{"id":"fe9cb263-a101-40b4-ab5a-ead4bae5304c","shortId":"C9Y4Bf","kind":"skill","title":"p2d-convergence-decision","tagline":"'AI Native 产品方法论——目标收敛与产品决策的实操 Skill。","description":"# 目标收敛与产品决策 Skill\n\n## 使用场景\n\n- 多轮实验已完成，需要判断哪些方向值得继续投入\n- 实验结果分散，需要系统化整理和比较\n- 需要从\"还能试什么\"收敛到\"现在该做什么、不该做什么\"\n\n## 核心概念\n\n- **收敛**：不是想法变少，而是组织对问题、能力、形态和价值的判断越来越清楚\n- **收敛信号**：能证明方向值得继续工程化的证据（稳定成功率、清楚边界、用户接受度、价值密度）\n- **产品决策**：基于实验证据对方向做继续、延后、转向或停止的判断\n\n## 收敛决策流程\n\n```\n假设池\n  → 实验记录整理\n    → 证据对比\n      → 收敛信号识别\n        → 产品决策\n          → 进入系统构建 / 延后 / 放弃\n```\n\n## 第一步：实验记录整理\n\n把所有实验结果结构化：\n\n| 实验ID | 假设 | 实验类型 | 结果 | 成功率 | 关键发现 |\n|--------|------|---------|------|--------|---------|\n| E-01 | 自动回复能减少人工 | 商业实验 | 采纳率38% | 低 | 风险过高，用户不接受 |\n| E-02 | Copilot 能提升效率 | 产品实验 | 采纳率65% | 中 | 主流程成立 |\n| E-03 | 售后政策AI准确率>85% | 能力实验 | 准确率78% | 低 | 资料不足 |\n\n## 第二步：证据对比\n\n从四个维度对比每个方向：\n\n1. **技术可行性**：最强模型下能力上限\n2. **用户接受度**：产品实验中的采纳率和满意度\n3. **价值密度**：商业实验中客户付费意愿\n4. **资料完备度**：支撑工程化的资料是否足够\n\n## 第三步：收敛信号识别\n\n### 强收敛信号（建议继续）\n\n- ✅ 多轮实验成功率稳定 > 80%\n- ✅ 用户采纳率 > 60%\n- ✅ 价值密度明确（客户愿意付费）\n- ✅ 风险边界清晰，可控\n\n### 弱收敛信号（建议延后）\n\n- ⚠️ 单轮实验效果好，但无法稳定复现\n- ⚠️ 技术可行但价值密度不清晰\n- ⚠️ 用户有意愿但资料不完备\n\n### 无收敛信号（建议停止）\n\n- ❌ 多轮实验无法达到可接受准确率\n- ❌ 用户采纳率 < 40%\n- ❌ 价值密度过低（成本 > 收益）\n- ❌ 风险边界无法划定\n\n## 第四步：产品决策\n\n对每个方向给出决策：\n\n| 决策 | 条件 | 后续动作 |\n|------|------|---------|\n| 继续（进入系统构建） | 四维度全部达标 | 启动工程化 |\n| 延后 | 部分维度达标，资料或风险待解决 | 补充条件后重评 |\n| 转向 | 原方向不可行，但相关方向有信号 | 调整方向重做实验 |\n| 停止 | 核心假设被证伪 | 资源释放，聚焦其他方向 |\n\n## 输出物：收敛报告与产品决策\n\n1. **实验记录总表**：所有实验的结构化整理\n2. **证据对比分析**：四维度评分对比\n3. **收敛信号评估**：强/弱/无信号判定\n4. **产品决策清单**：每个方向的继续/延后/转向/停止决策\n5. **进入系统构建的条件**：明确什么条件满足后才可进入\n6. **未满足条件的补充计划**：延后方向的改进路径\n\n## 与其他 Skill 的关系\n\n- **前置**：@p2a-experiment-overview、@p2b-product-form-exploration、@p2c-process-redesign（各子实验结论）\n- **后置**：@ai-native-system-building（继续方向进入工程化）、@p2e-shadow-validation（继续方向的影子验证）\n- **协同**：@ai-native-direction-framing（方向调整时更新 Direction Brief）\n\n## 示例\n\n### 用户输入\n\"客服实验已完成 E-01 至 E-08 共8个实验，需要收敛判断\"\n\n### Skill 执行\n\n```yaml\n实验记录整理:\n  E-01 自动回复 → 采纳率38%，风险过高 → 停止\n  E-02 Copilot → 采纳率65%，效率提升35% → 继续\n  E-03 意图识别 → 准确率88%，边界清晰 → 继续\n  E-04 知识库检索 → 命中率72%，长尾不足 → 延后\n  E-05 自主回复 → 风险过高 → 停止\n  E-06 售后政策 → 准确率78%，需补充资料 → 延后\n  E-07 情绪检测 → 可行性低 → 停止\n  E-08 工单分类 → 准确率92%，价值明确 → 继续\n\n收敛信号评估:\n  | 方向 | 技术 | 用户 | 价值 | 资料 | 综合 |\n  |------|------|------|------|------|------|\n  | Copilot | ✅ | ✅ | ✅ | ✅ | 强收敛→继续 |\n  | 意图识别 | ✅ | ✅ | ⚠️ | ✅ | 弱收敛→试点 |\n  | 知识库检索 | ✅ | ⚠️ | ⚠️ | ⚠️ | 无收敛→停止 |\n\n产品决策:\n  继续: Copilot + 工单分类（进入系统构建）\n  试点: 意图识别（小范围试点，继续验证价值）\n  停止: 自动回复、情绪检测（资源释放）\n  延后: 知识库长尾、售后政策（补充资料后重评）\n\n进入系统构建条件:\n  ✅ Copilot 采纳率65%，超过60%阈值\n  ✅ 工单分类准确率92%，超过85%阈值\n  ✅ 价值密度已验证（ROI>200%）\n  ✅ 风险边界清晰（人工确认兜底）\n```\n\n---\n\n## 深入核心概念\n\n基于书稿第09章，以下概念在执行本 Skill 时需深入理解：\n\n- **收敛是提高判断密度**：收敛不是从很多方向里挑一个方向的管理动作，而是判断动作。团队面对的不是普通需求列表，而是一组能力假设、资料条件、失败模式和价值信号。收敛是让团队最终能说清楚：哪类能力已足够稳定、哪类仍脆弱但值得观察、哪类虽成立但不值得产品化、哪类从一开始就不该投入。\n- **实验体系不是零散试错**：很多团队做了很多 AI 尝试，但结果无法复现、无法比较，也无法判断成功或失败原因。真正的实验体系必须把实验对象、输入数据、方法版本、评估标准和结论沉淀下来。一个不能支撑收敛的实验体系，本质上等于没有实验体系。\n- **收敛前的资料闸门**：不是实验结果看起来不错就可以收敛，还需验证三个条件：资料覆盖是否足够（外部知识+内部业务+关键失败案例）、资料处理是否合规（脱敏+权限隔离+受控使用）、资料供给是否可持续（下一轮实验和工程化还能否拿到同类材料）。收敛结论建立在无法持续复现的材料上是常见陷阱。\n- **五种收敛信号**：能力信号（关键场景稳定成立）、资料信号（可得、可控、可持续供给）、使用信号（用户愿意真实使用）、价值信号（任务结果/效率/质量出现明确改善）、工程信号（能力边界清楚，可被组织成系统构建输入）。只有一两项成立通常不够，值得进入产品化的方向往往是这些信号同时出现。\n- **及时停止是保护机制**：一个方向应被延后或放弃的特征：能力在关键场景仍不稳定、资料条件不足且短期无改善路径、使用方式模糊无自然入口、成本和延迟无法支撑产品化、看起来能做但价值密度长期偏低。及时停止不成立的方向，是试验展开对团队最重要的保护机制之一。\n\n## 分步执行指南\n\n基于书稿方法论，本 Skill 的完整执行分为 5 步：\n\n### 步骤 1：实验记录结构化整理\n- 把所有实验结果结构化：实验 ID、假设、实验类型、结果、成功率、关键发现\n- 保留版本、参数、失败案例和结论（确保可复现）\n- 区分能力实验、产品实验、商业实验三类\n- 输出实验记录总表\n\n### 步骤 2：四维度证据对比\n- 从四个维度对比每个方向：技术可行性（最强模型下能力上限）、用户接受度（采纳率和满意度）、价值密度（客户付费意愿）、资料完备度（支撑工程化的资料是否足够）\n- 注意：AI 产品的很多误判来自只看单条成功样本，而不看整体失败分布和真实使用条件\n- 输出证据对比分析表\n\n### 步骤 3：收敛信号识别与判定\n- 对每个方向判断五种信号：能力信号、资料信号、使用信号、价值信号、工程信号\n- 强收敛（建议继续）：多轮成功率稳定 > 80%、采纳率 > 60%、价值密度明确、风险边界清晰\n- 弱收敛（建议延后）：单轮效果好但无法稳定复现、技术可行但价值不清晰、有意愿但资料不完备\n- 无收敛（建议停止）：多轮无法达到可接受准确率、采纳率 < 40%、价值密度过低、风险边界无法划定\n- 输出收敛信号评估报告\n\n### 步骤 4：产品决策\n- 对每个方向给出决策：继续（进入系统构建）、延后（补充条件后重评）、转向（调整方向重做实验）、停止（资源释放聚焦其他方向）\n- 继续条件：四维度全部达标；延后条件：部分维度达标但资料或风险待解决；转向条件：原方向不可行但相关方向有信号；停止条件：核心假设被证伪\n- 输出产品决策清单\n\n### 步骤 5：输出收敛报告与后续计划\n- 整理收敛报告：实验记录总表、证据对比分析、收敛信号评估、产品决策清单\n- 明确进入系统构建的条件（什么条件满足后才可进入）\n- 为延后方向制定补充计划（改进路径和重评时间点）\n- 确保实验结论可被继承：边界清楚、失败清楚、接口清楚、资料链路清楚\n\n## 示例一：客服 AI 系统收敛决策\n\n### 用户输入\n\"客服实验已完成 E-01 至 E-08 共 8 个实验，需要收敛判断。\"\n\n### Skill 执行\n\n```yaml\n实验记录整理:\n  E-01 自动回复（能力实验）:\n    假设: AI 自动回复能减少人工介入\n    结果: 采纳率 38%，高风险承诺过多\n    结论: ❌ 停止（核心假设被证伪）\n  E-02 Copilot 建议（产品实验）:\n    假设: Copilot 能提升客服效率\n    结果: 采纳率 65%，效率提升 35%\n    结论: ✅ 继续\n  E-03 意图识别（能力实验）:\n    假设: AI 能准确识别客户意图\n    结果: 准确率 88%，边界清晰\n    结论: ✅ 继续\n  E-04 知识库检索（能力实验）:\n    假设: AI 能从知识库准确召回答案\n    结果: 命中率 72%，长尾问题不足\n    结论: ⚠️ 延后（需补充知识库）\n  E-05 自主回复（能力实验）:\n    假设: AI 能独立完成完整回复\n    结果: 风险过高（赔付承诺错误率 15%）\n    结论: ❌ 停止\n  E-06 售后政策（能力实验）:\n    假设: AI 能准确解释售后政策\n    结果: 准确率 78%，政策文档过时\n    结论: ⚠️ 延后（补充资料后重评）\n  E-07 情绪检测（能力实验）:\n    假设: AI 能检测客户情绪\n    结果: 可行性低（准确率 55%）\n    结论: ❌ 停止\n  E-08 工单分类（能力实验）:\n    假设: AI 能自动分类工单\n    结果: 准确率 92%，价值明确\n    结论: ✅ 继续\n\n四维度证据对比:\n  | 方向 | 技术可行性 | 用户接受度 | 价值密度 | 资料完备度 |\n  |------|-----------|-----------|---------|-----------|\n  | Copilot | ✅ 采纳率65% | ✅ 满意度82分 | ✅ ROI>200% | ✅ FAQ+工单充足 |\n  | 意图识别 | ✅ 准确率88% | ✅ 有明确需求 | ⚠️ 需量化验证 | ✅ 标注数据充足 |\n  | 工单分类 | ✅ 准确率92% | ✅ 自动化价值高 | ✅ 减少人工分类 | ✅ 历史工单充足 |\n  | 知识库检索 | ✅ 基础能力成立 | ⚠️ 长尾体验差 | ⚠️ 需评估覆盖度 | ⚠️ 长尾FAQ缺失 |\n  | 售后政策 | ⚠️ 准确率78% | ⚠️ 未充分测试 | ⚠️ 需量化 | ❌ 文档过时 |\n\n收敛信号评估:\n  Copilot:\n    能力信号: ✅ 采纳率65%超过60%阈值\n    资料信号: ✅ FAQ和工单样本充足\n    使用信号: ✅ 客服主动使用\n    价值信号: ✅ 效率提升35%，ROI>200%\n    工程信号: ✅ 边界清晰（人工确认兜底）\n    判定: 强收敛 → 继续\n\n  意图识别:\n    能力信号: ✅ 准确率88%\n    资料信号: ✅ 标注数据充足\n    使用信号: ⚠️ 仅内部测试\n    价值信号: ⚠️ 需量化验证实际效果\n    工程信号: ✅ 边界清晰\n    判定: 弱收敛 → 试点验证价值\n\n  工单分类:\n    能力信号: ✅ 准确率92%\n    资料信号: ✅ 历史工单充足\n    使用信号: ✅ 可直接嵌入工单系统\n    价值信号: ✅ 减少人工分类工作量\n    工程信号: ✅ 标准化接口\n    判定: 强收敛 → 继续\n\n  知识库检索:\n    能力信号: ⚠️ 长尾命中率不足\n    资料信号: ⚠️ 长尾FAQ缺失\n    使用信号: ⚠️ 未充分测试\n    价值信号: ⚠️ 需评估覆盖度提升空间\n    工程信号: ⚠️ 边界不完全清晰\n    判定: 无收敛 → 停止（补充资料后可重开）\n\n产品决策:\n  继续（进入系统构建）:\n    - Copilot + 工单分类（强收敛，四维度全部达标）\n  试点（小范围继续验证）:\n    - 意图识别（弱收敛，需量化价值信号后决定）\n  延后（补充条件后重评）:\n    - 售后政策（需更新政策文档+提升准确率至85%+）\n    - 知识库检索（需补充长尾FAQ200+条）\n  停止（资源释放）:\n    - 自动回复（E-01 核心假设证伪）\n    - 自主回复（E-05 风险不可控）\n    - 情绪检测（E-07 技术不可行）\n\n进入系统构建条件:\n  ✅ Copilot 采纳率 65% > 60% 阈值\n  ✅ 工单分类准确率 92% > 85% 阈值\n  ✅ 价值密度已验证（ROI > 200%）\n  ✅ 风险边界清晰（人工确认兜底）\n  ✅ 资料可持续供给\n\n实验结论可继承性:\n  边界清楚: Copilot 在订单/物流场景稳定，售后需人工\n  失败清楚: 自动回复风险过高，情绪检测不可行\n  接口清楚: 需要工单系统API、FAQ知识库、规则引擎\n  资料链路清楚: FAQ持续更新、工单样本季度刷新、规则库专人维护\n```\n\n## 示例二：AI 文档审核系统收敛决策（对比案例）\n\n### 用户输入\n\"文档审核实验已完成 D-01 至 D-06 共 6 个实验，需要收敛判断。场景是合同和法律文档的合规审核。\"\n\n### Skill 执行\n\n```yaml\n实验记录整理:\n  D-01 合同条款提取（能力实验）:\n    假设: AI 能从合同中提取关键条款\n    结果: 准确率 91%，结构化输出稳定\n    结论: ✅ 继续\n  D-02 合规风险标记（能力实验）:\n    假设: AI 能标记合同中的合规风险\n    结果: 风险标记准确率 79%，漏过率 12%\n    结论: ⚠️ 延后（漏过率过高，法律场景不可接受）\n  D-03 合同对比（能力实验）:\n    假设: AI 能对比两版合同差异\n    结果: 差异识别率 87%，但遗漏隐含变更\n    结论: ⚠️ 延后\n  D-04 审核工作台（产品实验）:\n    假设: 法务人员愿意使用 AI 辅助审核工作台\n    结果: 采纳率 52%，满意度 71 分\n    结论: ⚠️ 延后（采纳率不足）\n  D-05 批量初筛（产品实验）:\n    假设: AI 能对大量合同做初筛分级\n    结果: 分级准确率 84%，效率提升 60%\n    结论: ✅ 继续\n  D-06 定价验证（商业实验）:\n    假设: 客户愿意为 AI 审核付费\n    结果: 3/5 客户愿意试点，但要求准确率 > 90%\n    结论: ⚠️ 延后（准确率未达客户要求）\n\n四维度证据对比:\n  | 方向 | 技术可行性 | 用户接受度 | 价值密度 | 资料完备度 |\n  |------|-----------|-----------|---------|-----------|\n  | 条款提取 | ✅ 91% | ✅ 嵌入工作流 | ✅ 节省大量手工 | ✅ 合同样本充足 |\n  | 批量初筛 | ✅ 84% | ✅ 效率+60% | ✅ 客户愿意付费 | ✅ 历史合同充足 |\n  | 风险标记 | ⚠️ 79% | ⚠️ 漏过不可接受 | ⚠️ 需>90% | ⚠️ 风险案例不足 |\n  | 合同对比 | ⚠️ 87% | ⚠️ 未充分测试 | ⚠️ 需量化 | ⚠️ 隐含变更样本少 |\n  | 审核工作台 | ⚠️ 依赖上游 | ⚠️ 52%偏低 | ⚠️ 依赖准确率 | ✅ 流程文档充足 |\n\n收敛信号评估:\n  条款提取:\n    能力信号: ✅ 准确率91%\n    资料信号: ✅ 合同样本充足\n    使用信号: ✅ 可嵌入现有流程\n    价值信号: ✅ 大量手工提取可自动化\n    工程信号: ✅ 结构化输出稳定\n    判定: 强收敛 → 继续\n\n  批量初筛:\n    能力信号: ✅ 分级准确率84%\n    资料信号: ✅ 历史合同充足\n    使用信号: ✅ 法务团队认可\n    价值信号: ✅ 效率提升60%\n    工程信号: ✅ 批量处理架构成熟\n    判定: 强收敛 → 继续\n\n  风险标记:\n    能力信号: ❌ 漏过率12%（法律场景不可接受）\n    资料信号: ⚠️ 风险案例样本不足\n    使用信号: ⚠️ 法务不信任\n    价值信号: ⚠️ 客户要求>90%\n    工程信号: ⚠️ 边界不清\n    判定: 无收敛 → 停止（当前技术条件不满足）\n\n产品决策:\n  继续（进入系统构建）:\n    - 合同条款提取（强收敛）\n    - 批量初筛分级（强收敛）\n  延后（补充条件后重评）:\n    - 合同对比（需补充隐含变更样本，提升至92%+）\n  停止（资源释放）:\n    - 合规风险标记（漏过率12%，法律场景不可接受，核心假设暂不成立）\n    - 审核工作台（依赖上游能力，当前准确率不足以支撑采纳率）\n\n进入系统构建条件:\n  ✅ 条款提取准确率 91% > 90% 客户要求\n  ✅ 批量初筛准确率 84%，效率提升 60%\n  ✅ 价值密度已验证（3/5 客户愿意试点）\n  ✅ 资料可持续供给\n  ⚠️ 需要明确：系统构建阶段仅覆盖条款提取和批量初筛，风险标记留待技术突破后重开\n\n实验结论可继承性:\n  边界清楚: 条款提取在标准合同模板上稳定，非标合同需人工复核\n  失败清楚: 风险标记漏过率不可接受，合同对比遗漏隐含变更\n  接口清楚: 需要合同文档解析API、条款知识库、分类模型\n  资料链路清楚: 合同样本持续收集、条款库按行业更新、风险案例库专人维护\n```","tags":["p2d","convergence","decision","native","product","agent","skills","gmaxxxie","agent-skills","ai-agent","ai-native","ai-product"],"capabilities":["skill","source-gmaxxxie","skill-p2d-convergence-decision","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/p2d-convergence-decision","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 (8,091 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":"2026-05-18T18:57:32.598Z","embedding":null,"createdAt":"2026-05-01T01:02:59.949Z","updatedAt":"2026-05-18T18:57:32.598Z","lastSeenAt":"2026-05-18T18:57:32.598Z","tsv":"'+60':910 '-01':57,212,223,503,516,744,794,808 '-02':65,229,530,821 '-03':73,235,545,837 '-04':241,558,850 '-05':247,572,748,867 '-06':252,585,797,881 '-07':258,599,752 '-08':215,263,506,612 '1':83,146,393 '12':831 '15':581 '2':86,149,412 '200':311,634,670,766 '3':89,152,429 '3/5':889,1007 '35':541 '38':524 '4':92,157,459 '40':117,454 '5':163,390,480 '52':859,926 '55':608 '6':166,799 '60':102,442,758,877,1005 '65':539,757 '71':861 '72':566 '78':593 '79':829,914 '8':508 '80':100,440 '84':875,908,1003 '85':75,762 '87':845,920 '88':553 '90':892,917,969,1000 '91':816,903,999 '92':620,761 'ai':5,189,201,333,424,498,520,549,562,576,589,603,616,788,812,825,841,855,871,886 'ai-native-direction-fram':200 'ai-native-system-build':188 'brief':207 'build':192 'converg':3 'copilot':66,230,275,286,302,531,535,630,658,723,755,772 'd':793,796,807,820,836,849,866,880 'decis':4 'direct':203,206 'e':56,64,72,211,214,222,228,234,240,246,251,257,262,502,505,515,529,544,557,571,584,598,611,743,747,751 'experi':175 'explor':181 'faq':635 'faq和工单样本充足':664 'faq持续更新':784 'faq知识库':781 'form':180 'frame':204 'id':397 'nativ':6,190,202 'overview':176 'p2a':174 'p2a-experiment-overview':173 'p2b':178 'p2b-product-form-exploration':177 'p2c':183 'p2c-process-redesign':182 'p2d':2 'p2d-convergence-decision':1 'p2e':195 'p2e-shadow-validation':194 'process':184 'product':179 'redesign':185 'roi':310,633,669,765 'shadow':196 'skill':9,11,170,218,317,388,511,803 'skill-p2d-convergence-decision' 'source-gmaxxxie' 'system':191 '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' 'valid':197 'yaml':220,513,805 '一个不能支撑收敛的实验体系':342 '一个方向应被延后或放弃的特征':377 '下一轮实验和工程化还能否拿到同类材料':356 '不是实验结果看起来不错就可以收敛':345 '不是想法变少':24 '不该做什么':21 '与其他':169 '个实验':509,800 '中':70 '为延后方向制定补充计划':489 '主流程成立':71 '也无法判断成功或失败原因':337 '五种收敛信号':358 '产品决策':34,43,123,284,460,720,976 '产品决策清单':158,486 '产品实验':68,408,533,852,869 '产品实验中的采纳率和满意度':88 '产品方法论':7 '产品的很多误判来自只看单条成功样本':425 '人工确认兜底':313,673,768 '什么条件满足后才可进入':488 '仅内部测试':683 '从四个维度对比每个方向':82,414 '以下概念在执行本':316 '价值':272 '价值信号':367,435,667,684,698,712,938,952,967 '价值密度':33,90,419,628,900 '价值密度已验证':309,764,1006 '价值密度明确':103,443 '价值密度过低':118,455 '价值明确':266,621 '任务结果':368 '但无法稳定复现':110 '但相关方向有信号':138 '但结果无法复现':335 '但要求准确率':891 '但遗漏隐含变更':846 '低':61,78 '使用信号':365,434,665,682,696,710,936,950,965 '使用场景':12 '使用方式模糊无自然入口':380 '依赖上游':925 '依赖上游能力':995 '依赖准确率':928 '保留版本':403 '值得进入产品化的方向往往是这些信号同时出现':375 '假设':51,398,519,534,548,561,575,588,602,615,811,824,840,853,870,884 '假设池':39 '偏低':927 '停止':140,227,250,261,283,293,468,527,583,610,718,740,974,988 '停止决策':162 '停止条件':476 '共':507,798 '共8个实验':216 '关键发现':55,402 '关键场景稳定成立':360 '关键失败案例':350 '内部业务':349 '决策':125 '准确率':552,592,607,619,815 '准确率78':77,254,653 '准确率88':237,638,679 '准确率91':933 '准确率92':265,643,693 '准确率未达客户要求':895 '减少人工分类':645 '减少人工分类工作量':699 '分':862 '分步执行指南':385 '分类模型':1023 '分级准确率':874 '分级准确率84':947 '判定':674,688,702,716,942,956,972 '前置':172 '区分能力实验':407 '协同':199 '单轮实验效果好':109 '单轮效果好但无法稳定复现':447 '历史合同充足':912,949 '历史工单充足':646,695 '原方向不可行':137 '原方向不可行但相关方向有信号':475 '参数':404 '及时停止不成立的方向':383 '及时停止是保护机制':376 '受控使用':354 '只有一两项成立通常不够':374 '可嵌入现有流程':937 '可得':362 '可持续供给':364 '可控':106,363 '可直接嵌入工单系统':697 '可行性低':260,606 '可被组织成系统构建输入':373 '各子实验结论':186 '合同对比':838,919,985 '合同对比遗漏隐含变更':1019 '合同条款提取':809,979 '合同样本充足':906,935 '合同样本持续收集':1025 '合规风险标记':822,990 '后续动作':127 '后置':187 '启动工程化':131 '命中率':565 '命中率72':243 '哪类仍脆弱但值得观察':328 '哪类从一开始就不该投入':330 '哪类能力已足够稳定':327 '哪类虽成立但不值得产品化':329 '售后政策':253,299,586,652,734 '售后政策ai准确率':74 '售后需人工':775 '商业实验':59,883 '商业实验三类':409 '商业实验中客户付费意愿':91 '四维度全部达标':130,471,726 '四维度证据对比':413,624,896 '四维度评分对比':151 '团队面对的不是普通需求列表':322 '在订单':773 '场景是合同和法律文档的合规审核':802 '基于书稿方法论':386 '基于书稿第09章':315 '基于实验证据对方向做继续':35 '基础能力成立':648 '外部知识':348 '多轮实验已完成':13 '多轮实验成功率稳定':99 '多轮实验无法达到可接受准确率':115 '多轮成功率稳定':439 '多轮无法达到可接受准确率':452 '大量手工提取可自动化':939 '失败案例和结论':405 '失败模式和价值信号':325 '失败清楚':493,776,1017 '定价验证':882 '实验':396 '实验id':50 '实验体系不是零散试错':331 '实验类型':52,399 '实验结果分散':15 '实验结论可继承性':770,1013 '实验记录总表':147,483 '实验记录整理':40,48,221,514,806 '实验记录结构化整理':394 '审核付费':887 '审核工作台':851,924,994 '客户付费意愿':420 '客户愿意为':885 '客户愿意付费':104,911 '客户愿意试点':890,1008 '客户要求':968,1001 '客服':497 '客服主动使用':666 '客服实验已完成':210,501 '对每个方向判断五种信号':431 '对每个方向给出决策':124,461 '对比案例':790 '小范围继续验证':728 '小范围试点':291 '尝试':334 '嵌入工作流':904 '工单充足':636 '工单分类':264,287,613,642,691,724 '工单分类准确率':760 '工单分类准确率92':306 '工单样本季度刷新':785 '工程信号':371,436,671,686,700,714,940,954,970 '差异识别率':844 '延后':36,45,132,160,245,256,297,464,569,596,732,833,848,864,894,983 '延后方向的改进路径':168 '延后条件':472 '建议':532 '建议停止':114,451 '建议延后':108,446 '建议继续':98,438 '弱':155 '弱收敛':279,445,689,730 '弱收敛信号':107 '强':154 '强收敛':276,437,675,703,725,943,957,980,982 '强收敛信号':97 '当前准确率不足以支撑采纳率':996 '当前技术条件不满足':975 '形态和价值的判断越来越清楚':27 '很多团队做了很多':332 '情绪检测':259,295,600,750 '情绪检测不可行':778 '意图识别':236,278,290,546,637,677,729 '成功率':54,401 '成本':119 '成本和延迟无法支撑产品化':381 '所有实验的结构化整理':148 '执行':219,512,804 '批量初筛':868,907,945 '批量初筛准确率':1002 '批量初筛分级':981 '批量处理架构成熟':955 '技术':270 '技术不可行':753 '技术可行但价值不清晰':448 '技术可行但价值密度不清晰':111 '技术可行性':84,415,626,898 '把所有实验结果结构化':49,395 '接口清楚':494,779,1020 '提升准确率至85':736 '提升至92':987 '支撑工程化的资料是否足够':94,422 '收敛':23 '收敛不是从很多方向里挑一个方向的管理动作':320 '收敛信号':28 '收敛信号评估':153,268,485,657,930 '收敛信号识别':42,96 '收敛信号识别与判定':430 '收敛决策流程':38 '收敛到':19 '收敛前的资料闸门':344 '收敛报告与产品决策':145 '收敛是提高判断密度':319 '收敛是让团队最终能说清楚':326 '收敛结论建立在无法持续复现的材料上是常见陷阱':357 '收益':120 '改进路径和重评时间点':490 '放弃':46 '政策文档过时':594 '效率':369,909 '效率提升':540,876,1004 '效率提升35':232,668 '效率提升60':953 '整理收敛报告':482 '文档审核实验已完成':792 '文档审核系统收敛决策':789 '文档过时':656 '方向':269,625,897 '方向调整时更新':205 '方法版本':340 '无信号判定':156 '无收敛':282,450,717,973 '无收敛信号':113 '无法比较':336 '时需深入理解':318 '明确什么条件满足后才可进入':165 '明确进入系统构建的条件':487 '是试验展开对团队最重要的保护机制之一':384 '最强模型下能力上限':85,416 '有意愿但资料不完备':449 '有明确需求':639 '未充分测试':654,711,921 '未满足条件的补充计划':167 '本':387 '本质上等于没有实验体系':343 '权限隔离':353 '条':739 '条件':126 '条款库按行业更新':1026 '条款提取':902,931 '条款提取准确率':998 '条款提取在标准合同模板上稳定':1015 '条款知识库':1022 '标准化接口':701 '标注数据充足':641,681 '核心假设暂不成立':993 '核心假设被证伪':141,477,528 '核心假设证伪':745 '核心概念':22 '步':391 '步骤':392,411,428,458,479 '每个方向的继续':159 '法务不信任':966 '法务人员愿意使用':854 '法务团队认可':951 '法律场景不可接受':835,962,992 '注意':423 '流程文档充足':929 '深入核心概念':314 '清楚边界':31 '满意度':860 '满意度82分':632 '漏过不可接受':915 '漏过率':830 '漏过率12':961,991 '漏过率过高':834 '物流场景稳定':774 '现在该做什么':20 '用户':271 '用户不接受':63 '用户愿意真实使用':366 '用户接受度':32,87,417,627,899 '用户有意愿但资料不完备':112 '用户输入':209,500,791 '用户采纳率':101,116 '的关系':171 '的完整执行分为':389 '目标收敛与产品决策':10 '目标收敛与产品决策的实操':8 '看起来能做但价值密度长期偏低':382 '真正的实验体系必须把实验对象':338 '知识库检索':242,281,559,647,705,737 '知识库长尾':298 '确保可复现':406 '确保实验结论可被继承':491 '示例':208 '示例一':496 '示例二':787 '稳定成功率':30 '第一步':47 '第三步':95 '第二步':80 '第四步':122 '系统收敛决策':499 '系统构建阶段仅覆盖条款提取和批量初筛':1011 '结构化输出稳定':817,941 '结果':53,400,522,537,551,564,578,591,605,618,814,827,843,857,873,888 '结论':526,542,555,568,582,595,609,622,818,832,847,863,878,893 '继续':128,233,239,267,277,285,462,543,556,623,676,704,721,819,879,944,958,977 '继续方向的影子验证':198 '继续方向进入工程化':193 '继续条件':470 '继续验证价值':292 '综合':274 '而不看整体失败分布和真实使用条件':426 '而是一组能力假设':323 '而是判断动作':321 '而是组织对问题':25 '聚焦其他方向':143 '能从合同中提取关键条款':813 '能从知识库准确召回答案':563 '能准确解释售后政策':590 '能准确识别客户意图':550 '能力':26 '能力信号':359,432,659,678,692,706,932,946,960 '能力在关键场景仍不稳定':378 '能力实验':76,518,547,560,574,587,601,614,810,823,839 '能力边界清楚':372 '能对大量合同做初筛分级':872 '能对比两版合同差异':842 '能提升客服效率':536 '能提升效率':67 '能标记合同中的合规风险':826 '能检测客户情绪':604 '能独立完成完整回复':577 '能自动分类工单':617 '能证明方向值得继续工程化的证据':29 '脱敏':352 '自主回复':248,573,746 '自动化价值高':644 '自动回复':224,294,517,742 '自动回复能减少人工':58 '自动回复能减少人工介入':521 '自动回复风险过高':777 '至':213,504,795 '节省大量手工':905 '补充条件后重评':135,465,733,984 '补充资料后可重开':719 '补充资料后重评':300,597 '规则库专人维护':786 '规则引擎':782 '证据对比':41,81 '证据对比分析':150,484 '评估标准和结论沉淀下来':341 '试点':280,289,727 '试点验证价值':690 '调整方向重做实验':139,467 '质量出现明确改善':370 '资料':273 '资料不足':79 '资料供给是否可持续':355 '资料信号':361,433,663,680,694,708,934,948,963 '资料可持续供给':769,1009 '资料处理是否合规':351 '资料完备度':93,421,629,901 '资料或风险待解决':134 '资料条件':324 '资料条件不足且短期无改善路径':379 '资料覆盖是否足够':347 '资料链路清楚':495,783,1024 '资源释放':142,296,741,989 '资源释放聚焦其他方向':469 '赔付承诺错误率':580 '超过60':304,661 '超过85':307 '转向':136,161,466 '转向或停止的判断':37 '转向条件':474 '辅助审核工作台':856 '输入数据':339 '输出产品决策清单':478 '输出实验记录总表':410 '输出收敛信号评估报告':457 '输出收敛报告与后续计划':481 '输出物':144 '输出证据对比分析表':427 '边界不完全清晰':715 '边界不清':971 '边界清晰':238,554,672,687 '边界清楚':492,771,1014 '还能试什么':18 '还需验证三个条件':346 '进入系统构建':44,129,288,463,722,978 '进入系统构建条件':301,754,997 '进入系统构建的条件':164 '部分维度达标':133 '部分维度达标但资料或风险待解决':473 '采纳率':441,453,523,538,756,858 '采纳率38':60,225 '采纳率65':69,231,303,631,660 '采纳率不足':865 '采纳率和满意度':418 '长尾faq缺失':651,709 '长尾不足':244 '长尾体验差':649 '长尾命中率不足':707 '长尾问题不足':567 '阈值':305,308,662,759,763 '隐含变更样本少':923 '需':916 '需更新政策文档':735 '需补充知识库':570 '需补充资料':255 '需补充长尾faq200':738 '需补充隐含变更样本':986 '需要从':17 '需要判断哪些方向值得继续投入':14 '需要合同文档解析api':1021 '需要工单系统api':780 '需要收敛判断':217,510,801 '需要明确':1010 '需要系统化整理和比较':16 '需评估覆盖度':650 '需评估覆盖度提升空间':713 '需量化':655,922 '需量化价值信号后决定':731 '需量化验证':640 '需量化验证实际效果':685 '非标合同需人工复核':1016 '风险不可控':749 '风险标记':913,959 '风险标记准确率':828 '风险标记漏过率不可接受':1018 '风险标记留待技术突破后重开':1012 '风险案例不足':918 '风险案例库专人维护':1027 '风险案例样本不足':964 '风险边界无法划定':121,456 '风险边界清晰':105,312,444,767 '风险过高':62,226,249,579 '高风险承诺过多':525","prices":[{"id":"374ad890-eba3-4902-8230-55534c6de1da","listingId":"fe9cb263-a101-40b4-ab5a-ead4bae5304c","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":"2026-05-01T01:02:59.949Z"}],"sources":[{"listingId":"fe9cb263-a101-40b4-ab5a-ead4bae5304c","source":"github","sourceId":"gmaxxxie/ai-native-product-agent-skills/p2d-convergence-decision","sourceUrl":"https://github.com/gmaxxxie/ai-native-product-agent-skills/tree/main/skills/p2d-convergence-decision","isPrimary":false,"firstSeenAt":"2026-05-01T01:02:59.949Z","lastSeenAt":"2026-05-18T18:57:32.598Z"}],"details":{"listingId":"fe9cb263-a101-40b4-ab5a-ead4bae5304c","quickStartSnippet":null,"exampleRequest":null,"exampleResponse":null,"schema":null,"openapiUrl":null,"agentsTxtUrl":null,"citations":[],"useCases":[],"bestFor":[],"notFor":[],"kindDetails":{"org":"gmaxxxie","slug":"p2d-convergence-decision","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":"4dc21f246a2fa08b693fd9b97774d1a8b0688ddd","skill_md_path":"skills/p2d-convergence-decision/SKILL.md","default_branch":"main","skill_tree_url":"https://github.com/gmaxxxie/ai-native-product-agent-skills/tree/main/skills/p2d-convergence-decision"},"layout":"multi","source":"github","category":"ai-native-product-agent-skills","frontmatter":{"name":"p2d-convergence-decision","description":"'AI Native 产品方法论——目标收敛与产品决策的实操 Skill。"},"skills_sh_url":"https://skills.sh/gmaxxxie/ai-native-product-agent-skills/p2d-convergence-decision"},"updatedAt":"2026-05-18T18:57:32.598Z"}}