{"id":"57e9ffd7-ad5e-480a-b59a-b85abd4c6e54","shortId":"FB5aFf","kind":"skill","title":"p13f-first-half-judgment","tagline":"九步前半段——做什么、值不值得、用不用AI的判断框架","description":"# 前半段判断 Skill\n\n## 适用场景\n- 决定产品方向与范围\n- 评估问题价值与AI适用性\n- 早期筛选与资源分配\n\n## 输入\n| 字段 | 说明 |\n|------|------|\n| problem_statement | 问题描述 |\n| available_solutions | 可能的解决方案列表 |\n| ai_capability_assessment | AI能力评估结果 |\n\n## 输出\n- 方向判断结论（做哪个/不做哪个）\n- 价值排序\n- AI适用性决策\n\n## 工作流程\n1. **做什么判断**：明确核心要解决的问题边界，识别什么是\"不在范围内\"\n2. **价值判断**：评估问题的紧急性/重要性/市场规模/战略价值\n3. **AI适用性判断**：该问题是否适合用AI解决？AI能带来什么增量？\n\n## 注意事项\n- 前半段判断决定资源投入方向，错误代价最大\n- 要用\"淘汰法\"而非\"加法\"——明确什么不做同样重要\n\n## 核心概念\n\n### 1. 能力找壳 vs 问题驱动\n很多 AI 产品不是死在执行差，而是死在起点顺序就错了——团队先被一个能力打动，然后开始反向寻找场景。\"这个模型能长文本推理，我们能拿它做什么？\"这类讨论的危险在于，它会让团队先拥有答案再去发明问题。一旦顺序变成这样，你的整个产品定义都会被能力牵着走。你会更关心\"我们这个 AI 能做什么\"，而不是\"用户今天到底为什么难受\"。能力找壳并不总是完全错误，但它很容易制造高估——因为模型能力天然带来想象空间，而想象空间比真实痛点更容易让人兴奋。\n\n### 2. \"没有 AI，这个问题还存在吗\"——真问题的试金石\n如果答案是\"不太存在\"，那你面对的不是一个早就压在用户身上的问题，而是一个被新技术召唤出来的想象型需求。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。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。\n\n### 3. 真问题五问\n(1) 没有 AI 这个问题还存在吗？(2) 用户会主动提这个问题吗——用户会抱怨、绕路、自己搭补丁、找替代品、拖延。(3) 不解决它今天会怎样——会不会继续花大量时间、犯代价很高的错误、影响留存/转化/营收。(4) 这是持续价值还是体验惊艳——持续价值说明问题真实存在，体验惊艳可能只是能力包装。(5) 它是在减少痛苦还是在增加想象力——减少痛苦更稳固，增加想象力更容易被替代。\n\n### 4. 真问题在现实里留下痕迹\n真问题会体现在：用户的补丁行为里、反复出现的人工流程里、组织的例外处理里、不断上升的协同成本里、难看的留存和转化数据里、客服/销售/实施反复提到的同类摩擦里。而能力包装型方向，往往痕迹很弱——你更多看到\"如果有这个好像不错\"，却很少看到\"没有它今天真的很麻烦\"。前者更接近想象市场，后者更接近现实市场。\n\n### 5. 训练方法：把能力语言改写成问题语言\n\"我们可以做一个 AI 自动总结系统\"→\"用户今天在哪些高频场景下，因为信息太长太杂太晚被看到，而做错了判断或拖慢了下一步？他们现在靠什么补救？\"。\"我们可以做一个 AI 智能推荐模块\"→\"用户今天在哪个决策节点里，因为选择过多、判断成本过高，而频繁卡住或放弃？\"。好产品不是从\"我有一个厉害能力\"开始，而是从\"有人正在付出某种重复代价\"开始。\n\n## 深入核心概念\n\n### 1. 能力找壳：先有答案再发明问题\n\n> \"团队先被一个能力打动，然后开始反向寻找场景。这类讨论的危险在于，它会让团队先拥有答案再去发明问题。一旦顺序变成这样，你的整个产品定义都会被能力牵着走。\" ——书稿第6章\n\n能力找壳并不总是完全错误，但它很容易制造高估。因为模型能力天然带来想象空间，而想象空间比真实痛点更容易让人兴奋。你会更关心\"我们这个AI能做什么\"而不是\"用户今天到底为什么难受\"，更关心\"怎么讲得让人觉得先进\"而不是\"如果不存在用户损失了什么\"。**应用**：每次对某个新能力感到兴奋时，先别急着写方案，强迫自己把能力语言改写成问题语言——\"我们可以做AI自动总结\"改成\"用户今天在哪些场景因为信息太长太杂做错了判断？他们现在靠什么补救？\"\n\n### 2. 真问题在现实里留下痕迹，能力包装只留下想象\n\n> \"真问题通常不会只存在于访谈话术里。它会体现在用户的补丁行为里、反复出现的人工流程里、组织的例外处理里、不断上升的协同成本里。\" ——书稿第6章\n\n判断真问题和能力包装，最有效的方法是去现实里找痕迹。用户有没有自己搭过补丁？有没有发展出稳定的补偿行为？客服/销售/实施反复提到的同类摩擦是什么？这些证据比访谈反馈更接近真需求。而能力包装型方向往往痕迹很弱——你更多看到\"如果有这个好像不错\"，却很少看到\"没有它今天真的很麻烦\"。**应用**：做\"需求考古学\"——看客服记录、看销售反馈、看用户自建方案、看数据异常、看组织例外、看一线抱怨。真问题的五种痕迹：行为痕迹、时间痕迹、流程痕迹、数据痕迹、语言痕迹。\n\n### 3. \"没有AI，这个问题还存在吗\"——最有效的一句话\n\n> \"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。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。\" ——书稿第6章\n\n这句话的力量在于，它会逼你把\"技术想象\"剥掉，重新看问题本体。如果答案是\"不太存在\"，那你面对的不是一个早就压在用户身上的问题，而是一个被新技术召唤出来的想象型需求。**应用**：对每个AI方向先过这一关。如果答案是不太存在，停下来——你可能不是在解决问题，而是在给新技术找展示舞台。如果存在，继续看传统解法做到什么程度、痛点在哪里，然后再判断AI的真实增量。\n\n## 分步执行\n\n### 步骤 1：起点顺序检查\n检查当前讨论的起点是\"能力\"还是\"问题\"。如果起点是\"这个模型能做什么\"，先停下来，切换到\"用户今天到底为什么难受\"。把能力语言翻译成问题语言。\n\n### 步骤 2：真问题五问评估\n逐问评估：(1) 没有 AI 这个问题还存在吗？(2) 用户会主动暴露痛苦吗——看行为（抱怨/绕路/补丁/替代品/拖延）而非口头。(3) 不解决今天会怎样——列出具体损失。(4) 这是持续价值还是体验惊艳？(5) 它是在减少痛苦还是增加想象力？\n\n### 步骤 3：现实痕迹搜索\n到真实环境里找证据：用户有没有自己搭过补丁？有没有发展出稳定的补偿行为？有没有长期忍受一段别扭但没被系统接住的处境？客服/销售/实施反复提到的同类摩擦是什么？这些证据比访谈反馈更接近真需求。\n\n### 步骤 4：想象市场 vs 现实市场区分\n判断当前方向更接近哪一种市场。想象市场的特征：听起来很酷、演示效果好、团队很兴奋、用户\"如果有这个好像不错\"。现实市场的特征：用户今天已经在付代价、有行为证据、不解决会持续受损。如果方向偏想象市场，要特别克制。\n\n### 步骤 5：方向修正或确认\n如果五问和痕迹检查都指向真问题，确认方向。如果指向能力包装，有两个选择：(1) 回到问题层重新寻找真正痛的场景；(2) 如果决定继续做，要清楚自己在做\"想象力产品\"而非\"痛点产品\"，调整预期和策略。\n\n## 示例 1：AI 情绪洞察助手——能力包装的典型\n\n**场景**：团队想做\"AI 情绪洞察助手\"——读取团队聊天记录和会议发言，自动判断谁压力大、谁情绪低、给管理者\"团队情绪雷达图\"。\n\n**真问题五问诊断**：\n1. **没有 AI 还存在吗**：部分存在，管理者确实经常不知道团队真实状态。但用户不会以\"情绪雷达图\"这种形式提问题。\n2. **用户会主动提吗**：很少。他们说的是\"协作不顺\"\"信息不透明\"\"一对一沟通太少\"，而不是\"我需要情绪雷达图\"。\n3. **不解决今天会怎样**：会有管理盲区，但很难通过单一 AI 产品直接解决——涉及信任、文化、表达意愿和管理责任。\n4. **持续价值还是体验惊艳**：偏后者。第一次看会很惊艳，但长期使用会遇到解释难、责任重、误判风险高的问题。\n5. **减少痛苦还是增加想象力**：更偏后者。增加了一种\"管理可以被 AI 看见\"的想象。\n\n**结论**：不是完全没价值，但更像一个能力展示，而不是被现实痛点牵引出来的强产品。最大问题不是不先进，而是不够落地。\n\n## 示例 2：能力语言→问题语言的转换练习\n\n**场景**：团队有三个 AI 方向想法，逐一做能力→问题语言转换。\n\n| 能力语言 | 问题语言 |\n|---------|---------|\n| 我们可以做 AI 自动总结系统 | 用户今天在哪些高频场景下因为信息太长太杂做错了判断？他们现在靠什么补救？ |\n| 我们可以做 AI 智能推荐模块 | 用户今天在哪个决策节点因为选择过多而频繁卡住或放弃？他们现在怎么硬撑过去？ |\n| 我们可以做 AI 语气改写功能 | 用户今天在哪种沟通场景因为表达成本高、语气拿捏难而持续浪费时间？这种代价在谁身上最重？ |\n\n**练习收获**：当你练习得足够多，会慢慢形成一个很重要的产品直觉——好产品不是从\"我有一个厉害能力\"开始，而是从\"有人正在付出某种重复代价\"开始。如果你只能用能力语言描述方向，说明你还没有真正把产品价值压到用户的现实处境里。\n\n## 真问题 vs 能力包装信号对照\n\n| 维度 | 真问题信号 | 能力包装信号 |\n|------|----------|------------|\n| 用户表达 | \"我每次都要花 2 小时整理\" | \"如果有这个好像不错\" |\n| 行为证据 | 有补偿行为、有绕路、有补丁 | 只有口头反馈 |\n| 不解决的后果 | 继续浪费时间/流失客户/影响营收 | \"没那么酷而已\" |\n| 问题来源 | 用户主动暴露痛苦 | 团队先有能力再找场景 |\n| 持续性 | 每天/每周都发生 | 偶尔出现或概念性 |\n| 价值本质 | 减少痛苦 | 增加想象力 |\n| 竞争优势 | 解决了别人没接住的真实代价 | 演示效果更好 |\n\n## 能力找壳的典型模式\n\n### 模式 1：新技术驱动\n\"这个模型能长文本推理，我们能拿它做什么？\"→ 先有技术名词，再找场景。\n\n### 模式 2：演示驱动\n\"这个功能演示效果很好\"→ 先有惊艳效果，再补问题定义。\n\n### 模式 3：竞品驱动\n\"竞品已经上了这个能力\"→ 先有跟随冲动，再想是否适合自己。\n\n### 模式 4：趋势驱动\n\"AI 是大趋势，我们也要有\"→ 先有叙事需求，再找落地方向。\n\n### 模式 5：能力平移\n\"我们在模型上有优势\"→ 先有能力积累，再找能用上的场景。\n\n以上每种模式都不是完全错误，但都需要回到\"没有 AI 这个问题还存在吗\"来检验。\n\n## 现实痕迹搜索清单\n\n到真实环境里寻找真问题的证据：\n\n- [ ] 用户有没有自己搭过补丁（临时脚本、手动流程、Excel 模板）\n- [ ] 用户有没有发展出稳定的补偿行为\n- [ ] 客服/销售/实施反复提到的同类摩擦是什么\n- [ ] 哪些数据反映了问题（留存下降、转化卡住、工单堆积）\n- [ ] 用户有没有长期忍受一段别扭但没被系统接住的处境\n- [ ] 组织有没有为这个问题建过例外流程\n\n## 5 分钟练习\n\n挑一个你最近觉得\"很先进\"的 AI 方向，写下这六句话：\n\n1. 如果没有 AI，这个问题今天还会不会存在。\n2. 用户会不会主动把这件事当问题提出来。\n3. 如果不解决它，现实里会继续发生什么损失。\n4. 它带来的主要是持续价值，还是第一次惊艳。\n5. 它是在减少现实痛苦，还是在增加未来想象。\n6. 如果我要把它从能力语言改成问题语言，我会怎么写。\n\n把这六句话写清楚，你通常会更容易识别：你到底是在做一个产品，还是在替一个模型能力编故事。\n\n## 真问题考古学\n\n真问题不会只存在于访谈话术里。它们会在现实里留下稳定痕迹。发现这些痕迹的方法叫做\"需求考古学\"。\n\n### 考古学方法\n\n1. **看客服记录**：高频出现的问题、反复被打回的工单、客户反复追问的点。\n2. **看销售反馈**：销售反复提到的痛点、客户犹豫的原因、丢单的共同模式。\n3. **看用户自建方案**：用户自己搭的临时脚本、Excel 模板、手动流程、补丁工具。\n4. **看数据异常**：留存下降、转化卡住、功能使用率低、会话时长异常。\n5. **看组织例外**：为某个问题建的例外流程、特殊审批、临时规则。\n6. **看一线抱怨**：客服、运营、实施、销售反复提到的同类摩擦。\n\n### 真问题的五种痕迹\n\n| 痕迹类型 | 具体表现 | 说明 |\n|---------|---------|------|\n| 行为痕迹 | 用户绕路、补丁、拖延、放弃 | 用户在用行为投票 |\n| 时间痕迹 | 某个步骤消耗大量时间 | 时间是最诚实的成本 |\n| 流程痕迹 | 例外流程、临时规则、手动补丁 | 组织在用流程投票 |\n| 数据痕迹 | 留存/转化/续费指标异常 | 数据在用结果投票 |\n| 语言痕迹 | 一线员工反复提到同类问题 | 人在用抱怨投票 |\n\n### 考古学实操问题清单\n\n到真实环境里，回答以下问题：\n\n- [ ] 用户有没有自己搭过补丁（临时脚本、手动流程、Excel 模板）\n- [ ] 用户有没有发展出稳定的补偿行为\n- [ ] 客服/销售/实施反复提到的同类摩擦是什么\n- [ ] 哪些数据反映了问题（留存下降、转化卡住、工单堆积）\n- [ ] 用户有没有长期忍受一段别扭但没被系统接住的处境\n- [ ] 组织有没有为这个问题建过例外流程\n- [ ] 一线员工最常抱怨的是什么\n- [ ] 用户在系统外花了多少时间补劳动\n\n## 能力壳识别检查清单\n\n当一个方向出现以下信号时，要特别警惕它可能是\"能力找壳\"：\n\n### 危险信号\n\n- [ ] 起点是\"这个模型能做什么\"而不是\"用户为什么难受\"\n- [ ] 讨论焦点是\"怎么讲得让人觉得先进\"而不是\"用户今天损失了什么\"\n- [ ] 没有行为证据，只有\"如果有这个好像不错\"\n- [ ] 演示效果很好，但说不清谁会持续用\n- [ ] 团队更关心技术实现而不是用户采纳\n- [ ] 方案比问题定义更完整\n- [ ] 没有人能回答\"没有 AI 这个问题还存在吗\"\n- [ ] 用户不会主动提出这个问题\n\n**如果超过 3 项勾选，回到问题定义阶段重新审视。**\n\n### 安全信号\n\n- [ ] 有具体的行为证据（补偿行为、绕路、补丁）\n- [ ] 能用问题语言描述（不依赖技术名词）\n- [ ] 用户会主动抱怨或表达痛苦\n- [ ] 不解决会有持续的可量化损失\n- [ ] 没有 AI 这个问题也真实存在\n- [ ] 团队能说清\"用户今天在付什么代价\"\n- [ ] 竞品或替代方案也没有很好地解决\n- [ ] 解法路径清晰，不只是\"上 AI\"\n\n**如果超过 4 项勾选，方向更可能是真问题。**\n\n## 能力语言→问题语言转换练习库\n\n更多的转换练习，帮助训练问题语言能力：\n\n### 转换 1\n\n**能力语言**：\"我们可以做一个 AI 自动分类系统\"\n**问题语言**：\"用户今天在处理哪些信息时，因为分类标准不统一、判断成本高、规则写不全，而频繁出错或效率低下？他们现在靠什么方法分类，这些方法的代价是什么？\"\n\n### 转换 2\n\n**能力语言**：\"我们可以做一个 AI 智能助手\"\n**问题语言**：\"用户今天在哪个工作环节里，因为信息分散、操作步骤多、跨工具切换频繁，而花费大量时间在非核心工作上？他们最希望哪一步被自动接住？\"\n\n### 转换 3\n\n**能力语言**：\"我们可以做 AI 驱动的数据分析\"\n**问题语言**：\"用户今天在做哪些决策时，因为数据太散、分析太慢、看不懂报表，而凭经验拍脑袋或拖延决策？他们现在怎么凑合着做分析？\"\n\n### 转换 4\n\n**能力语言**：\"我们可以做一个 AI 写作助手\"\n**问题语言**：\"用户今天在写哪些内容时，因为格式要求多、参考资料散、表达拿捏难，而反复修改或干脆拖着不写？他们最常卡在哪个环节？\"\n\n### 转换 5\n\n**能力语言**：\"我们可以做一个 AI 翻译系统\"\n**问题语言**：\"用户今天在跨语言沟通时，因为翻译质量不稳定、专业术语难处理、上下文丢失，而产生误解或额外确认成本？他们现在怎么处理翻译需求？\"\n\n## 方向修正决策树\n\n当真问题五问评估完成后，用以下决策树决定下一步：\n\n```\n真问题五问评估结果：\n├─ 五问全部指向真问题\n│   └─ 确认方向 → 进入下一步（AI 适配性评估）\n│\n├─ 三到四问指向真问题\n│   └─ 部分确认 → 深入诊断不过的那几问\n│       ├─ 能找到补充证据 → 确认方向\n│       └─ 找不到补充证据 → 调整方向或暂缓\n│\n├─ 一到两问指向真问题\n│   └─ 大概率是能力包装 → 两个选择：\n│       ├─ 回到问题层重新寻找真正痛的场景\n│       └─ 如果决定继续做，清楚自己在做\"想象力产品\"\n│\n└─ 无一问指向真问题\n    └─ 放弃或彻底重新定义\n```\n\n## 团队判断校准方法\n\n确保团队在\"真问题 vs 能力包装\"上形成共识：\n\n### 校准练习 1：案例投票\n\n选一个真实案例，让团队成员独立完成真问题五问，然后一起对比结果。讨论分歧点，形成共识。\n\n### 校准练习 2：语言转换比赛\n\n给一个能力描述，让每个人独立转换成问题语言。对比转换结果，看谁最接近用户真实处境。\n\n### 校准练习 3：反证挑战\n\n对一个大家都认为是真问题的方向，安排一个人专门找反证。如果反证站得住，说明判断还不够扎实。\n\n### 校准练习 4：需求考古\n\n选一个真实用户场景，一起去现场（或看录屏）做需求考古。看用户到底在系统外补了什么劳动。","tags":["p13f","first","half","judgment","native","product","agent","skills","gmaxxxie","agent-skills","ai-agent","ai-native"],"capabilities":["skill","source-gmaxxxie","skill-p13f-first-half-judgment","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/p13f-first-half-judgment","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 (7,446 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":"2026-05-18T18:57:30.127Z","embedding":null,"createdAt":"2026-05-01T01:02:57.023Z","updatedAt":"2026-05-18T18:57:30.127Z","lastSeenAt":"2026-05-18T18:57:30.127Z","tsv":"'1':36,60,106,175,276,292,348,358,372,495,558,586,723,820 '2':41,86,110,205,289,296,350,381,421,467,502,562,591,737,828 '3':47,104,117,242,305,313,390,508,564,596,692,750,835 '4':124,132,308,324,399,514,567,603,715,763,842 '5':128,151,310,342,406,522,550,570,609,776 '6':573,614 'ai':25,65,78,88,96,101,108,155,162,294,359,364,374,394,411,426,433,438,443,516,530,555,560,688,705,713,726,740,753,766,779,795 'ai只是在这个基础上提供一种可能的更好解法':252 'ai能力评估结果':28 'ai能带来什么增量':50 'ai适用性决策':34 'ai适用性判断':48 'assess':27 'avail':22 'capabl':26 'excel':538,599,652 'first':3 'half':4 'judgment':5 'p13f':2 'p13f-first-half-judgment':1 'problem':19 'skill':11 'skill-p13f-first-half-judgment' 'solut':23 'source-gmaxxxie' 'statement':20 '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' 'vs':62,326,460,816 '一个真问题':246 '一个真问题即使没有':95 '一到两问指向真问题':804 '一对一沟通太少':387 '一旦顺序变成这样':74,182 '一线员工反复提到同类问题':644 '一线员工最常抱怨的是什么':664 '一起去现场':845 '三到四问指向真问题':797 '上':712 '上下文丢失':785 '上形成共识':818 '不依赖技术名词':701 '不做哪个':32 '不只是':711 '不在范围内':40 '不太存在':92,261 '不断上升的协同成本里':138,212 '不是完全没价值':415 '不解决今天会怎样':306,391 '不解决会持续受损':338 '不解决会有持续的可量化损失':703 '不解决它今天会怎样':118 '不解决的后果':475 '专业术语难处理':784 '丢单的共同模式':595 '两个选择':806 '临时脚本':536,650 '临时规则':613,635 '为某个问题建的例外流程':611 '九步前半段':6 '也往往已经以某种成本存在很久了':97,248 '书稿第6章':184,213,254 '五问全部指向真问题':792 '产品不是死在执行差':66 '产品直接解决':395 '人在用抱怨投票':645 '他们最希望哪一步被自动接住':748 '他们最常卡在哪个环节':774 '他们现在怎么凑合着做分析':761 '他们现在怎么处理翻译需求':787 '他们现在怎么硬撑过去':441 '他们现在靠什么方法分类':734 '他们现在靠什么补救':160,204,436 '他们说的是':384 '以上每种模式都不是完全错误':527 '价值判断':42 '价值排序':33 '价值本质':487 '会不会继续花大量时间':119 '会慢慢形成一个很重要的产品直觉':450 '会有管理盲区':392 '会话时长异常':608 '但它很容易制造高估':83,186 '但很难通过单一':393 '但更像一个能力展示':416 '但用户不会以':378 '但说不清谁会持续用':683 '但都需要回到':528 '但长期使用会遇到解释难':403 '体验惊艳可能只是能力包装':127 '你会更关心':76,189 '你到底是在做一个产品':578 '你可能不是在解决问题':268 '你更多看到':145,223 '你的整个产品定义都会被能力牵着走':75,183 '你通常会更容易识别':577 '例外流程':634 '信息不透明':386 '值不值得':8 '偏后者':401 '做':228 '做什么':7 '做什么判断':37 '做哪个':31 '做需求考古':847 '停下来':267 '偶尔出现或概念性':486 '先停下来':284 '先别急着写方案':199 '先有叙事需求':519 '先有惊艳效果':505 '先有技术名词':499 '先有答案再发明问题':177 '先有能力积累':525 '先有跟随冲动':511 '具体表现':622 '再想是否适合自己':512 '再找场景':500 '再找能用上的场景':526 '再找落地方向':520 '再补问题定义':506 '写下这六句话':557 '写作助手':767 '决定产品方向与范围':13 '减少痛苦':488 '减少痛苦更稳固':130 '减少痛苦还是增加想象力':407 '分析太慢':758 '分步执行':274 '分钟练习':551 '切换到':285 '列出具体损失':307 '判断当前方向更接近哪一种市场':328 '判断成本过高':166 '判断成本高':731 '判断真问题和能力包装':214 '到真实环境里':647 '到真实环境里寻找真问题的证据':534 '到真实环境里找证据':315 '前半段判断':10 '前半段判断决定资源投入方向':52 '前者更接近想象市场':149 '剥掉':258 '功能使用率低':607 '加法':57 '协作不顺':385 '危险信号':670 '即使没有ai':247 '却很少看到':147,225 '参考资料散':771 '反复出现的人工流程里':136,210 '反复等待':100,251 '反复被打回的工单':589 '反复返工':99,250 '反证挑战':836 '发现这些痕迹的方法叫做':583 '只是在这个基础上提供一种可能的更好解法':102 '只有':680 '只有口头反馈':474 '可能的解决方案列表':24 '后者更接近现实市场':150 '听起来很酷':330 '哪些数据反映了问题':544,658 '回到问题定义阶段重新审视':694 '回到问题层重新寻找真正痛的场景':349,807 '回答以下问题':648 '因为信息分散':744 '因为信息太长太杂太晚被看到':158 '因为分类标准不统一':730 '因为数据太散':757 '因为格式要求多':770 '因为模型能力天然带来想象空间':84,187 '因为翻译质量不稳定':783 '因为选择过多':165 '团队先有能力再找场景':482 '团队先被一个能力打动':68,178 '团队判断校准方法':813 '团队很兴奋':332 '团队情绪雷达图':370 '团队想做':363 '团队更关心技术实现而不是用户采纳':684 '团队有三个':425 '团队能说清':707 '场景':362,424 '增加了一种':409 '增加想象力':489 '增加想象力更容易被替代':131 '大概率是能力包装':805 '好产品不是从':168,451 '如果不存在用户损失了什么':196 '如果不解决它':565 '如果五问和痕迹检查都指向真问题':344 '如果你只能用能力语言描述方向':457 '如果决定继续做':351,808 '如果反证站得住':839 '如果存在':270 '如果我要把它从能力语言改成问题语言':574 '如果指向能力包装':346 '如果方向偏想象市场':339 '如果有这个好像不错':146,224,334,469,681 '如果没有':559 '如果答案是':91,260 '如果答案是不太存在':266 '如果起点是':282 '如果超过':691,714 '字段':17 '它们会在现实里留下稳定痕迹':582 '它会体现在用户的补丁行为里':209 '它会让团队先拥有答案再去发明问题':73,181 '它会逼你把':256 '它可能让人反复绕路':98,249 '它带来的主要是持续价值':568 '它是在减少现实痛苦':571 '它是在减少痛苦还是在增加想象力':129 '它是在减少痛苦还是增加想象力':311 '安全信号':695 '安排一个人专门找反证':838 '实施':618 '实施反复提到的同类摩擦是什么':220,321,543,657 '实施反复提到的同类摩擦里':142 '客户反复追问的点':590 '客户犹豫的原因':594 '客服':140,218,319,541,616,655 '对一个大家都认为是真问题的方向':837 '对每个ai方向先过这一关':265 '对比转换结果':832 '小时整理':468 '工作流程':35 '工单堆积':547,661 '市场规模':45 '帮助训练问题语言能力':721 '应用':197,227,264 '开始':170,173,453,456 '强迫自己把能力语言改写成问题语言':200 '当一个方向出现以下信号时':667 '当你练习得足够多':449 '当真问题五问评估完成后':789 '形成共识':826 '影响留存':121 '影响营收':478 '往往痕迹很弱':144 '很先进':553 '很多':64 '很少':383 '怎么讲得让人觉得先进':194,676 '情绪洞察助手':360,365 '情绪雷达图':379 '想象力产品':353,810 '想象市场':325 '想象市场的特征':329 '我们也要有':518 '我们可以做':432,437,442,752 '我们可以做ai自动总结':201 '我们可以做一个':154,161,725,739,765,778 '我们在模型上有优势':524 '我们能拿它做什么':71,498 '我们这个':77 '我们这个ai能做什么':190 '我会怎么写':575 '我有一个厉害能力':169,452 '我每次都要花':466 '我需要情绪雷达图':389 '或看录屏':846 '战略价值':46 '手动流程':537,601,651 '手动补丁':636 '找不到补充证据':802 '找替代品':115 '技术想象':257 '把能力语言改写成问题语言':153 '把能力语言翻译成问题语言':287 '把这六句话写清楚':576 '抱怨':299 '拖延':116,303,627 '持续价值说明问题真实存在':126 '持续价值还是体验惊艳':400 '持续性':483 '挑一个你最近觉得':552 '操作步骤多':745 '改成':202 '放弃':628 '放弃或彻底重新定义':812 '数据在用结果投票':642 '数据痕迹':240,638 '文化':397 '新技术驱动':496 '方向':556 '方向修正决策树':788 '方向修正或确认':343 '方向判断结论':30 '方向想法':427 '方向更可能是真问题':717 '方案比问题定义更完整':685 '无一问指向真问题':811 '早期筛选与资源分配':15 '时间是最诚实的成本':632 '时间痕迹':238,630 '明确什么不做同样重要':58 '明确核心要解决的问题边界':38 '是大趋势':517 '智能助手':741 '智能推荐模块':163,439 '更偏后者':408 '更关心':193 '更多的转换练习':720 '替代品':302 '最大问题不是不先进':418 '最有效的一句话':245 '最有效的方法是去现实里找痕迹':215 '有两个选择':347 '有人正在付出某种重复代价':172,455 '有具体的行为证据':696 '有没有发展出稳定的补偿行为':217,317 '有没有长期忍受一段别扭但没被系统接住的处境':318 '有绕路':472 '有行为证据':337 '有补丁':473 '有补偿行为':471 '来检验':532 '某个步骤消耗大量时间':631 '校准练习':819,827,834,841 '核心概念':59 '案例投票':821 '检查当前讨论的起点是':278 '模式':494,501,507,513,521 '模板':539,600,653 '步骤':275,288,312,323,341 '每周都发生':485 '每天':484 '每次对某个新能力感到兴奋时':198 '没有':87,107,293,373,529,687,704 '没有ai':243 '没有人能回答':686 '没有它今天真的很麻烦':148,226 '没有行为证据':679 '没那么酷而已':479 '注意事项':51 '流失客户':477 '流程痕迹':239,633 '涉及信任':396 '淘汰法':55 '深入核心概念':174 '深入诊断不过的那几问':799 '清楚自己在做':809 '演示效果好':331 '演示效果很好':682 '演示效果更好':492 '演示驱动':503 '然后一起对比结果':824 '然后再判断ai的真实增量':273 '然后开始反向寻找场景':69,179 '特殊审批':612 '犯代价很高的错误':120 '现实市场区分':327 '现实市场的特征':335 '现实痕迹搜索':314 '现实痕迹搜索清单':533 '现实里会继续发生什么损失':566 '用不用ai的判断框架':9 '用以下决策树决定下一步':790 '用户':333 '用户不会主动提出这个问题':690 '用户为什么难受':674 '用户主动暴露痛苦':481 '用户今天到底为什么难受':81,192,286 '用户今天在付什么代价':708 '用户今天在做哪些决策时':756 '用户今天在写哪些内容时':769 '用户今天在哪个决策节点因为选择过多而频繁卡住或放弃':440 '用户今天在哪个决策节点里':164 '用户今天在哪个工作环节里':743 '用户今天在哪些场景因为信息太长太杂做错了判断':203 '用户今天在哪些高频场景下':157 '用户今天在哪些高频场景下因为信息太长太杂做错了判断':435 '用户今天在哪种沟通场景因为表达成本高':445 '用户今天在处理哪些信息时':729 '用户今天在跨语言沟通时':782 '用户今天已经在付代价':336 '用户今天损失了什么':678 '用户会不会主动把这件事当问题提出来':563 '用户会主动抱怨或表达痛苦':702 '用户会主动提吗':382 '用户会主动提这个问题吗':111 '用户会主动暴露痛苦吗':297 '用户会抱怨':112 '用户在用行为投票':629 '用户在系统外花了多少时间补劳动':665 '用户有没有发展出稳定的补偿行为':540,654 '用户有没有自己搭过补丁':216,316,535,649 '用户有没有长期忍受一段别扭但没被系统接住的处境':548,662 '用户的补丁行为里':135 '用户绕路':625 '用户自己搭的临时脚本':598 '用户表达':465 '留存':639 '留存下降':545,605,659 '痕迹类型':621 '痛点产品':355 '痛点在哪里':272 '的':554 '的想象':413 '看一线抱怨':235,615 '看不懂报表':759 '看客服记录':230,587 '看数据异常':233,604 '看用户到底在系统外补了什么劳动':848 '看用户自建方案':232,597 '看组织例外':234,610 '看行为':298 '看见':412 '看谁最接近用户真实处境':833 '看销售反馈':231,592 '真问题':459,815 '真问题不会只存在于访谈话术里':581 '真问题五问':105 '真问题五问评估':290 '真问题五问评估结果':791 '真问题五问诊断':371 '真问题会体现在':134 '真问题信号':463 '真问题在现实里留下痕迹':133,206 '真问题的五种痕迹':236,620 '真问题的试金石':90 '真问题考古学':580 '真问题通常不会只存在于访谈话术里':208 '确保团队在':814 '确认方向':345,793,801 '示例':357,420 '竞争优势':490 '竞品已经上了这个能力':510 '竞品或替代方案也没有很好地解决':709 '竞品驱动':509 '第一次看会很惊艳':402 '管理可以被':410 '管理者确实经常不知道团队真实状态':377 '练习收获':448 '组织在用流程投票':637 '组织有没有为这个问题建过例外流程':549,663 '组织的例外处理里':137,211 '结论':414 '绕路':113,300,698 '给一个能力描述':830 '给管理者':369 '继续浪费时间':476 '继续看传统解法做到什么程度':271 '续费指标异常':641 '维度':462 '翻译系统':780 '考古学实操问题清单':646 '考古学方法':585 '而不是':80,191,195,388,673,677 '而不是凭空制造问题存在感':103,253 '而不是被现实痛点牵引出来的强产品':417 '而产生误解或额外确认成本':786 '而做错了判断或拖慢了下一步':159 '而凭经验拍脑袋或拖延决策':760 '而反复修改或干脆拖着不写':773 '而想象空间比真实痛点更容易让人兴奋':85,188 '而是一个被新技术召唤出来的想象型需求':94,263 '而是不够落地':419 '而是从':171,454 '而是在给新技术找展示舞台':269 '而是死在起点顺序就错了':67 '而能力包装型方向':143 '而能力包装型方向往往痕迹很弱':222 '而花费大量时间在非核心工作上':747 '而非':56,354 '而非口头':304 '而频繁出错或效率低下':733 '而频繁卡住或放弃':167 '能做什么':79 '能力':279 '能力包装':817 '能力包装信号':464 '能力包装信号对照':461 '能力包装只留下想象':207 '能力包装的典型':361 '能力壳识别检查清单':666 '能力平移':523 '能力找壳':61,176,669 '能力找壳并不总是完全错误':82,185 '能力找壳的典型模式':493 '能力语言':422,430,718,724,738,751,764,777 '能找到补充证据':800 '能用问题语言描述':700 '自动分类系统':727 '自动判断谁压力大':367 '自动总结系统':156,434 '自己搭补丁':114 '营收':123 '行为痕迹':237,624 '行为证据':470 '补丁':301,626,699 '补丁工具':602 '补偿行为':697 '表达意愿和管理责任':398 '表达拿捏难':772 '要清楚自己在做':352 '要特别克制':340 '要特别警惕它可能是':668 '要用':54 '规则写不全':732 '解决了别人没接住的真实代价':491 '解法路径清晰':710 '讨论分歧点':825 '讨论焦点是':675 '让团队成员独立完成真问题五问':823 '让每个人独立转换成问题语言':831 '训练方法':152 '评估问题价值与ai适用性':14 '评估问题的紧急性':43 '识别什么是':39 '该问题是否适合用ai解决':49 '语气拿捏难而持续浪费时间':446 '语气改写功能':444 '语言痕迹':241,643 '语言转换比赛':829 '误判风险高的问题':405 '说明':18,623 '说明你还没有真正把产品价值压到用户的现实处境里':458 '说明判断还不够扎实':840 '读取团队聊天记录和会议发言':366 '谁情绪低':368 '调整方向或暂缓':803 '调整预期和策略':356 '责任重':404 '起点是':671 '起点顺序检查':277 '趋势驱动':515 '跨工具切换频繁':746 '转化':122,640 '转化卡住':546,606,660 '转换':722,736,749,762,775 '输入':16 '输出':29 '运营':617 '还存在吗':375 '还是':280 '还是在增加未来想象':572 '还是在替一个模型能力编故事':579 '还是第一次惊艳':569 '这个功能演示效果很好':504 '这个模型能做什么':283,672 '这个模型能长文本推理':70,497 '这个问题也真实存在':706 '这个问题今天还会不会存在':561 '这个问题还存在吗':89,109,244,295,531,689 '这些方法的代价是什么':735 '这些证据比访谈反馈更接近真需求':221,322 '这句话的力量在于':255 '这是持续价值还是体验惊艳':125,309 '这种代价在谁身上最重':447 '这种形式提问题':380 '这类讨论的危险在于':72,180 '进入下一步':794 '适用场景':12 '适配性评估':796 '选一个真实案例':822 '选一个真实用户场景':844 '逐一做能力':428 '逐问评估':291 '那你面对的不是一个早就压在用户身上的问题':93,262 '部分存在':376 '部分确认':798 '重新看问题本体':259 '重要性':44 '销售':141,219,320,542,656 '销售反复提到的同类摩擦':619 '销售反复提到的痛点':593 '错误代价最大':53 '问题':281 '问题描述':21 '问题来源':480 '问题语言':431,728,742,755,768,781 '问题语言的转换练习':423 '问题语言转换':429 '问题语言转换练习库':719 '问题驱动':63 '难看的留存和转化数据里':139 '需求考古':843 '需求考古学':229,584 '项勾选':693,716 '驱动的数据分析':754 '高频出现的问题':588","prices":[{"id":"1ae3608e-755e-437e-9a40-ba09330a25f6","listingId":"57e9ffd7-ad5e-480a-b59a-b85abd4c6e54","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":"2026-05-01T01:02:57.023Z"}],"sources":[{"listingId":"57e9ffd7-ad5e-480a-b59a-b85abd4c6e54","source":"github","sourceId":"gmaxxxie/ai-native-product-agent-skills/p13f-first-half-judgment","sourceUrl":"https://github.com/gmaxxxie/ai-native-product-agent-skills/tree/main/skills/p13f-first-half-judgment","isPrimary":false,"firstSeenAt":"2026-05-01T01:02:57.023Z","lastSeenAt":"2026-05-18T18:57:30.127Z"}],"details":{"listingId":"57e9ffd7-ad5e-480a-b59a-b85abd4c6e54","quickStartSnippet":null,"exampleRequest":null,"exampleResponse":null,"schema":null,"openapiUrl":null,"agentsTxtUrl":null,"citations":[],"useCases":[],"bestFor":[],"notFor":[],"kindDetails":{"org":"gmaxxxie","slug":"p13f-first-half-judgment","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":"5ed5f26895b42e1047d493d718e83c8ba97a35e8","skill_md_path":"skills/p13f-first-half-judgment/SKILL.md","default_branch":"main","skill_tree_url":"https://github.com/gmaxxxie/ai-native-product-agent-skills/tree/main/skills/p13f-first-half-judgment"},"layout":"multi","source":"github","category":"ai-native-product-agent-skills","frontmatter":{"name":"p13f-first-half-judgment","description":"九步前半段——做什么、值不值得、用不用AI的判断框架"},"skills_sh_url":"https://skills.sh/gmaxxxie/ai-native-product-agent-skills/p13f-first-half-judgment"},"updatedAt":"2026-05-18T18:57:30.127Z"}}