菜单
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
用 Codex 或 Claude 帮你安装 复制这段 Prompt，粘贴到 Codex、Claude 或其他助手里，让它检查 Skill 页面并帮你完成安装。
基于 SOC 职业分类
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 | p12a-contemplation-right-speech |
| description | 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 |
| stage | planning |
| tags | ["正语","语言清洗","沟通清晰","纪要质量"] |
| source_book | 观照 |
| source_chapter | 第5章 正语 |
| version | 1.0.0 |
| 字段 | 说明 |
|---|---|
| text_to_cleanse | 需要清洗的文本（会议纪要/邮件/需求文档） |
| communication_context | 沟通场景和受众 |
| communication_purpose | 沟通目的（说服/同步/决策/汇报） |
"一句话如果太顺、太熟、太像共识，人就很容易停止追问。可一旦追问停止，语言就会从表达工具，变成判断替身。它帮团队压缩复杂性，替人稀释责任，替组织把真正难受的问题改写成一个更体面、更好汇报、更容易继续推进的说法。"
书稿在第五章以"市场还没准备好"这个经典话术为例，展示了语言如何替团队决定什么该继续看、什么可以先不看。同一句"市场还没准备好"背后可能藏着四个完全不同的问题：产品价值主张不清、价格不匹配、客户选错、替代方案太强。可过去几个月，团队一直用这一句话把所有差异压成同一种解释，然后沿着最省力的一条路继续往前走。语言的危险不在于它百分之百错误，而在于它过早结束了理解。
在产品复盘中，正语要求把高频套话翻译成具体命题。"市场还没准备好"应该被追问：到底是价值主张不清、价格不匹配、还是我们选错了客户？"资源不足"应该被追问：是什么资源不足？人力、时间、还是判断力？翻译的过程就是把藏起来的假设重新拉出来。语言一具体，判断才有机会具体；语言一诚实，组织才有机会真正诚实。
"很多组织里的误判，并不是因为没人看到事实，而是因为事实一进入集体表达，就被熟练地重新命名了。命名一变，责任位置也变了，行动方向也变了。"
书稿强调将团队陈述拆分为原始观察、解释和判断三个层次的重要性。"用户在某一步停留很久"是观察，"我们推测他是因为流程复杂"是解释，"因此应优先优化流程"是判断。三层混在一起，组织就容易把解释直接当事实。AI 时代这种危险更大——几秒钟就能生成结构完整、逻辑顺滑的"总结"，看起来特别像共识，特别适合直接贴进汇报材料，可越是顺滑越可能把关键信号磨平。
在产品分析中，正语要求对每句陈述标注为观察（O）/ 解释（E）/ 判断（J），检查是否有解释被直接当成了事实。当 AI 从访谈中提取出"效率"为高频词时，这是观察；将其总结为"核心诉求是效率"，这是 AI 的压缩版本，是解释；据此判断"应优先做自动化功能"，这是基于不完整解释的策略选择。三条线必须并行——访谈原话 / AI 总结 / 人的判断，不能让 AI 总结直接盖过原始材料里那些更含混但可能更真实的信号。
"一个组织的语言质量，决定了它的问题质量。问题质量，又决定了后面的策略质量、产品质量和协作质量。所以正语本质上不是沟通技巧，而是一种组织认知能力。"
书稿将正语定位为一种组织认知能力，而非沟通技巧。团队不是先想错，而是常常先说错——语言一旦失真，判断就很难不跟着失真。"先把功能做完再看"将复杂问题简化为执行节奏问题；"数据说明一切"把人的判断藏到数据后面；"大家已经对齐了"把理解差异改写成表面一致。这些说法过早结束了理解，让团队以为问题已经被说清楚，实际上只是被说顺了。
在产品协作中，正语要求建立常态化的语言体检机制。不要只问"大家都对齐了吗"，而要让关键角色各自复述：我理解的问题是什么、目标是什么、我的动作是什么。很多伪共识只有在复述时才会露出来。同时给"不舒服但真实的话"留位置——"我们是不是在自欺欺人？""这个数据可能说明不了我们想说明的事。"真正重要的信号往往就是这样出现的。AI 时代语言体面化更快，更需要持续觉察。
某 B2B SaaS 产品付费转化起不来，试用用户不少，演示反馈不差，销售每次回来都说"客户觉得方向是对的"，可走到付费环节数据就是抬不起来。复盘会上大家来说去最多的一句话是"市场还没准备好"。
text_to_cleanse: "市场还没准备好。我们需要继续做市场教育，等待更成熟的客户，争取先熬过这个阶段。"
communication_context: "季度复盘会，参与者包括产品、销售、运营负责人"
communication_purpose: "决策——确定下季度策略方向"
=== 语言体检报告 ===
【原文】"市场还没准备好。继续做市场教育，等待更成熟的客户。"
【问题标识】
1. "市场还没准备好" → 体面化话术。把产品/销售/定价问题改写成外部时间问题
2. "继续做市场教育" → 模糊行动。教育什么？怎么教育？谁负责？
3. "等待更成熟的客户" → 逃避性模糊。"成熟"是什么标准？
【三层分离】
- 观察：试用用户不少，演示反馈不差，付费转化率低
- 解释：市场还没准备好 → 未验证的解释，可能掩盖了四个不同问题
- 判断：应该等待 → 基于未验证解释的策略选择
【翻译后】
"市场还没准备好"背后可能藏着：
1. 产品价值主张不够清晰，用户没看懂我们到底解决什么问题
2. 价格和感知价值不匹配，用户觉得不值
3. 用户已有替代方案，切换理由不够强
4. 我们选错了客户，真正需要的人不在眼前这批线索里
【建议】
将下季度策略前提从"等待"改为"验证"：针对以上四个假设分别设计验证动作。
产品团队把 30 份用户访谈丢给 AI，AI 生成了一份总结："用户核心诉求是效率提升，建议优先优化工作流自动化功能。"团队直接把这份总结写进了产品路线图。
text_to_cleanse: "基于 30 份用户深度访谈，AI 分析得出：用户核心诉求集中在效率提升方面。建议 Q4 优先优化工作流自动化功能，预计可提升用户满意度 20%。"
communication_context: "产品规划会议，参与者包括产品、技术、设计负责人"
communication_purpose: "决策——确定 Q4 产品路线图"
=== 语言体检报告 ===
【原文】"AI 分析得出：用户核心诉求集中在效率提升。建议优先优化工作流自动化功能。"
【问题标识】
1. "AI 分析得出" → 转述幻觉。AI 的压缩重述被表述为事实发现
2. "核心诉求集中在效率提升" → 过度简化。30 份访谈的多样性被压缩成一个词
3. "预计可提升满意度 20%" → 未验证预测被表述为可预期结果
【三层分离】
- 观察：30 份访谈中"效率"被多次提及（可信）
- 解释：核心诉求是效率 → AI 压缩版本，可能遗漏信任、可控性等更难表达的信号
- 判断：应优先做自动化 → 基于不完整解释的策略选择
【转述幻觉检查】
- 访谈原话：❌ 缺失
- AI 总结：✅ 有，但被当成事实
- 人的独立判断：❌ 缺失，团队直接采用了 AI 总结
【建议】
1. 建立三条线并行：访谈原话 / AI 总结 / 人的独立判断
2. 回到原始访谈验证：除了"效率"，还有哪些更难表达但可能更关键的信号？
3. AI 总结不应直接成为路线图依据，应先标注为"待验证假设"
| 问题类型 | 典型表现 | 翻译方向 |
|---|---|---|
| 体面化话术 | "市场还没准备好" | 具体说明：价值主张不清？价格不匹配？客户选错？ |
| 模糊表述 | "可能""大概""有待商榷" | 明确程度：真的不确定 vs 其实知道但不想说 |
| 责任稀释 | "我们""团队""大家" | 具体化为：谁负责？谁决策？谁执行？ |
| 转述幻觉 | "AI 分析得出""数据显示" | 回到原始材料：原话是什么？数据的局限性是什么？ |
| 空洞术语 | "赋能""抓手""闭环""落地" | 具体化为：做了什么？改变了什么？ |