// 渐进式披露清单。基于《AI时代的用户体验》渐进式披露理论， 提供 AI 产品逐步展示功能和能力的设计清单，避免一次性向用户交付过多信息。
[HINT] Download the complete skill directory including SKILL.md and all related files
| name | p8c-progressive-disclosure |
| description | 渐进式披露清单。基于《AI时代的用户体验》渐进式披露理论， 提供 AI 产品逐步展示功能和能力的设计清单，避免一次性向用户交付过多信息。 |
不要一次性把 AI 的所有能力都展示给用户，而是按照用户的成熟度逐步披露。
产品功能列表 + 用户成熟度阶段 + 核心价值路径。
示例输入：
产品: AI 数据分析工具
功能:
- 基础数据导入
- 自动图表生成
- 智能分析建议
- 高级建模
- 自定义报告
- API 接口
- 团队协作
- 自动化工作流
核心价值: 快速从数据中获得洞察
目标：让用户在 5 分钟内体验到第一个"啊哈"时刻
披露内容：
第一次价值:
features: ["最核心的 1-2 个功能"]
complexity: "极低"
setup: "零设置或自动设置"
time_to_value: "< 5 分钟"
guidance: "手把手引导"
目标：让用户掌握日常使用的核心功能
披露内容：
核心使用:
features: ["日常使用的 3-5 个功能"]
complexity: "低"
setup: "简单设置"
time_to_value: "< 30 分钟"
guidance: "上手教程 + 工具提示"
目标：让有需求的用户发现更多能力
披露内容：
高级功能:
features: ["进阶功能"]
complexity: "中"
setup: "需要一定配置"
discovery: "在用户需要时自然展示"
guidance: "高级教程 + 示例"
目标：让高级用户充分发挥 AI 潜力
披露内容：
专家模式:
features: ["全部功能"]
complexity: "高"
setup: "完全可配置"
discovery: "需要主动探索"
guidance: "文档 + 社区"
触发方式:
- 时间触发: "使用 X 天后解锁"
- 行为触发: "完成 X 次操作后解锁"
- 需求触发: "用户表达某种需求时展示"
- 上下文触发: "在特定场景下自动展示"
- 手动触发: "用户主动点击解锁"
触发时机:
- 不要在用户第一次使用时展示所有功能
- 在用户需要时展示，而不是你觉得用户需要时
- 给用户选择权："想了解更多"
- 避免弹窗干扰
progressive_disclosure_plan:
input:
product: "产品名称"
features: ["全部功能列表"]
core_value: "核心价值"
user_journey: "用户主要使用路径"
stages:
first_value:
name: "第一次价值"
features: ["第一次展示的功能"]
complexity: "极低"
setup: "零设置"
time_to_value: "< 5 分钟"
guidance: "手把手引导"
core_usage:
name: "核心使用"
features: ["核心功能"]
complexity: "低"
setup: "简单设置"
time_to_value: "< 30 分钟"
guidance: "上手教程"
advanced:
name: "高级功能"
features: ["进阶功能"]
complexity: "中"
setup: "需要配置"
discovery: "需求触发"
guidance: "高级教程"
expert:
name: "专家模式"
features: ["全部功能"]
complexity: "高"
setup: "完全可配置"
discovery: "主动探索"
guidance: "文档 + 社区"
triggers:
- type: "触发类型"
condition: "触发条件"
stage: "触发阶段"
anti_patterns:
- "避免的反模式1"
- "避免的反模式2"
metrics:
- "新手完成率"
- "功能发现率"
- "用户活跃度"
- "功能使用深度"
阶段设计：
触发机制：
定义：AI 产品的 Capability 不是二元特征（能/不能），而是概率分布——在不同条件下以不同概率完成不同质量的任务。渐进式披露的前提是理解这种概率分布。
关键点：
来源：书稿 ch06「Capability——成功率的经济学」
定义：人机控制权不是二元开关，而是连续光谱。渐进式披露的本质是让用户在控制权光谱上渐进式移动。
关键点：
来源：书稿 ch10「Control——人机交接的权力的游戏」
定义：按照用户成熟度逐步展示 AI 功能和能力，每个阶段有明确的目标、功能范围、复杂度和引导方式。
关键点：
来源：主 Skill SKILL.md「渐进式披露框架」章节
定义：决定何时向用户展示新功能或更高能力的机制，是渐进式披露的核心设计决策。
关键点：
来源：主 Skill SKILL.md「披露触发机制」章节
定义：与渐进式披露对应的是渐进式授权——随着用户信任的建立，逐步提高 AI 的自主权。这是 Control 和 Trust 的交汇点。
关键点：
来源：书稿 ch10「控制权设计的未来趋势」及案例库 Cursor 9秒删库事件
操作说明： 列出产品所有 AI 功能，按用户价值分级：哪些功能是核心价值（必须第一时间体验）、哪些是日常使用（需要尽快掌握）、哪些是进阶能力（有需求时发现）、哪些是专家功能（深度用户专用）。
输出物：
feature_value_map:
core_value: ["功能1", "功能2"] # 核心价值
daily_use: ["功能3", "功能4", "功能5"] # 日常使用
advanced: ["功能6", "功能7"] # 进阶能力
expert: ["功能8", "功能9", "功能10"] # 专家功能
操作说明： 定义用户成熟度阶段，明确每个阶段的用户特征、核心需求、能力水平和心理状态。将功能清单映射到各阶段。
输出物：
maturity_stages:
stage_1_first_value:
user_profile: "第一次使用，不了解产品"
core_need: "快速体验价值"
features_exposed: ["核心价值功能"]
complexity: "极低"
time_to_value: "< 5分钟"
stage_2_core_usage:
user_profile: "已体验价值，想深入了解"
core_need: "掌握日常使用"
features_exposed: ["核心价值功能", "日常使用功能"]
complexity: "低"
time_to_value: "< 30分钟"
stage_3_advanced:
user_profile: "熟练用户，有进阶需求"
core_need: "提升效率和深度"
features_exposed: ["全部基础功能", "进阶功能"]
complexity: "中"
stage_4_expert:
user_profile: "高级用户，追求极致"
core_need: "完全掌控，自定义"
features_exposed: ["全部功能"]
complexity: "高"
操作说明： 为每个阶段的功能解锁设计触发机制。选择合适的触发类型（时间/行为/需求/上下文/手动），定义触发条件和解锁方式。
输出物：
trigger_design:
stage_1_to_2:
trigger_type: "行为触发"
condition: "完成首次核心任务"
unlock_method: "展示功能提示条"
stage_2_to_3:
trigger_type: "行为触发"
condition: "使用5次以上 + 尝试过复杂操作"
unlock_method: "引导提示 + 功能菜单展开"
stage_3_to_4:
trigger_type: "手动触发"
condition: "用户主动点击'高级设置'"
unlock_method: "解锁全部功能 + 高级教程"
操作说明： 为每个阶段设计界面布局和信息层次：哪些元素始终可见、哪些元素渐进展示、哪些元素默认隐藏。确保每个阶段的界面复杂度与用户成熟度匹配。
输出物：
ui_layer_design:
stage_1:
layout: "简洁输入框 + 3个推荐模板"
visible: ["输入区", "结果区"]
hidden: ["高级选项", "自定义设置", "API"]
guidance: "手把手引导 + 气泡提示"
stage_2:
layout: "输入框 + 快捷操作栏"
visible: ["输入区", "结果区", "快捷操作"]
hidden: ["自定义设置", "API"]
guidance: "工具提示 + 操作建议"
stage_3:
layout: "完整工作台"
visible: ["全部基础功能", "进阶功能"]
hidden: ["API接口"]
guidance: "高级教程 + 示例"
stage_4:
layout: "完全可配置工作台"
visible: ["全部功能"]
guidance: "文档 + 社区"
操作说明： 与功能披露对应，设计 AI 自主权的渐进式授权路径。从"所有操作人工确认"逐步过渡到"仅异常人工介入"。
输出物：
progressive_authorization:
阶段1: "所有AI操作需要用户确认（当前）"
阶段2: "低风险操作自动执行，高风险需确认（达成X%准确率后）"
阶段3: "常规操作自动执行，仅异常/边界场景人工介入（长期目标）"
降级策略: "检测到异常时自动降级到上一阶段"
操作说明： 定义渐进式披露的核心验证指标，建立持续迭代机制。
输出物：
validation_metrics:
新手完成率: "完成首次价值体验的用户比例（目标>80%）"
功能发现率: "各阶段功能被发现和使用的比例"
阶段升级率: "从一个阶段升级到下一阶段的用户比例"
用户活跃度: "各阶段用户的持续使用率"
功能使用深度: "每个阶段的功能使用广度和深度"
降级触发率: "渐进式授权降级的触发频率"
场景描述： 一款面向业务分析师的 AI 数据分析工具，功能包括基础数据导入、自动图表生成、智能分析建议、高级建模、自定义报告、API 接口、团队协作、自动化工作流。新手用户打开就不知道从哪开始，老用户又觉得每次都要点好几层才能用高级功能。
用户输入：
产品: AI 数据分析工具
功能:
- 基础数据导入
- 自动图表生成
- 智能分析建议
- 高级建模
- 自定义报告
- API 接口
- 团队协作
- 自动化工作流
核心价值: 快速从数据中获得洞察
已知问题: 新用户不知道从哪开始，老用户觉得操作层级太深
执行流程：
功能价值分级：
核心价值：数据导入 + 自动图表生成
日常使用：智能分析建议 + 自定义报告
进阶能力：高级建模 + 团队协作
专家功能：API 接口 + 自动化工作流
四阶段设计：
第一次价值：上传 CSV → 自动生成一个图表（< 5分钟）
核心使用：选择图表类型、添加筛选条件、导出报告（< 30分钟）
高级功能：联合分析、趋势预测、异常检测（需求触发）
专家模式：自定义建模、API 调用、自动化工作流（手动解锁）
触发机制：
输出结果：
progressive_disclosure_plan:
product: "AI 数据分析工具"
stages:
first_value:
name: "第一次价值"
layout: "简洁输入框 + '上传数据'大按钮"
features: ["数据导入", "自动生成图表"]
time_to_value: "< 5分钟"
guidance: "手把手引导：'上传你的 CSV，30秒看到第一个洞察'"
hidden: ["图表类型选择", "筛选条件", "高级建模", "API"]
core_usage:
name: "核心使用"
layout: "输入框 + 快捷操作栏（对比/趋势/分布）"
features: ["选择图表类型", "添加筛选条件", "导出报告", "智能分析建议"]
time_to_value: "< 30分钟"
guidance: "'你可以试试把两个指标放在一起对比'"
trigger: "完成首次数据导入后自动引导"
hidden: ["高级建模", "API", "自动化工作流"]
advanced:
name: "高级功能"
layout: "完整工作台（输入+分析面板+可视化）"
features: ["联合分析", "趋势预测", "异常检测", "团队协作", "自定义报告"]
discovery: "用户试图做复杂操作时自动展示"
guidance: "高级教程 + 行业分析示例"
trigger: "使用5次以上 + 尝试过复杂操作"
hidden: ["API接口", "自动化工作流"]
expert:
name: "专家模式"
layout: "完全可配置工作台"
features: ["全部功能", "自定义建模", "API调用", "自动化工作流"]
discovery: "需要主动探索"
guidance: "API文档 + 开发者社区 + 自动化模板库"
trigger: "手动点击'高级设置'解锁"
unlock提示: "你已解锁专家模式，所有高级功能已开放"
progressive_authorization:
阶段1: "所有分析由用户手动触发"
阶段2: "常规周报自动生成，用户审核放行"
阶段3: "异常指标自动预警+根因分析推送"
metrics:
新手完成率: "上传数据并看到第一个图表的用户比例（目标>80%）"
功能发现率: "各阶段功能被使用的比例"
阶段升级率: "从新手升级到核心使用的比例"
场景描述： 设计一个 AI 客服系统的渐进式授权路径。AI 客服可以处理用户咨询，但初期表现不稳定。需要设计从"所有回复人工审核"到"仅异常人工介入"的渐进式授权路径。
用户输入：
产品: AI 客服系统
场景: 自动回复用户咨询
用户: 客服团队管理者
AI能力: 能处理 70% 的常见咨询，复杂投诉和退款仍需人工
已知问题: 管理者不敢让 AI 自动发送回复，担心出错
执行流程：
功能价值分级：
核心价值：自动检索知识库 + 生成回复建议
日常使用：自动发送低风险回复 + 工单分类
进阶能力：自动处理退款 + 投诉升级判断
专家功能：全自动化客服流程 + 质量监控
渐进式授权设计：
阶段1（当前）：所有 AI 回复由人工审核后发送
阶段2（准确率>85%后）：低风险+高置信度回复自动发送，其他仍需审核
阶段3（准确率>92%后）：常规咨询自动处理，仅异常/投诉/退款转人工
阶段4（长期目标）：全自动化 + 智能升级 + 质量自监控
降级策略：
当自动发送的回复被用户标记为"不准确"的比例超过 5% → 自动降级到上一阶段
当连续 3 天无异常 → 可考虑升级
输出结果：
progressive_disclosure_plan:
product: "AI 客服系统"
stages:
stage_1_manual_review:
name: "全人工审核"
ai_role: "建议者"
auto_actions: ["知识库检索", "回复草稿生成"]
human_actions: ["审核回复", "修改后发送", "所有决策"]
transparency: "高 - 展示AI的推理过程和引用来源"
trigger: "初始状态"
stage_2_low_risk_auto:
name: "低风险自动发送"
ai_role: "执行者（受限）"
auto_actions: ["知识库检索", "回复生成", "低风险回复自动发送"]
human_actions: ["高风险回复审核", "投诉处理", "退款审批"]
auto_threshold: "置信度>85% + 风险等级=低"
transparency: "中 - 关键决策展示解释"
trigger: "整体准确率>85% 持续30天"
fallback: "误发送率>5%自动降级"
stage_3_routine_auto:
name: "常规自动处理"
ai_role: "自主处理者"
auto_actions: ["常规咨询自动处理", "工单自动分类", "常见问题自动回复"]
human_actions: ["异常处理", "投诉升级", "退款审批"]
auto_threshold: "置信度>92% + 场景=常规"
transparency: "低 - 只在异常时展示"
trigger: "准确率>92% 持续60天 + 误发送率<2%"
fallback: "误发送率>3%自动降级"
stage_4_full_auto:
name: "全自动化"
ai_role: "智能客服"
auto_actions: ["全部客服流程", "智能升级判断", "质量自监控"]
human_actions: ["策略制定", "质量审计", "模型优化"]
trigger: "长期运营验证 + 管理者手动开启"
disclosure_design:
新功能发现: "当AI处理新类型咨询成功时，通知管理者'已学习处理XX类问题'"
能力边界展示: "明确告知管理者AI当前能处理和不能处理的场景"
升级建议: "当数据表明可以升级时，主动建议管理者升级授权等级"
degradation_strategy:
自动降级条件: "误发送率超过阈值 → 自动降级到上一阶段"
通知机制: "降级时通知管理者，说明原因和建议"
恢复条件: "连续N天无异常后，建议恢复上一阶段"
场景描述： 一款 AI 代码助手，面向不同经验水平的开发者。初级开发者需要简单的代码补全，高级开发者需要架构建议和自动化重构。需要设计从"代码补全"到"全栈 AI 开发伙伴"的渐进式披露路径。
用户输入：
产品: AI 代码助手
场景: 辅助开发者编写代码
用户: 初级到高级开发者
AI能力: 代码补全、代码审查、架构建议、自动化重构、测试生成
已知问题: 初级开发者被复杂功能吓退，高级开发者觉得操作层级太深
执行流程：
功能价值分级：
核心价值：代码补全 + 语法检查
日常使用：代码审查 + 错误检测 + 代码解释
进阶能力：架构建议 + 重构建议 + 测试生成
专家功能：自动化重构 + 自定义规则 + 团队规范配置
四阶段设计：
第一次价值：写第一行代码时自动补全（即时）
核心使用：代码审查 + 错误高亮 + 一键修复（< 1小时）
高级功能：架构建议 + 重构建议 + 测试生成（行为触发）
专家模式：自动化重构 + 自定义规则 + 团队规范（手动解锁）
触发机制：
输出结果：
progressive_disclosure_plan:
product: "AI 代码助手"
stages:
first_value:
name: "第一次价值"
features: ["代码补全", "语法高亮"]
experience: "写第一行代码时，AI 自动补全下一行"
time_to_value: "即时"
guidance: "灰色淡出文字，Tab 键确认采纳"
core_usage:
name: "核心使用"
features: ["代码审查", "错误检测", "一键修复", "代码解释"]
trigger: "安装后自动启用"
guidance: "编辑器内红色波浪线 + 悬浮提示 + 一键修复按钮"
hidden: ["架构建议", "自动化重构", "自定义规则"]
advanced:
name: "高级功能"
features: ["架构建议", "重构建议", "测试生成", "依赖分析"]
trigger: "用户多次使用'查看问题'功能后展示"
guidance: "'你的项目可能适合使用XX架构模式，点击查看建议'"
hidden: ["自动化重构", "自定义规则", "团队规范"]
expert:
name: "专家模式"
features: ["自动化重构", "自定义规则", "团队规范配置", "CI/CD集成"]
trigger: "设置中手动开启'高级功能'"
guidance: "开发者文档 + 规则配置指南 + 团队最佳实践"
control_spectrum_mapping:
first_value: "Co-pilot - AI 实时建议，用户实时采纳/忽略"
core_usage: "AI propose + Human decide - AI 提供审查结果，用户决定是否修复"
advanced: "AI propose + Human decide - AI 提供架构建议，用户决策"
expert: "可配置 - 用户可选择从 Co-pilot 到 Full AI 的任意位置"
progressive_authorization:
阶段1: "所有修改由用户确认后执行"
阶段2: "语法错误自动修复，逻辑错误需确认"
阶段3: "安全漏洞自动修复，架构变更需确认"
降级策略: "自动修复导致构建失败 → 降级到上一阶段"
## 一句判断
> 好的产品不是让用户知道你有多少功能，而是让用户在需要的时候自然地发现这些功能。