用AI它应该放在任务链的哪一段。很多时候问题更适合用更清晰的流程、更少的字段、更好的默认项来解决，硬翻译成AI项目只会得到更贵、更不稳定、更难解释的版本。应用：对每个候选AI方向，先写一版非AI解法。如果非AI解法能解决八成问题，那AI的增量价值就需要非常明确才能证明引入的合理性。
"一个输出就算不完美，只要容易校验，问题通常都还可控。一个输出如果很难校验，就算看起来很聪明，也可能根本不适合进入真实流程。" ——书稿第3章
可验证性决定的不是模型好不好，而是人能不能在系统里稳稳地接住它。AI帮你总结会议，你能对照录音检查——可验证。AI给你"很像专家判断"的结论，使用者很难独立验证——风险完全不同。应用：对每个AI功能问一个实用问题——"如果AI给出错误结果，使用者能否在低成本、低门槛的情况下发现并纠正？"如果不能，这类问题就不适合轻易AI化，至少不能直接做成默认自动流程。
"用户愿意让AI帮自己起草，不代表愿意让AI直接发送。愿意让AI提醒，不代表愿意让AI拍板。" ——书稿第3章
绝大多数任务不是"全交"或"全不交"，而是分段交。如果把任务粗暴理解成"用户愿不愿意让AI做"，就会错过真正的采用机会——用户也许不愿意全交，但非常愿意把某一段交出来。判断AI适配性，最终要落到任务链上逐段判断。应用：把目标任务拆成连续步骤，逐段评估：用户在这一步愿不愿意交？错误后果有多重？用户有没有控制权？找到用户最愿意先交出的那一段，作为托付入口。
拿到一个 AI 方向后，先问"如果没有 AI，这个问题还存在吗"。如果答案是不太存在，停下来——你可能是在给新技术找舞台。如果存在，继续看传统解法做到什么程度、痛点在哪里。
写一版非 AI 解法：用更清晰的产品设计、规则引擎、流程优化、默认项改善能做到什么程度。如果非 AI 解法能解决八成问题，那 AI 的增量价值就需要非常明确才能证明引入的合理性。
逐问评估：(1) 是否语言/知识/判断辅助问题？(2) 错误代价有多高？(3) 结果可验证吗？(4) 能回退吗？(5) 用户愿意交的是哪一步？如果五问中有两三项明显危险，就要非常克制。
把问题拆成任务链，逐段判断哪些适合 AI、哪些适合规则引擎、哪些适合流程优化、哪些适合人工。AI 应该放在任务链的哪一段，而不是覆盖整条链。
对候选 AI 任务做快速筛选：频率高不高、重复性强不强、是否涉及非结构化信息、是否依赖人工经验判断但规则难写清、容错率高不高、能不能接进系统形成闭环。六项全过才是高优先级。
场景：企业内部协作产品，很多客户反馈报销单据提交过程很慢，补充材料来回很多。团队提议做"AI 报销助手"。
诊断过程：
场景：团队有三个 AI 功能候选方向，需要快速筛出最值得做的。
| 维度 | 智能客服回复 | AI 周报生成 | AI 审批判断 |
|---|---|---|---|
| 频率高不高 | ✅ 每天数十次 | ⚠️ 每周一次 | ⚠️ 不定 |
| 重复性强不强 | ✅ 高度重复 | ✅ 模板性强 | ❌ 每次差异大 |
| 非结构化信息 | ✅ 客户消息 | ✅ 会议/数据 | ⚠️ 部分 |
| 规则难写清 | ✅ 需理解语义 | ⚠️ 有模板可循 | ❌ 规则明确 |
| 容错率 | ✅ 可人工审核 | ✅ 可修改 | ❌ 错误代价高 |
| 能接系统闭环 | ✅ 写回 CRM | ✅ 发到群/邮件 | ⚠️ 需权限对接 |
| 结论 | 最值得做 | 适合嵌入 | 不适合 AI 化 |
分析：智能客服回复六项全过，是高优先级。AI 周报生成适合嵌入现有工具而非独立产品。AI 审批判断错误代价高、规则明确，更适合规则引擎。
固定字段校验、简单审批流转、确定公式计算、固定条件触发通知。这类任务更适合规则引擎、普通工作流或 RPA。不是 AI 做不了，而是没必要——会引入更高成本和更高不稳定性，却不一定换来真正增量。
财务打款最终审批、法务最终结论、医疗诊断结论、强合规风控判罚、核心权限开通关闭。AI 可以参与辅助，但不适合全自动拍板。因为真正稀缺的不是"先给个答案"，而是责任边界和后果承接。
如果流程天天在变、没有标准输入、没有清晰输出、连业务方自己都说不清目标，就不适合一上来做自动化。很多团队误以为是 AI 不够强，实际上是流程自己还没被整理到可以被自动化的程度。
| 维度 | 高适配 | 低适配 |
|---|---|---|
| 任务类型 | 语言/知识/判断辅助 | 纯规则/物理操作/情感沟通 |
| 信息结构 | 非结构化、语义密集 | 结构化、公式化 |
| 错误代价 | 低到中等（可纠正） | 高（影响合规/安全/信誉） |
| 结果可验证 | 容易对照原文/事实 | 难以独立验证 |
| 回退成本 | 低（可撤销/改写） | 高（不可逆/扩散） |
| 用户意愿 | 愿意让 AI 先起草 | 不愿交出任何判断 |
| 频率 | 高频重复 | 低频一次性 |
| 人工现状 | 人工耗时且规则难写清 | 人工已高效或规则明确 |
回看你最近最想做的一个 AI 功能，写下这六句话：
把这六句话写清楚，你通常会看到两种结果中的一种。
要么你确认了：这确实是个适合 AI 的问题。
要么你终于看清：你原来想做的，其实只是一个被 AI 包装得很好看的旧问题。
错误代价是 AI 适配性判断中最容易被低估的一问。
| 等级 | 定义 | 典型场景 | AI 进入策略 |
|---|---|---|---|
| 极低 | 多花几分钟，可快速纠正 | 文案润色、格式调整 | 可全自动 |
| 低 | 多一轮确认，不影响业务 | 邮件起草、会议摘要 | AI 先做，人审核 |
| 中 | 影响效率或体验，可回退 | 客服回复、工单分类 | AI 建议，人确认 |
| 高 | 影响金钱/客户关系/合规 | 合同审核、风险评估 | AI 辅助，人决策 |
| 极高 | 影响安全/法律/核心权限 | 财务打款、医疗诊断 | AI 仅供参考 |
即使错误代价不低，也可以通过设计容错空间来降低风险：
| 高频信号 | 低频信号 |
|---|---|
| 每天发生多次 | 每月偶尔发生 |
| 影响大部分用户 | 只影响少数场景 |
| 是核心工作流的一部分 | 是边缘场景 |
| 高重复信号 | 低重复信号 |
|---|---|
| 客服常见问题 | 每次内容差异大 |
| 定期报表 | 涉及创意判断 |
| 固定格式的输入 | 输入高度非标准化 |
| 适合 AI | 不适合 AI |
|---|---|
| 自然语言文本 | 结构化数据 |
| 语音、图片 | 固定格式表单 |
| 邮件、聊天记录 | 数字计算 |
| 文档、报告 | 布尔判断 |
| 难写清（适合 AI） | 容易写清（适合规则引擎） |
|---|---|
| 理解客户意图 | 字段格式校验 |
| 判断邮件重要性 | 审批流程流转 |
| 提炼文档重点 | 权限判断 |
| 识别情感倾向 | 固定条件触发 |
| 高容错（适合 AI） | 低容错（需谨慎） |
|---|---|
| 草稿生成 | 财务审批 |
| 信息摘要 | 合同签署 |
| 分类建议 | 权限变更 |
| 探索性搜索 | 合规判断 |
| 能闭环 | 不能闭环 |
|---|---|
| API 写回 CRM | 只能展示不能操作 |
| webhook 触发后续流程 | 结果需要人工搬运 |
| 自动更新数据库 | 无法接入现有系统 |
| 维度 | 评估 | 说明 |
|---|---|---|
| 频率 | ✅ 高 | 每天数十到数百次 |
| 重复 | ✅ 高 | 80% 是常见问题 |
| 非结构化 | ✅ 是 | 客户消息是自然语言 |
| 规则难写清 | ✅ 是 | 需要理解语义和上下文 |
| 容错 | ✅ 可控 | 可人工审核后发送 |
| 闭环 | ✅ 能 | 可写回客服系统 |
| 结论 | 高适配 | 六维全过，值得优先做 |
| 维度 | 评估 | 说明 |
|---|---|---|
| 频率 | ⚠️ 中 | 不定，取决于业务量 |
| 重复 | ❌ 低 | 每次情况差异大 |
| 非结构化 | ⚠️ 部分 | 有结构化字段也有文本 |
| 规则难写清 | ❌ 否 | 规则相对明确 |
| 容错 | ❌ 低 | 错误代价高 |
| 闭环 | ⚠️ 需对接 | 需要权限系统配合 |
| 结论 | 低适配 | 多项不过，适合规则引擎 |
| 维度 | 评估 | 说明 |
|---|---|---|
| 频率 | ✅ 高 | 员工/客户每天查询 |
| 重复 | ✅ 高 | 问题有规律可循 |
| 非结构化 | ✅ 是 | 知识文档是非结构化的 |
| 规则难写清 | ✅ 是 | 需要理解语义匹配 |
| 容错 | ✅ 可控 | 可标注来源、可人工纠正 |
| 闭环 | ✅ 能 | 可接入 IM/工单系统 |
| 结论 | 高适配 | 六维全过，适合 RAG 方案 |
将复杂场景拆成任务链，逐段判断 AI 适配性：
收到客户消息
→ 意图识别 [AI: 高适配]
→ 情绪判断 [AI: 高适配]
→ 查询知识库 [AI+规则: 混合适配]
→ 生成回复草稿 [AI: 高适配]
→ 审核回复 [人: 必须]
→ 发送回复 [规则: 按风险等级决定]
→ 更新客户记录 [规则: 自动写入]
会议结束
→ 整理会议笔记 [AI: 高适配]
→ 提取关键承诺 [AI: 高适配]
→ 生成跟进邮件 [AI: 高适配]
→ 审核邮件 [人: 必须]
→ 发送邮件 [规则: 自动发送]
→ 更新 CRM [规则: API 写入]
→ 设置提醒 [规则: 自动触发]
| 任务类型 | 典型场景 | AI 适配度 | 关键风险 |
|---|---|---|---|
| 信息理解 | 邮件分类、文档摘要 | 高 | 误分类 |
| 内容生成 | 文案、报告、话术 | 高 | 质量不稳定 |
| 知识问答 | 制度查询、产品知识 | 高 | 幻觉 |
| 决策辅助 | 优先级建议、风险提示 | 中 | 被误信 |
| 多步流程 | 自动化工作流 | 中 | 链路断裂 |
| 固定规则 | 字段校验、审批流转 | 低 | 不如规则引擎 |
| 高风险判断 | 财务审批、医疗诊断 | 极低 | 错误代价极高 |