{"id":"f9589b26-38c1-4637-9898-9eb5dae7aad2","shortId":"6q6aCj","kind":"skill","title":"p0g-diversity-rewrite-checklist","tagline":"多元推荐改写清单。当团队想重写推荐系统时，最容易只在原目标函数上加一点随机。 这个 Skill 帮你避免\"看起来更多元，底层仍然单一\"。","description":"# 多元推荐改写清单\n\n## 一句话定位\n\n检查推荐系统是真正多元，还是只是\"加了点随机\"。六项检查避免假多元。\n\n## 何时触发\n\n- 计划改写推荐系统\n- 觉得当前推荐越来越窄\n- 用户反馈\"总是看到类似内容\"\n- 需要评估推荐系统的多元性\n\n## 输入\n\n当前推荐系统的目标和方案描述。\n\n**示例输入**：\n```\n产品: 知识内容平台\n目标: \"把停留时长再做高一点\"\n当前方案: 增加相似内容推荐，加一点随机探索\n```\n\n## 输出\n\n六项检查结果 + 改写建议 + 目标函数评估。\n\n## 六项检查\n\n### Check 1: 目标函数是否包含多样性或探索目标？\n\n**检测方法**：\n- 打开推荐系统的目标函数，看看除了停留时长/点击率/转化率，还有什么\n- 是否有明确的多样性指标（如内容覆盖度、主题分散度、新内容曝光率）？\n- 这些指标在优化目标中的权重是多少？\n\n**输出格式**：\n```\n目标函数多样性: [yes/no/partial]\n多样性指标: [\"列表\"]\n权重: \"多样性指标在总目标中的权重\"\n风险: \"如果没有，会发生什么\"\n```\n\n### Check 2: 用户能不能主动切换\"更开阔\"而不是\"更精准\"？\n\n**检测方法**：\n- 产品中是否有明确的\"探索模式\"或\"开阔模式\"？\n- 用户是否能主动选择\"我想看不一样的东西\"？\n- 还是只能被动接受系统给的推荐？\n\n**输出格式**：\n```\n主动切换入口: [yes/no]\n入口位置: \"在哪里\"\n默认模式: \"精准/开阔/混合\"\n用户控制感: [high/medium/low]\n```\n\n### Check 3: 系统有没有低冲突的异质内容入口？\n\n**检测方法**：\n- 推荐的\"异质内容\"是低冲突的（相关但不同视角），还是高冲突的（对立、争议）？\n- 是否有\"软过渡\"设计，让用户自然接触新主题？\n- 还是只是在熔炉里塞对立内容？\n\n**输出格式**：\n```\n异质内容类型: [low_conflict/high_conflict/mixed]\n过渡设计: [yes/no]\n接触方式: \"用户如何接触到异质内容\"\n```\n\n### Check 4: 推荐有没有连接现实世界？\n\n**检测方法**：\n- 推荐内容是否能引导用户做出现实行动？\n- 还是只是让用户在屏幕里花更多时间？\n- 是否有\"线上到线下\"的连接设计？\n\n**输出格式**：\n```\n现实连接: [yes/no/partial]\n行动引导: \"推荐是否能引导现实行动\"\n线下连接: [yes/no]\n```\n\n### Check 5: 团队有没有衡量\"新的可能性被打开\"？\n\n**检测方法**：\n- 团队的评估指标是不是只有点击率、停留时长？\n- 是否有指标衡量用户是否接触了新主题、新领域？\n- 是否有指标衡量用户的\"视野是否变宽\"？\n\n**输出格式**：\n```\n多元性指标: [yes/no]\n指标列表: [\"具体指标\"]\n评估频率: \"多久评估一次\"\n```\n\n### Check 6: 用户能不能把自己从默认推荐轨迹里拉出来？\n\n**检测方法**：\n- 用户是否能够\"重置\"或\"跳出\"当前推荐轨迹？\n- 是否有机制让用户主动表达\"我不想看这个\"？\n- 系统是否会记住用户的\"探索\"偏好？\n\n**输出格式**：\n```\n跳出机制: [yes/no]\n跳出方式: \"如何跳出\"\n用户主动权: [high/medium/low]\n系统记忆: \"是否记住探索偏好\"\n```\n\n## 综合输出格式\n\n```yaml\ndiversity_rewrite_assessment:\n  input:\n    product: \"产品名称\"\n    current_goal: \"当前目标\"\n    current_approach: \"当前方案\"\n  \n  checks:\n    check1_objective:\n      has_diversity_goal: \"yes/no\"\n      diversity_metrics: [\"指标\"]\n      weight: \"权重\"\n      risk: \"风险\"\n    \n    check2_user_control:\n      has_exploration_mode: \"yes/no\"\n      entry_point: \"入口\"\n      default_mode: \"默认模式\"\n      user_control: \"high/medium/low\"\n    \n    check3_heterogeneous_content:\n      conflict_level: \"low_conflict/high_conflict/mixed\"\n      has_transition: \"yes/no\"\n      exposure_method: \"接触方式\"\n    \n    check4_real_world:\n      has_connection: \"yes/no\"\n      action_guidance: \"行动引导\"\n      offline_link: \"yes/no\"\n    \n    check5_measurement:\n      has_diversity_metrics: \"yes/no\"\n      metrics: [\"指标\"]\n      review_frequency: \"评估频率\"\n    \n    check6_user_escape:\n      has_escape: \"yes/no\"\n      escape_method: \"跳出方式\"\n      user_agency: \"high/medium/low\"\n      system_memory: \"yes/no\"\n  \n  overall_assessment:\n    is_truly_diverse: \"yes/no/partial\"\n    fake_diversity_risk: \"high/medium/low\"\n    key_gaps: [\"关键缺口\"]\n  \n  rewrite_recommendation:\n    objective_changes: \"目标函数改写建议\"\n    ui_changes: \"界面改进建议\"\n    metric_changes: \"评估指标改进建议\"\n    priority: \"P0/P1/P2\"\n```\n\n## 快速使用法\n\n1. 填写产品、目标、当前方案\n2. 逐项过六个检查\n3. 如果超过 3 项不通过，推荐系统需要重写而不是优化\n\n## 常见误判\n\n- **加一点随机 = 多元**：随机探索不等于系统性多样性\n- **内容更杂 = 更自由**：用户可能只是被塞了更多不相关的东西\n- **点击更多 = 更好**：可能只是用户在翻找自己真正想看的\n\n## 一句判断\n\n> 多元推荐不是精度的对立面，而是对单一目标精度的修正。\n\n## 核心概念\n\n### 概念一：单一推荐的本质——围绕一个目标函数运转\n\n大多数推荐系统之所以有效，是因为目标清晰：点击率、停留时长、互动频率、转化率、复购率、续费率。但一旦目标函数过于单一，系统会越来越偏爱最能服务那一目标的内容和行为，持续放大更情绪化、更容易比较模仿、更容易低成本理解、更接近用户已有偏好的东西。\n\n**结果**：系统不是更完整地理解了你，而是选了你的一个维度不断放大。看起来精准，实际危险。\n\n> 人不是一种固定偏好的容器。同一个人在不同时间、不同情绪、不同关系压力下，可能需要完全不同的东西。\n\n### 概念二：加一点随机 ≠ 多元推荐\n\n| 策略 | 本质 | 用户体验 |\n|------|------|----------|\n| 随机推荐 | 无策略地增加噪音 | 体验变差 |\n| 单一优化 | 只问\"什么留住用户\" | 把人越推越窄 |\n| 多元推荐 | 有策略地保留探索空间 | 用户维度更丰富 |\n\n> 多元推荐真正要重写的不是推荐策略，而是产品目标函数本身——你到底在最大化什么？\n\n### 概念三：五种值得尝试的多元推荐方向\n\n| 方向 | 核心理念 | 典型设计 |\n|------|----------|----------|\n| 探索推荐 | 让用户主动切换\"更开阔\"模式 | \"今天不想看精准的\"入口 |\n| 上下文推荐 | 结合时间/空间/状态判断当前需要 | 深夜不推\"五点起床改变人生\" |\n| 反信息茧房推荐 | 低冲突异质内容入口 | \"暂停不等于落后\"主题文章 |\n| 连接现实推荐 | 推荐不只留在屏幕内 | 周末手工市集、慢跑社区 |\n| 可能性推荐 | 帮助用户遇见尚未定义的自己 | \"你可能不只想变得高效\" |\n\n### 概念四：评估指标必须同步升级\n\n如果只看点击率和停留时长，多元推荐永远\"不如\"单一推荐。必须引入三类指标：\n\n1. **准确性指标**：CTR、收藏率、完整消费率\n2. **多样性指标**：覆盖率、新鲜度、惊喜度\n3. **用户成长指标**：兴趣扩展、活跃度提升、留存改善\n\n> 评审时不能只看见更多点击，还要看见用户是否越来越窄。\n\n### 概念五：控制权交还用户\n\n一旦推荐足够强大，产品不能再只问\"我能更准吗\"，还要问\"用户还能从系统的默认路径里出来吗\"。\n\n**用户控制设计清单**：\n- 用户能否表达\"不感兴趣\"\n- 用户能否主动选择推荐类型\n- 用户能否看到\"为什么推荐这个\"的解释\n- 用户能否关闭/打开某类推荐\n\n> 所谓\"懂你\"，最后很可能只是\"困住你\"——除非用户能主动拉自己出来。\n\n## 分步执行\n\n### Step 1：现状诊断——当前推荐系统的问题定位\n\n**输入**：当前推荐系统描述 + 用户反馈 + 业务目标\n\n**处理**：\n1. 明确当前推荐系统的目标函数（优化的是什么指标？）\n2. 分析用户反馈中的关键词（\"总是类似的\"\"没新意\"\"越推越窄\"）\n3. 评估当前推荐的多样性现状（覆盖率、新鲜度、惊喜度）\n4. 判断当前系统属于哪种类型：纯协同过滤 / 内容推荐 / 混合推荐\n\n**输出**：现状诊断报告（附问题定位和改进机会）\n\n---\n\n### Step 2：目标函数重写——从单一指标到多元目标\n\n**输入**：Step 1 产出的现状诊断报告\n\n**处理**：\n1. 承认当前目标函数过于狭窄\n2. 在目标函数中加入多样性/探索目标\n3. 定义新的评估指标：覆盖率、新鲜度、惊喜度、兴趣扩展度\n4. 确定多元推荐的混合比例建议（如：70% 精准 + 20% 探索 + 10% 反向）\n\n**输出**：重写后的目标函数 + 多元推荐混合比例\n\n---\n\n### Step 3：推荐类型设计——为每种方向设计具体策略\n\n**输入**：Step 2 产出的重写目标函数\n\n**处理**：\n1. 设计探索推荐入口：\"今天想看点不一样的\"按钮\n2. 设计上下文推荐逻辑：根据时间/状态/节奏调整推荐\n3. 设计反信息茧房推荐：低冲突异质内容入口\n4. 设计连接现实推荐：推荐线下活动、社区、体验\n5. 设计可能性推荐：不只预测过去，轻轻帮助遇见可能的未来\n\n**输出**：多元推荐策略设计文档\n\n---\n\n### Step 4：用户控制设计——交还推荐控制权\n\n**输入**：Step 3 产出的推荐策略设计\n\n**处理**：\n1. 设计\"不感兴趣\"反馈机制\n2. 设计推荐类型切换入口（精准模式 / 探索模式 / 上下文模式）\n3. 设计推荐解释（\"因为你看过的 X，所以推荐 Y\"）\n4. 设计推荐开关（用户可以关闭某类推荐）\n\n**输出**：用户控制设计方案\n\n---\n\n### Step 5：六项检查执行——用清单验证改写是否到位\n\n**输入**：Step 3-4 的全部产出\n\n**处理**：\n1. 逐项执行 Check 1-6（目标函数、用户控制、异质内容、现实连接、新可能性衡量、跳出机制）\n2. 统计通过/不通过数量\n3. 如果超过 3 项不通过，标记为\"需要重写而非优化\"\n\n**输出**：六项检查结果 + 综合评估 + 改写建议\n\n---\n\n### Step 6：分阶段上线——从小流量验证到全量\n\n**输入**：Step 3-5 的全部产出\n\n**处理**：\n1. Phase 1：小流量验证（5-10% 用户），只上线探索推荐入口\n2. Phase 2：逐步放量（30-50% 用户），上线上下文推荐和反信息茧房\n3. Phase 3：全量上线，监控三类指标（准确性 + 多样性 + 用户成长）\n\n**输出**：分阶段上线计划 + 各阶段监控指标\n\n### 示例 1：音乐平台从\"猜你喜欢\"到\"帮你发现\"\n\n**场景描述**：在线音乐平台基于协同过滤推荐，用户反馈\"总是推荐类似的歌，想听点新的\"。\n\n**Step 1 现状诊断**：\n- 目标函数：优化播放完成率和次日留存\n- 用户反馈：\"总是类似的歌\"\"听腻了\"\"想找新歌但不知道搜什么\"\n- 多样性现状：推荐中 85% 是用户已听过的同类风格，新鲜度极低\n\n**Step 2 目标函数重写**：\n- 原目标：最大化播放完成率\n- 新目标：最大化播放完成率 × 0.6 + 探索成功率 × 0.25 + 兴趣扩展度 × 0.15\n- 混合比例：70% 精准推荐 + 20% 探索推荐 + 10% 反向推荐\n\n**Step 3 推荐类型设计**：\n- 精准推荐（70%）：基于历史收听的协同过滤\n- 探索推荐（20%）：\"今日新发现\"歌单——与你喜欢的相似但不同风格\n- 反向推荐（10%）：\"换个口味\"——与你常听的形成对比\n- 上下文推荐：深夜推舒缓、通勤推节奏、运动推能量\n- 连接现实推荐：本地演出信息、音乐人见面会\n\n**Step 4 用户控制设计**：\n- \"不想听这类\"按钮\n- 推荐模式切换：精准模式 / 探索模式 / 随机模式\n- 推荐解释：\"因为你喜欢 [歌手A]，推荐了风格相近的 [歌手B]\"\n\n**六项检查结果**：\n\n| 检查项 | 结果 | 说明 |\n|--------|------|------|\n| Check 1: 目标函数多样性 | ✅ | 新目标已包含探索和兴趣扩展 |\n| Check 2: 用户主动切换 | ✅ | 有推荐模式切换入口 |\n| Check 3: 低冲突异质内容 | ✅ | \"换个口味\"是风格渐变而非对立 |\n| Check 4: 现实世界连接 | ✅ | 本地演出和社区推荐 |\n| Check 5: 新可能性衡量 | ✅ | 兴趣扩展度指标已定义 |\n| Check 6: 跳出默认轨迹 | ✅ | \"不想听这类\"+模式切换 |\n\n**结论**：从\"猜你喜欢\"到\"帮你发现\"，不是算法升级，而是推荐哲学的重写。六项全部通过，可进入分阶段上线。\n\n---\n\n### 示例 2：知识内容产品从\"留住你\"到\"拓宽你\"\n\n**场景描述**：知识内容平台想提升停留时长，但团队担心\"越推越窄\"。\n\n**Step 1 现状诊断**：\n- 目标函数：最大化停留时长\n- 用户反馈：\"总是看类似的\"\"想看点不一样的但找不到\"\n- 多样性现状：用户最近两周反复看\"自律\"\"效率\"\"减脂\"内容，系统持续强化\n\n**Step 2 目标函数重写**：\n- 原目标：最大化停留时长\n- 新目标：最大化停留时长 × 0.5 + 内容多样性 × 0.3 + 现实连接率 × 0.2\n\n**Step 3 推荐类型设计**：\n- 精准推荐（60%）：效率/自律类内容\n- 探索推荐（25%）：\"今天不卷了\"入口——城市散步路线、手工陶瓷短视频、慢生活访谈\n- 反信息茧房（15%）：\"暂停不等于落后\"主题文章、普通人与不完美生活和解的故事\n- 上下文推荐：深夜不推\"五点起床改变人生\"，推恢复、放松、陪伴类内容\n- 连接现实推荐：周末手工市集、独立书店、新手烹饪课、本地慢跑社区\n- 可能性推荐：不定义用户为\"自律人\"，而是轻轻假设\"你可能不只是想变高效\"\n\n**Step 4 用户控制设计**：\n- \"换个方向\"按钮\n- 推荐类型标签（效率 / 生活 / 探索 / 连接现实）\n- 推荐解释：\"因为你最近常看效率类内容，推荐了不同视角的慢生活内容\"\n- 推荐开关：可以关闭\"效率类\"推荐\n\n**六项检查结果**：\n\n| 检查项 | 结果 | 说明 |\n|--------|------|------|\n| Check 1: 目标函数多样性 | ✅ | 新目标已包含多样性和现实连接 |\n| Check 2: 用户主动切换 | ✅ | \"换个方向\"入口 |\n| Check 3: 低冲突异质内容 | ✅ | 慢生活≠反效率，是不同视角 |\n| Check 4: 现实世界连接 | ✅ | 手工市集、慢跑社区等线下推荐 |\n| Check 5: 新可能性衡量 | ✅ | 内容多样性指标已定义 |\n| Check 6: 跳出默认轨迹 | ✅ | 推荐开关+类型标签 |\n\n**结论**：推荐系统不该只竞争\"谁更懂你\"，还该竞争\"谁帮你回到更宽阔的现实\"。用户点击的不等于完整的自己——可能只是某个压力下暂时抓住的一个片段。","tags":["p0g","diversity","rewrite","checklist","native","product","agent","skills","gmaxxxie","agent-skills","ai-agent","ai-native"],"capabilities":["skill","source-gmaxxxie","skill-p0g-diversity-rewrite-checklist","topic-agent-skills","topic-ai-agent","topic-ai-native","topic-ai-product","topic-methodology","topic-product-management","topic-product-methodology","topic-product-thinking","topic-skills"],"categories":["ai-native-product-agent-skills"],"synonyms":[],"warnings":[],"endpointUrl":"https://skills.sh/gmaxxxie/ai-native-product-agent-skills/p0g-diversity-rewrite-checklist","protocol":"skill","transport":"skills-sh","auth":{"type":"none","details":{"cli":"npx skills add gmaxxxie/ai-native-product-agent-skills","source_repo":"https://github.com/gmaxxxie/ai-native-product-agent-skills","install_from":"skills.sh"}},"qualityScore":"0.478","qualityRationale":"deterministic score 0.48 from registry signals: · indexed on github topic:agent-skills · 56 github stars · SKILL.md body (7,176 chars)","verified":false,"liveness":"unknown","lastLivenessCheck":null,"agentReviews":{"count":0,"score_avg":null,"cost_usd_avg":null,"success_rate":null,"latency_p50_ms":null,"narrative_summary":null,"summary_updated_at":null},"enrichmentModel":"deterministic:skill-github:v1","enrichmentVersion":1,"enrichedAt":"2026-05-18T18:57:26.895Z","embedding":null,"createdAt":"2026-05-01T01:02:53.210Z","updatedAt":"2026-05-18T18:57:26.895Z","lastSeenAt":"2026-05-18T18:57:26.895Z","tsv":"'-10':610 '-4':568 '-5':602 '-50':618 '-6':575 '0.15':668 '0.2':787 '0.25':666 '0.3':785 '0.5':783 '0.6':664 '1':42,293,399,439,447,474,477,509,541,571,574,605,607,633,644,717,762,845 '10':495,674,688 '15':803 '2':66,297,404,450,469,479,506,513,545,582,613,615,658,721,752,777,849 '20':493,672,683 '25':796 '3':91,299,301,409,455,482,501,518,538,550,567,585,587,601,621,623,677,725,789,854 '30':617 '4':115,460,488,521,533,556,699,730,824,860 '5':131,526,562,609,734,865 '6':149,596,738,869 '60':792 '70':491,670,680 '85':654 'action':234 'agenc':261 'approach':183 'assess':175,267 'chang':282,285,288 'check':41,65,90,114,130,148,185,573,716,720,724,729,733,737,844,848,853,859,864,868 'check1':186 'check2':199 'check3':215 'check4':228 'check5':240 'check6':251 'checklist':5 'conflict':218 'conflict/high_conflict/mixed':109,221 'connect':232 'content':217 'control':201,213 'ctr':401 'current':179,182 'default':209 'divers':3,173,189,192,243,270,273 'entri':206 'escap':253,255,257 'explor':203 'exposur':225 'fake':272 'frequenc':249 'gap':277 'goal':180,190 'guidanc':235 'heterogen':216 'high/medium/low':89,168,214,262,275 'input':176 'key':276 'level':219 'link':238 'low':108,220 'measur':241 'memori':264 'method':226,258 'metric':193,244,246,287 'mode':204,210 'object':187,281 'offlin':237 'overal':266 'p0/p1/p2':291 'p0g':2 'p0g-diversity-rewrite-checklist':1 'phase':606,614,622 'point':207 'prioriti':290 'product':177 'real':229 'recommend':280 'review':248 'rewrit':4,174,279 'risk':197,274 'skill':10 'skill-p0g-diversity-rewrite-checklist' 'source-gmaxxxie' 'step':438,468,473,500,505,532,537,561,566,595,600,643,657,676,698,761,776,788,823 'system':263 'topic-agent-skills' 'topic-ai-agent' 'topic-ai-native' 'topic-ai-product' 'topic-methodology' 'topic-product-management' 'topic-product-methodology' 'topic-product-thinking' 'topic-skills' 'transit':223 'truli':269 'ui':284 'user':200,212,252,260 'weight':195 'world':230 'x':553 'y':555 'yaml':172 'yes/no':81,111,129,143,164,191,205,224,233,239,245,256,265 'yes/no/partial':57,125,271 '一句判断':314 '一句话定位':15 '一旦推荐足够强大':418 '上下文推荐':375,691,807 '上下文模式':549 '上线上下文推荐和反信息茧房':620 '不只预测过去':528 '不同关系压力下':343 '不同情绪':342 '不如':396 '不定义用户为':819 '不想听这类':701,740 '不感兴趣':425,543 '不是算法升级':747 '不通过数量':584 '与你喜欢的相似但不同风格':686 '与你常听的形成对比':690 '业务目标':445 '为什么推荐这个':428 '为每种方向设计具体策略':503 '主动切换入口':80 '主题分散度':52 '主题文章':384,805 '争议':100 '互动频率':325 '五点起床改变人生':380,809 '五种值得尝试的多元推荐方向':365 '交还推荐控制权':535 '产出的推荐策略设计':539 '产出的现状诊断报告':475 '产出的重写目标函数':507 '产品':29 '产品不能再只问':419 '产品中是否有明确的':72 '产品名称':178 '人不是一种固定偏好的容器':340 '什么留住用户':356 '今天不卷了':797 '今天不想看精准的':373 '今天想看点不一样的':511 '今日新发现':684 '从':743 '从单一指标到多元目标':471 '从小流量验证到全量':598 '优化播放完成率和次日留存':647 '优化的是什么指标':449 '会发生什么':64 '但一旦目标函数过于单一':329 '但团队担心':759 '低冲突异质内容':726,855 '低冲突异质内容入口':382,520 '体验':525 '体验变差':353 '何时触发':20 '你到底在最大化什么':363 '你可能不只想变得高效':391 '你可能不只是想变高效':822 '偏好':161 '停留时长':136,324 '入口':208,374,798,852 '入口位置':82 '全量上线':624 '六项全部通过':749 '六项检查':40 '六项检查执行':563 '六项检查结果':37,592,712,840 '六项检查避免假多元':19 '关键缺口':278 '兴趣扩展':411 '兴趣扩展度':487,667 '兴趣扩展度指标已定义':736 '具体指标':145 '典型设计':368 '内容':774 '内容多样性':784 '内容多样性指标已定义':867 '内容推荐':463 '内容更杂':308 '准确性':626 '准确性指标':400 '减脂':773 '分析用户反馈中的关键词':451 '分步执行':437 '分阶段上线':597 '分阶段上线计划':630 '列表':59 '判断当前系统属于哪种类型':461 '到':636,745,755 '加一点随机':305,346 '加一点随机探索':35 '加了点随机':18 '单一优化':354 '单一推荐':397 '单一推荐的本质':319 '原目标':660,779 '反信息茧房':802 '反信息茧房推荐':381 '反向':496 '反向推荐':675,687 '反效率':857 '反馈机制':544 '只上线探索推荐入口':612 '只问':355 '可以关闭':837 '可能只是某个压力下暂时抓住的一个片段':879 '可能只是用户在翻找自己真正想看的':313 '可能性推荐':389,818 '可能需要完全不同的东西':344 '可进入分阶段上线':750 '各阶段监控指标':631 '同一个人在不同时间':341 '听腻了':650 '周末手工市集':387,814 '因为你喜欢':708 '因为你最近常看效率类内容':834 '因为你看过的':552 '团队有没有衡量':132 '团队的评估指标是不是只有点击率':135 '困住你':435 '围绕一个目标函数运转':320 '在哪里':83 '在目标函数中加入多样性':480 '在线音乐平台基于协同过滤推荐':639 '场景描述':638,757 '城市散步路线':799 '基于历史收听的协同过滤':681 '填写产品':294 '增加相似内容推荐':34 '处理':446,476,508,540,570,604 '复购率':327 '多久评估一次':147 '多元':306 '多元性指标':142 '多元推荐':347,358 '多元推荐不是精度的对立面':315 '多元推荐改写清单':6,14 '多元推荐永远':395 '多元推荐混合比例':499 '多元推荐真正要重写的不是推荐策略':361 '多元推荐策略设计文档':531 '多样性':627 '多样性指标':58,405 '多样性指标在总目标中的权重':61 '多样性现状':652,769 '大多数推荐系统之所以有效':321 '如':490 '如何跳出':166 '如内容覆盖度':51 '如果只看点击率和停留时长':394 '如果没有':63 '如果超过':300,586 '完整消费率':403 '定义新的评估指标':483 '实际危险':339 '对立':99 '小流量验证':608 '帮你发现':637,746 '帮你避免':11 '帮助用户遇见尚未定义的自己':390 '常见误判':304 '底层仍然单一':13 '开阔':86 '开阔模式':75 '异质内容':95,578 '异质内容类型':107 '当前推荐系统描述':443 '当前推荐系统的目标和方案描述':27 '当前推荐系统的问题定位':441 '当前推荐轨迹':156 '当前方案':33,184,296 '当前目标':181 '当团队想重写推荐系统时':7 '必须引入三类指标':398 '快速使用法':292 '总是推荐类似的歌':641 '总是看到类似内容':24 '总是看类似的':767 '总是类似的':452 '总是类似的歌':649 '惊喜度':408,459,486 '想听点新的':642 '想找新歌但不知道搜什么':651 '想看点不一样的但找不到':768 '慢生活':856 '慢生活访谈':801 '慢跑社区':388 '慢跑社区等线下推荐':863 '懂你':433 '我不想看这个':158 '我想看不一样的东西':77 '我能更准吗':420 '或':74,154 '所以推荐':554 '所谓':432 '手工市集':862 '手工陶瓷短视频':800 '打开推荐系统的目标函数':45 '打开某类推荐':431 '承认当前目标函数过于狭窄':478 '把人越推越窄':357 '把停留时长再做高一点':32 '拓宽你':756 '持续放大更情绪化':331 '指标':194,247 '指标列表':144 '按钮':512,702,827 '换个口味':689,727 '换个方向':826,851 '探索':160,494,831 '探索成功率':665 '探索推荐':369,673,682,795 '探索模式':73,548,705 '探索目标':481 '接触方式':112,227 '控制权交还用户':417 '推恢复':810 '推荐':839 '推荐不只留在屏幕内':386 '推荐中':653 '推荐了不同视角的慢生活内容':835 '推荐了风格相近的':710 '推荐内容是否能引导用户做出现实行动':118 '推荐开关':836,871 '推荐是否能引导现实行动':127 '推荐有没有连接现实世界':116 '推荐模式切换':703 '推荐的':94 '推荐类型标签':828 '推荐类型设计':502,678,790 '推荐系统不该只竞争':874 '推荐系统需要重写而不是优化':303 '推荐线下活动':523 '推荐解释':707,833 '收藏率':402 '改写建议':38,594 '放松':811 '效率':772,793,829 '效率类':838 '新内容曝光率':53 '新可能性衡量':580,735,866 '新手烹饪课':816 '新的可能性被打开':133 '新目标':662,781 '新目标已包含多样性和现实连接':847 '新目标已包含探索和兴趣扩展':719 '新领域':138 '新鲜度':407,458,485 '新鲜度极低':656 '方向':366 '无策略地增加噪音':352 '明确当前推荐系统的目标函数':448 '是不同视角':858 '是低冲突的':96 '是否有':101,120 '是否有指标衡量用户是否接触了新主题':137 '是否有指标衡量用户的':139 '是否有明确的多样性指标':50 '是否有机制让用户主动表达':157 '是否记住探索偏好':170 '是因为目标清晰':322 '是用户已听过的同类风格':655 '是风格渐变而非对立':728 '普通人与不完美生活和解的故事':806 '暂停不等于落后':383,804 '更好':312 '更容易低成本理解':333 '更容易比较模仿':332 '更开阔':68,371 '更接近用户已有偏好的东西':334 '更精准':70 '更自由':309 '最后很可能只是':434 '最大化停留时长':765,780,782 '最大化播放完成率':661,663 '最容易只在原目标函数上加一点随机':8 '有推荐模式切换入口':723 '有策略地保留探索空间':359 '本地慢跑社区':817 '本地演出信息':696 '本地演出和社区推荐':732 '本质':349 '权重':60,196 '标记为':589 '核心概念':317 '核心理念':367 '根据时间':515 '检查推荐系统是真正多元':16 '检查项':713,841 '检测方法':44,71,93,117,134,151 '概念一':318 '概念三':364 '概念二':345 '概念五':416 '概念四':392 '模式':372 '模式切换':741 '歌单':685 '歌手a':709 '歌手b':711 '没新意':453 '活跃度提升':412 '深夜不推':379,808 '深夜推舒缓':692 '混合':87 '混合推荐':464 '混合比例':669 '点击更多':311 '点击率':47,323 '状态':516 '状态判断当前需要':378 '独立书店':815 '猜你喜欢':635,744 '现实世界连接':731,861 '现实连接':124,579 '现实连接率':786 '现状诊断':440,645,763 '现状诊断报告':466 '生活':830 '用户':611,619 '用户主动切换':722,850 '用户主动权':167 '用户体验':350 '用户反馈':23,444,640,648,766 '用户可以关闭某类推荐':558 '用户可能只是被塞了更多不相关的东西':310 '用户如何接触到异质内容':113 '用户成长':628 '用户成长指标':410 '用户控制':577 '用户控制感':88 '用户控制设计':534,700,825 '用户控制设计方案':560 '用户控制设计清单':423 '用户是否能主动选择':76 '用户是否能够':152 '用户最近两周反复看':770 '用户点击的不等于完整的自己':878 '用户维度更丰富':360 '用户能不能主动切换':67 '用户能不能把自己从默认推荐轨迹里拉出来':150 '用户能否主动选择推荐类型':426 '用户能否关闭':430 '用户能否看到':427 '用户能否表达':424 '用户还能从系统的默认路径里出来吗':422 '用清单验证改写是否到位':564 '界面改进建议':286 '留住你':754 '留存改善':413 '的全部产出':569,603 '的解释':429 '的连接设计':122 '监控三类指标':625 '目标':31,295 '目标函数':576,646,764 '目标函数多样性':56,718,846 '目标函数改写建议':283 '目标函数是否包含多样性或探索目标':43 '目标函数评估':39 '目标函数重写':470,659,778 '相关但不同视角':97 '看看除了停留时长':46 '看起来更多元':12 '看起来精准':338 '知识内容产品从':753 '知识内容平台':30 '知识内容平台想提升停留时长':758 '确定多元推荐的混合比例建议':489 '示例':632,751 '示例输入':28 '社区':524 '空间':377 '策略':348 '类型标签':872 '精准':85,492 '精准推荐':671,679,791 '精准模式':547,704 '系统不是更完整地理解了你':336 '系统会越来越偏爱最能服务那一目标的内容和行为':330 '系统持续强化':775 '系统是否会记住用户的':159 '系统有没有低冲突的异质内容入口':92 '系统记忆':169 '纯协同过滤':462 '线上到线下':121 '线下连接':128 '结合时间':376 '结果':335,714,842 '结论':742,873 '统计通过':583 '续费率':328 '综合评估':593 '综合输出格式':171 '而不是':69 '而是产品目标函数本身':362 '而是对单一目标精度的修正':316 '而是推荐哲学的重写':748 '而是轻轻假设':821 '而是选了你的一个维度不断放大':337 '自律':771 '自律人':820 '自律类内容':794 '节奏调整推荐':517 '行动引导':126,236 '覆盖率':406,457,484 '视野是否变宽':140 '觉得当前推荐越来越窄':22 '计划改写推荐系统':21 '让用户主动切换':370 '让用户自然接触新主题':104 '设计':103,542 '设计上下文推荐逻辑':514 '设计反信息茧房推荐':519 '设计可能性推荐':527 '设计探索推荐入口':510 '设计推荐开关':557 '设计推荐类型切换入口':546 '设计推荐解释':551 '设计连接现实推荐':522 '评估当前推荐的多样性现状':456 '评估指标必须同步升级':393 '评估指标改进建议':289 '评估频率':146,250 '评审时不能只看见更多点击':414 '说明':715,843 '谁帮你回到更宽阔的现实':877 '谁更懂你':875 '越推越窄':454,760 '跳出':155 '跳出方式':165,259 '跳出机制':163,581 '跳出默认轨迹':739,870 '转化率':48,326 '软过渡':102 '轻轻帮助遇见可能的未来':529 '输入':26,442,472,504,536,565,599 '输出':36,465,497,530,559,591,629 '输出格式':55,79,106,123,141,162 '过渡设计':110 '运动推能量':694 '还是只是':17 '还是只是在熔炉里塞对立内容':105 '还是只是让用户在屏幕里花更多时间':119 '还是只能被动接受系统给的推荐':78 '还是高冲突的':98 '还有什么':49 '还要看见用户是否越来越窄':415 '还要问':421 '还该竞争':876 '这个':9 '这些指标在优化目标中的权重是多少':54 '连接现实':832 '连接现实推荐':385,695,813 '逐步放量':616 '逐项执行':572 '逐项过六个检查':298 '通勤推节奏':693 '重写后的目标函数':498 '重置':153 '附问题定位和改进机会':467 '除非用户能主动拉自己出来':436 '陪伴类内容':812 '随机探索不等于系统性多样性':307 '随机推荐':351 '随机模式':706 '需要评估推荐系统的多元性':25 '需要重写而非优化':590 '音乐人见面会':697 '音乐平台从':634 '项不通过':302,588 '风险':62,198 '默认模式':84,211","prices":[{"id":"0286d6e5-4ce4-4176-b103-1efee5dc030b","listingId":"f9589b26-38c1-4637-9898-9eb5dae7aad2","amountUsd":"0","unit":"free","nativeCurrency":null,"nativeAmount":null,"chain":null,"payTo":null,"paymentMethod":"skill-free","isPrimary":true,"details":{"org":"gmaxxxie","category":"ai-native-product-agent-skills","install_from":"skills.sh"},"createdAt":"2026-05-01T01:02:53.210Z"}],"sources":[{"listingId":"f9589b26-38c1-4637-9898-9eb5dae7aad2","source":"github","sourceId":"gmaxxxie/ai-native-product-agent-skills/p0g-diversity-rewrite-checklist","sourceUrl":"https://github.com/gmaxxxie/ai-native-product-agent-skills/tree/main/skills/p0g-diversity-rewrite-checklist","isPrimary":false,"firstSeenAt":"2026-05-01T01:02:53.210Z","lastSeenAt":"2026-05-18T18:57:26.895Z"}],"details":{"listingId":"f9589b26-38c1-4637-9898-9eb5dae7aad2","quickStartSnippet":null,"exampleRequest":null,"exampleResponse":null,"schema":null,"openapiUrl":null,"agentsTxtUrl":null,"citations":[],"useCases":[],"bestFor":[],"notFor":[],"kindDetails":{"org":"gmaxxxie","slug":"p0g-diversity-rewrite-checklist","github":{"repo":"gmaxxxie/ai-native-product-agent-skills","stars":56,"topics":["agent-skills","ai-agent","ai-native","ai-product","methodology","product-management","product-methodology","product-thinking","skills"],"license":null,"html_url":"https://github.com/gmaxxxie/ai-native-product-agent-skills","pushed_at":"2026-05-06T07:19:36Z","description":"AI Native Product Methodology — 80 executable skills across P0-P14 stages, covering needs discovery to aesthetic authority. From 8 books.","skill_md_sha":"0c4a5cfd8cbc6ad49dc0e568e3f034c8dcde4cae","skill_md_path":"skills/p0g-diversity-rewrite-checklist/SKILL.md","default_branch":"main","skill_tree_url":"https://github.com/gmaxxxie/ai-native-product-agent-skills/tree/main/skills/p0g-diversity-rewrite-checklist"},"layout":"multi","source":"github","category":"ai-native-product-agent-skills","frontmatter":{"name":"p0g-diversity-rewrite-checklist","description":"多元推荐改写清单。当团队想重写推荐系统时，最容易只在原目标函数上加一点随机。 这个 Skill 帮你避免\"看起来更多元，底层仍然单一\"。"},"skills_sh_url":"https://skills.sh/gmaxxxie/ai-native-product-agent-skills/p0g-diversity-rewrite-checklist"},"updatedAt":"2026-05-18T18:57:26.895Z"}}