{"id":"0a2fdd06-74d6-4cb4-9cc0-71db05b22324","shortId":"FuLeC9","kind":"skill","title":"ai-native-direction-framing","tagline":"'AI Native 产品方法论——方向定界阶段的实操 Skill。","description":"# AI Native 方向定界 Skill\n\n## 使用场景\n\n- 你有一个 AI 产品想法，需要判断是否值得投入实验\n- 你需要为团队输出一份方向定界简报，确定进入试验的条件\n- 你需要判断某个问题空间是否适合用 AI 解决\n\n## 核心判断流程\n\n```\n问题线索\n  → 问题是否真实且高频？\n    → 场景是否可切入？\n      → 资料是否可得且可控？\n        → 能力是否可能成立？\n          → 价值是否值得继续？\n            → 输出 Direction Brief\n```\n\n## 五个必答问题\n\n### 1. 问题是否真实且高频\n\n- 这个问题是不是用户日常反复遇到、成本明显、值得被改变\n- 判断标准：是否有具体的用户反馈、工单数据、时间成本证据\n- 如果问题一年只发生几次，投入产品化往往不值得\n\n### 2. 场景是否可切入\n\n- 这个问题发生在什么角色、什么流程、什么时间点\n- 是否存在明确入口可以接入 AI 能力\n- 判断标准：能否描述清楚 \"用户在 X 场景下遇到 Y 问题\"\n\n### 3. 资料是否可得且可控\n\n审查五件事：\n\n- **可得性**：团队到底能拿到哪些外部资料和内部资料，拿不到的关键材料是什么\n- **可脱敏性**：资料是否涉及敏感信息，能否脱敏处理\n- **可授权性**：资料使用是否获得合规授权\n- **可结构化**：资料是否能够被清理、索引和持续供给\n- **持续供给**：资料是否会持续更新，还是一次性的\n\n### 4. 能力是否可能成立\n\n- AI 在这里能不能形成比传统软件更强的新能力\n- 而不只是包装旧流程\n- 判断方法：用最强模型做一个最小验证，看能力天花板在哪里\n\n### 5. 价值是否值得继续\n\n- 即使技术可行，这个方向是否足以形成产品价值、业务收益或长期护城河\n- 判断标准：能否回答 \"如果做成了，对业务的影响是什么\"\n\n## 产品战略主路径\n\n```\nData / Materials\n  → Capability\n    → Product\n      → Moat\n```\n\n- 最早期可用的不一定是干净结构化数据，更可能是零散但关键的材料\n- 外部资料：行业知识、公开规则、产品文档、操作手册、标准流程\n- 内部业务资料：SOP、历史工单、客服对话、系统日志、知识库、专家经验\n\n## 不适合推进的场景\n\n- 资料条件不成立：没有足够资料或无法脱敏/授权\n- 容错率极低又不能保留人工接管：医疗诊断、法律结论、危险设备控制\n- 响应要求强实时强确定性：必须极短时间内给出可证明正确的结果\n- 场景频率太低、价值太弱\n- 团队无法获得真实反馈\n\n## 输出物：Direction Brief\n\n方向定界阶段的最小产物，包含：\n\n1. **问题定义**：用户真正遇到的问题是什么\n2. **价值假设**：如果解决了，业务价值是什么\n3. **资料清单**：可用资料、缺失资料、脱敏状态\n4. **风险边界**：高风险动作、必须人工接管的场景\n5. **进入实验的条件**：什么条件满足后可以进入试验展开\n\n## 使用方式\n\n当用户提供一个 AI 产品方向或问题线索时，自动执行以下步骤：\n\n1. 将用户输入转换为问题语言（而不是功能语言）\n2. 逐一回答五个必答问题\n3. 审查资料条件的五个维度\n4. 评估能力天花板和价值密度\n5. 输出 Direction Brief 或给出 \"不建议推进\"的明确结论\n\n## 示例\n\n### 示例1：电商 AI 客服协同系统\n\n**场景描述**：\n某电商平台客服团队每天处理数千个咨询，首响时间长，资深客服过载，新人培训成本高。团队想引入 AI 来改善客服效率。\n\n**用户输入**：\n\"我们想做 AI 客服系统，自动回复用户问题\"\n\n**Skill 执行流程**：\n\n1. **问题语言转换**\n   - 原始输入是功能语言（\"做 AI 客服系统\"）\n   - 转换为问题语言：\"客服首响时间为什么慢？哪些问题重复度最高？\"\n\n2. **五维度判断**\n   - 问题真实且高频：✅ 每天数千个咨询，首响时间影响用户满意度\n   - 场景可切入：✅ 发生在客服工作台，有明确入口\n   - 资料可得且可控：⚠️ 需要盘点 FAQ、历史工单、物流规则，确认能否脱敏\n   - 能力可能成立：✅ 订单查询、物流解释等任务适合 AI 辅助\n   - 价值值得继续：✅ 缩短首响时间、降低培训成本、提升一致性\n\n3. **资料条件审查**\n   - 可得性：FAQ（有）、工单记录（有）、物流规则（有）\n   - 可脱敏性：需要移除用户手机号、地址等敏感字段\n   - 可授权性：内部资料需合规审批\n   - 可结构化：可整理为知识库\n   - 可持续供给：工单持续产生\n\n4. **方向摘要输出**\n\n**输出结果**：\n\n```markdown\n# Direction Brief：AI 客服协同系统\n\n## 目标问题\n客服首响时间长（平均5分钟），重复性问题占比60%，新人培训周期2周\n\n## 场景边界\n- 先做：订单查询、物流解释、售后政策咨询\n- 暂不做：投诉处理、赔付决策、情感安抚\n\n## 资料盘点\n- ✅ FAQ（500条）\n- ✅ 历史工单（10万条，需脱敏）\n- ✅ 物流规则文档\n- ⚠️ 售后政策（需法务确认可用性）\n\n## 能力假设\nAI 提供意图理解、规则检索、候选回复生成，高风险承诺保留人工确认\n\n## 价值假设\n- 首响时间从5分钟降至1分钟内\n- 新人培训周期从2周降至3天\n- 客服满意度提升10%\n\n## 风险边界\n- 退款、赔付承诺必须人工确认\n- 敏感账户操作不能自动化\n- 情感升级话题自动转人工\n\n## 进入条件\n- [x] 资料脱敏方案通过\n- [x] 法务确认规则文档可用\n- [ ] 完成50例影子验证\n- [ ] 误判率 < 5%\n```\n\n---\n\n### 示例2：AIOps 故障分诊系统\n\n**场景描述**：\n运维团队面临告警风暴，一次故障触发几十条告警，值班工程师判断困难，依赖少数专家经验。\n\n**用户输入**：\n\"我们想做 AIOps，自动修复生产故障\"\n\n**Skill 执行流程**：\n\n1. **问题语言转换**\n   - 原始输入：\"自动修复故障\"（过于激进）\n   - 修正为：\"故障发生时，如何更快完成初步判断和分诊\"\n\n2. **五维度判断**\n   - 问题真实且高频：✅ 每周多次故障，告警量大\n   - 场景可切入：✅ 值班工程师工作台\n   - 资料可得且可控：⚠️ 需历史故障工单、日志样本\n   - 能力可能成立：✅ 告警聚类、日志解释、案例召回可行\n   - 价值值得继续：✅ 缩短定位时间，减少专家依赖\n\n3. **关键边界识别**\n   - 错误代价高：错误归因可能放大事故\n   - 不适合全自动：先做辅助分诊，不做自动修复\n   - 必须保留人工：升级决策权始终归工程师\n\n**输出结果**：\n\n```markdown\n# Direction Brief：AIOps 故障分诊辅助系统\n\n## 目标问题\n故障告警过多（平均30条/次），定位时间长（平均45分钟），过度依赖专家经验\n\n## 场景边界\n- 先做：告警聚类、日志摘要、相似案例召回、初步归因建议\n- 明确不做：自动修复、自动重启、自动切流\n\n## 资料盘点\n- ✅ 历史故障工单（2000条，已脱敏）\n- ✅ 日志样本（ ELK 可查询）\n- ✅ 监控信号（Prometheus）\n- ✅ 处理手册（Confluence）\n\n## 能力假设\n能理解日志、关联多源信号、召回历史案例，输出\"先看哪里\"的建议\n\n## 价值假设\n- 故障定位时间从45分钟降至15分钟\n- 减少50%的无效升级\n- 新人也能借助系统完成初步判断\n\n## 风险边界（高约束场景）\n- 所有输出只能作为建议，不作为命令\n- 高风险动作必须双人确认\n- AI 不能直接操作生产环境\n- 误判路径需人工可追溯\n\n## 进入条件\n- [x] 资料可用性确认\n- [x] 风险边界与 SRE 团队达成一致\n- [ ] 完成影子验证（对比人工判断）\n- [ ] 召回准确率 > 80%\n```\n\n---\n\n### 示例3：医疗智能问诊助手（高风险场景）\n\n**场景描述**：\n三甲医院门诊部希望用 AI 辅助医生进行预问诊，收集患者症状和病史，提高门诊效率。\n\n**用户输入**：\n\"我们想开发 AI 医生，让患者先和AI交流，自动生成诊断建议\"\n\n**Skill 执行流程**：\n\n1. **问题语言转换**\n   - 原始输入：\"AI 医生自动生成诊断\"（过于激进，风险极高）\n   - 修正为：\"如何在诊前高效收集患者症状信息，辅助医生了解病情背景\"\n\n2. **五维度判断与风险评估**\n\n| 维度 | 评估 | 关键考虑 |\n|------|------|----------|\n| 问题真实性 | ✅ | 医生确实需要更多时间了解患者背景 |\n| 场景可切入 | ✅ | 挂号后、就诊前的等待窗口期 |\n| 资料可得性 | ⚠️ | 病历数据敏感，需严格脱敏和授权 |\n| 能力可能性 | ✅ | 症状收集、病史整理适合AI辅助 |\n| 价值判断 | ✅ | 节省医生问诊时间，提升患者体验 |\n\n3. **高风险边界识别**\n   - 医疗误诊代价极高，涉及生命安全\n   - AI 绝不能给出诊断结论或用药建议\n   - 必须定位为\"信息收集助手\"，而非\"诊疗建议\"\n\n4. **资料条件审查**\n   - 可得性：通用医学知识（有）、医院内部病历（需授权）\n   - 可脱敏性：必须去除患者身份标识\n   - 可授权性：需通过医院伦理审查\n   - 合规要求：需符合《医疗健康数据安全管理办法》\n\n**输出结果**：\n\n```markdown\n# Direction Brief：医疗智能预问诊助手\n\n## 目标问题\n门诊医生平均问诊时间仅8分钟，难以充分了解患者完整病史；\n患者候诊时间长，希望提前整理症状描述\n\n## 场景边界（严格限定）\n- ✅ 明确做：症状收集、病史整理、就诊提醒\n- ❌ 明确不做：诊断建议、用药推荐、治疗方案\n- 边界描述：AI 只是\"信息收集员\"，所有医疗决策权归医生\n\n## 资料盘点\n- ✅ 公开医学知识库（症状-科室对应关系）\n- ⚠️ 本院历史病历（需脱敏+伦理审批）\n- ⚠️ 医学教材和诊疗指南（需确认版权）\n- ❌ 药品推荐数据库（暂不涉及）\n\n## 能力假设\n- AI 能引导患者描述症状（多轮对话）\n- AI 能整理结构化病史摘要（供医生参考）\n- AI 能推荐合适科室（基于症状，非诊断）\n- AI 绝对不生成任何诊断结论\n\n## 价值假设\n- 医生问诊准备时间节省 3-5 分钟\n- 患者就诊体验提升（感觉被充分了解）\n- 科室分诊准确率提升 15%\n\n## 风险边界（医疗场景高标准）\n- 🚫 绝对禁止：诊断、用药、治疗建议\n- 🚫 绝对禁止：替代医生做任何医疗决策\n- ✅ 必须保留：所有输出仅供医生参考\n- ✅ 必须设计：医生可一键查看原始患者描述\n- ✅ 必须设计：患者明确知晓\"AI 非医生\"\n\n## 进入条件\n- [ ] 通过医院伦理委员会审查\n- [ ] 法务确认合规（医疗数据安全法）\n- [ ] 临床医生参与设计并认可边界\n- [ ] 完成100例真实场景 shadow 测试\n- [ ] 零误诊风险事件（测试期）\n\n## 特别说明\n⚠️ 本方向进入实验阶段后，任何涉及诊断的扩展都必须重新定界\n```\n\n---\n\n### 示例4：金融合规文档审查助手\n\n**场景描述**：\n证券公司合规部门每天需要审查大量合同和公告，确保符合监管要求，人工审查效率低且容易遗漏。\n\n**用户输入**：\n\"我们想把 AI 用于自动审核合同，替代合规专员的工作\"\n\n**Skill 执行流程**：\n\n1. **问题语言转换**\n   - 原始输入：\"AI 自动审核替代专员\"（过于激进）\n   - 修正为：\"如何辅助合规专员更快识别合同中的风险条款和合规问题\"\n\n2. **五维度判断**\n\n| 维度 | 评估 | 说明 |\n|------|------|------|\n| 问题真实性 | ✅ | 每天50+份合同，审查压力大 |\n| 场景可切入 | ✅ | 合同提交后的审查流程 |\n| 资料可得性 | ✅ | 监管规则公开、历史合同有积累 |\n| 能力可能性 | ✅ | 条款识别、风险标记适合AI |\n| 价值判断 | ✅ | 提升审查效率，降低合规风险 |\n\n3. **金融合规特殊考虑**\n   - 监管要求严格，审查结果需可追溯\n   - 不能替代合规专员的最终判断\n   - 需保留完整的审查决策链\n\n4. **资料条件审查**\n   - 外部资料：证监会/交易所监管规则（公开）\n   - 内部资料：历史合同、审查记录（需脱敏）\n   - 持续更新：监管规则经常变化，需及时同步\n\n**输出结果**：\n\n```markdown\n# Direction Brief：金融合规文档审查助手\n\n## 目标问题\n合规专员日均审查合同50+份，条款遗漏风险高；\n新人培训周期长（3个月），难以快速掌握全部监管规则\n\n## 场景边界\n- ✅ 明确做：风险条款高亮、监管规则引用、相似案例提示\n- ✅ 明确做：审查 checklist 自动生成\n- ❌ 明确不做：最终合规判断、替代专员签字\n- 定位：AI 是\"第一筛查员\"，专员是\"最终决策者\"\n\n## 资料盘点\n- ✅ 证监会监管规则（公开，可爬取）\n- ✅ 交易所业务规则（公开）\n- ⚠️ 公司历史合同（需脱敏处理）\n- ⚠️ 内部合规检查清单（需业务方确认）\n- 挑战：监管规则频繁更新，需建立同步机制\n\n## 能力假设\n- AI 能识别合同中的关键条款（80%+准确率）\n- AI 能匹配相关监管规则条文\n- AI 能标记高风险条款（如违约责任不对等）\n- AI 能提示历史类似合同的处理方式\n\n## 价值假设\n- 合同审查时间从2小时降至30分钟\n- 条款遗漏率降低 70%\n- 新人培训周期从3个月降至1个月\n\n## 风险边界（金融合规场景）\n- 所有 AI 标记必须附带依据（监管条文编号）\n- AI 建议与最终决策分离，专员负全责\n- 完整审计日志：谁看了AI建议、做了什么决定\n- 季度人工抽样复核：验证 AI 准确率\n\n## 进入条件\n- [ ] 法务确认监管合规性\n- [ ] 获取100份历史合同样本（已脱敏）\n- [ ] 合规主管认可边界设计\n- [ ] 完成影子验证（AI vs 专员对比）\n- [ ] 条款识别准确率 > 85%\n\n## 特别考虑\n⚠️ 监管规则变化时需及时更新知识库\n⚠️ 建立人工复核机制，避免过度依赖AI\n```\n\n---\n\n### 示例5：教育个性化学习助手\n\n**场景描述**：\n在线教育平台希望用 AI 为学生提供个性化学习建议，根据学习情况推荐练习题和学习路径。\n\n**用户输入**：\n\"我们想做一个 AI 家教，能自动教学生解题\"\n\n**Skill 执行流程**：\n\n1. **问题语言转换**\n   - 原始输入：\"AI 家教自动教学生\"（过于宽泛）\n   - 修正为：\"如何根据学生学习数据，推荐适合难度的练习题和学习资源\"\n\n2. **五维度判断**\n\n| 维度 | 评估 | 说明 |\n|------|------|------|\n| 问题真实性 | ✅ | 学生确实需要针对性练习 |\n| 场景可切入 | ✅ | 课后练习、错题复习场景 |\n| 资料可得性 | ✅ | 题库、学习记录、知识点图谱 |\n| 能力可能性 | ✅ | 难度匹配、资源推荐适合AI |\n| 价值判断 | ✅ | 提升学习效率，减少无效练习 |\n\n3. **教育场景特殊考虑**\n   - 不同年龄段学习特点不同\n   - 需要循序渐进，避免打击学习信心\n   - 家长关注学习数据隐私\n\n4. **资料条件审查**\n   - 学习数据：学生做题记录、学习时长、正确率\n   - 内容资源：题库、知识点讲解、视频资源\n   - 隐私合规：学生数据需严格保护\n\n**输出结果**：\n\n```markdown\n# Direction Brief：教育个性化学习助手\n\n## 目标问题\n学生刷题效率低，常做已掌握的题或难度不匹配；\n老师难以针对每个学生定制练习计划\n\n## 场景边界\n- ✅ 明确做：练习题难度推荐、错题回顾、知识点诊断\n- ✅ 明确做：学习路径建议、资源推荐\n- ❌ 明确不做：替学生完成作业、直接给出答案\n- 定位：AI 是\"学习规划助手\"，不是\"答案提供者\"\n\n## 资料盘点\n- ✅ 题库数据库（已有10万+题目）\n- ✅ 知识点图谱（学科知识点关联）\n- ✅ 学生学习记录（平台已有数据）\n- ⚠️ 学生个人信息（需家长授权）\n\n## 能力假设\n- AI 能诊断学生知识点掌握情况\n- AI 能推荐适当难度的练习题（不太易、不太难）\n- AI 能生成个性化学习计划\n- AI 能提供解题思路提示（不给最终答案）\n\n## 价值假设\n- 学生练习效率提升 30%\n- 同类错题重复率降低 50%\n- 家长满意度提升（看到进步轨迹）\n\n## 风险边界（教育场景）\n- 避免\"答案依赖\"：不直接给答案，只给思路\n- 保护学生隐私：学习数据不外泄\n- 家长知情权：定期向家长汇报学习情况\n- 循序渐进：难度调整幅度适度，避免挫败感\n\n## 进入条件\n- [ ] 获取500名学生历史学习数据\n- [ ] 教研团队认可推荐算法逻辑\n- [ ] 家长隐私协议签署\n- [ ] 完成 A/B 测试（推荐 vs 随机）\n- [ ] 学生满意度 > 70%\n\n## 特别考虑\n🎯 不同学科、不同年级需分别验证\n🎯 学习动机比学习效率更重要\n```","tags":["direction","framing","native","product","agent","skills","gmaxxxie","agent-skills","ai-agent","ai-native","ai-product","methodology"],"capabilities":["skill","source-gmaxxxie","skill-p1-direction-framing","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/p1-direction-framing","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 (7,459 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":"2026-05-18T18:57:27.209Z","embedding":null,"createdAt":"2026-05-01T01:02:53.443Z","updatedAt":"2026-05-18T18:57:27.209Z","lastSeenAt":"2026-05-18T18:57:27.209Z","tsv":"'-5':535 '1':36,135,159,195,313,429,583,735 '10万条':271 '15':540 '2':47,138,162,204,321,439,591,744 '2000条':372 '3':62,142,164,227,338,458,534,611,764 '30':832 '3个月':640 '4':79,147,166,245,468,617,770 '5':87,151,168,298 '50':834 '500条':269 '70':688,861 '80':411,676 '85':716 'a/b':855 'ai':2,6,11,17,23,53,81,156,178,186,190,199,221,251,277,398,417,423,432,462,503,520,523,526,530,555,578,586,655,674,678,680,683,693,696,704,712,725,730,738,803,819,821,825,827 'ai-native-direction-fram':1 'aiop':300,309,351 'brief':34,132,171,250,350,485,633,785 'capabl':99 'checklist':649 'confluenc':380 'data':97 'direct':4,33,131,170,249,349,484,632,784 'elk':375 'faq':214,230,268 'frame':5 'markdown':248,348,483,631,783 'materi':98 'moat':101 'nativ':3,7,12 'product':100 'prometheus':378 'shadow':563 'skill':10,14,193,311,427,581,733 'skill-p1-direction-framing' 'sop':111 'source-gmaxxxie' 'sre':406 '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':713,858 'x':58,292,294,402,404 'y':60 '一次故障触发几十条告警':304 '三甲医院门诊部希望用':416 '不作为命令':396 '不做自动修复':344 '不同学科':863 '不同年级需分别验证':864 '不同年龄段学习特点不同':766 '不太易':823 '不太难':824 '不建议推进':173 '不是':806 '不直接给答案':841 '不给最终答案':829 '不能替代合规专员的最终判断':615 '不能直接操作生产环境':399 '不适合全自动':342 '不适合推进的场景':117 '专员对比':714 '专员是':658 '专员负全责':698 '专家经验':116 '业务价值是什么':141 '业务收益或长期护城河':91 '严格限定':493 '临床医生参与设计并认可边界':561 '为学生提供个性化学习建议':726 '五个必答问题':35 '五维度判断':205,322,592,745 '五维度判断与风险评估':440 '交易所业务规则':664 '交易所监管规则':621 '产品想法':18 '产品战略主路径':96 '产品文档':107 '产品方向或问题线索时':157 '产品方法论':8 '人工审查效率低且容易遗漏':575 '什么时间点':51 '什么条件满足后可以进入试验展开':153 '什么流程':50 '价值值得继续':223,335 '价值假设':139,282,388,532,685,830 '价值判断':455,608,761 '价值太弱':128 '价值是否值得继续':31,88 '任何涉及诊断的扩展都必须重新定界':569 '份':637 '份合同':598 '伦理审批':514 '你有一个':16 '你需要为团队输出一份方向定界简报':20 '你需要判断某个问题空间是否适合用':22 '使用场景':15 '使用方式':154 '供医生参考':525 '依赖少数专家经验':306 '保护学生隐私':843 '信息收集助手':465 '信息收集员':505 '修正为':318,436,589,741 '候选回复生成':280 '值得被改变':40 '值班工程师判断困难':305 '值班工程师工作台':327 '做':198 '做了什么决定':701 '先做':259,361 '先做辅助分诊':343 '先看哪里':386 '公司历史合同':666 '公开':622,662,665 '公开医学知识库':508 '公开规则':106 '关联多源信号':383 '关键考虑':443 '关键边界识别':339 '内容资源':776 '内部业务资料':110 '内部合规检查清单':668 '内部资料':623 '内部资料需合规审批':240 '准确率':677,705 '减少50':390 '减少专家依赖':337 '减少无效练习':763 '分钟':536 '初步归因建议':365 '判断方法':84 '判断标准':41,55,92 '包含':134 '医学教材和诊疗指南':515 '医生':424 '医生可一键查看原始患者描述':552 '医生确实需要更多时间了解患者背景':445 '医生自动生成诊断':433 '医生问诊准备时间节省':533 '医疗健康数据安全管理办法':481 '医疗场景高标准':542 '医疗数据安全法':560 '医疗智能问诊助手':413 '医疗智能预问诊助手':486 '医疗诊断':122 '医疗误诊代价极高':460 '医院内部病历':473 '升级决策权始终归工程师':346 '危险设备控制':124 '即使技术可行':89 '历史合同':624 '历史合同有积累':604 '历史工单':112,215,270 '历史故障工单':371 '原始输入':315,431,585,737 '原始输入是功能语言':197 '发生在客服工作台':210 '只是':504 '只给思路':842 '召回准确率':410 '召回历史案例':384 '可得性':65,229,470 '可持续供给':243 '可授权性':71,239,477 '可整理为知识库':242 '可查询':376 '可爬取':663 '可用资料':144 '可结构化':73,241 '可脱敏性':68,236,475 '合同审查时间从2小时降至30分钟':686 '合同提交后的审查流程':601 '合规专员日均审查合同50':636 '合规主管认可边界设计':710 '合规要求':479 '同类错题重复率降低':833 '告警聚类':332,362 '告警量大':325 '响应要求强实时强确定性':125 '哪些问题重复度最高':203 '售后政策':274 '售后政策咨询':262 '团队到底能拿到哪些外部资料和内部资料':66 '团队想引入':185 '团队无法获得真实反馈':129 '团队达成一致':407 '在线教育平台希望用':724 '在这里能不能形成比传统软件更强的新能力':82 '地址等敏感字段':238 '场景下遇到':59 '场景可切入':209,326,446,600,751 '场景描述':180,302,415,572,723 '场景是否可切入':28,48 '场景边界':258,360,492,642,791 '场景频率太低':127 '基于症状':528 '处理手册':379 '外部资料':104,619 '多轮对话':522 '如何在诊前高效收集患者症状信息':437 '如何更快完成初步判断和分诊':320 '如何根据学生学习数据':742 '如何辅助合规专员更快识别合同中的风险条款和合规问题':590 '如果做成了':94 '如果解决了':140 '如果问题一年只发生几次':45 '如违约责任不对等':682 '季度人工抽样复核':702 '学习动机比学习效率更重要':865 '学习数据':772 '学习数据不外泄':844 '学习时长':774 '学习规划助手':805 '学习记录':756 '学习路径建议':797 '学生个人信息':816 '学生做题记录':773 '学生刷题效率低':788 '学生学习记录':814 '学生数据需严格保护':781 '学生满意度':860 '学生确实需要针对性练习':750 '学生练习效率提升':831 '学科知识点关联':813 '完成':854 '完成100例真实场景':562 '完成50例影子验证':296 '完成影子验证':408,711 '完整审计日志':699 '定位':654,802 '定位时间长':357 '定期向家长汇报学习情况':846 '审查':648 '审查五件事':64 '审查压力大':599 '审查结果需可追溯':614 '审查记录':625 '审查资料条件的五个维度':165 '客服协同系统':179,252 '客服对话':113 '客服满意度提升10':285 '客服系统':191,200 '客服首响时间为什么慢':202 '客服首响时间长':254 '家教':731 '家教自动教学生':739 '家长关注学习数据隐私':769 '家长满意度提升':835 '家长知情权':845 '家长隐私协议签署':853 '容错率极低又不能保留人工接管':121 '对业务的影响是什么':95 '对比人工判断':409 '将用户输入转换为问题语言':160 '就诊前的等待窗口期':448 '就诊提醒':497 '工单持续产生':244 '工单数据':43 '工单记录':232 '已有10万':810 '已脱敏':373,709 '希望提前整理症状描述':491 '常做已掌握的题或难度不匹配':789 '平台已有数据':815 '平均30条':355 '平均45分钟':358 '平均5分钟':255 '建立人工复核机制':719 '建议与最终决策分离':697 '当用户提供一个':155 '循序渐进':847 '必须人工接管的场景':150 '必须保留':549 '必须保留人工':345 '必须去除患者身份标识':476 '必须定位为':464 '必须极短时间内给出可证明正确的结果':126 '必须设计':551,553 '患者候诊时间长':490 '患者就诊体验提升':537 '患者明确知晓':554 '情感升级话题自动转人工':290 '情感安抚':266 '感觉被充分了解':538 '成本明显':39 '我们想做':189,308 '我们想做一个':729 '我们想开发':422 '我们想把':577 '或给出':172 '所有':692 '所有医疗决策权归医生':506 '所有输出仅供医生参考':550 '所有输出只能作为建议':395 '执行流程':194,312,428,582,734 '投入产品化往往不值得':46 '投诉处理':264 '拿不到的关键材料是什么':67 '持续供给':76 '持续更新':627 '挂号后':447 '挑战':670 '授权':120 '推荐':857 '推荐适合难度的练习题和学习资源':743 '提供意图理解':278 '提升一致性':226 '提升学习效率':762 '提升审查效率':609 '提升患者体验':457 '提高门诊效率':420 '操作手册':108 '收集患者症状和病史':419 '故障分诊系统':301 '故障分诊辅助系统':352 '故障发生时':319 '故障告警过多':354 '故障定位时间从45分钟降至15分钟':389 '敏感账户操作不能自动化':289 '教研团队认可推荐算法逻辑':852 '教育个性化学习助手':722,786 '教育场景':838 '教育场景特殊考虑':765 '新人也能借助系统完成初步判断':392 '新人培训周期2周':257 '新人培训周期从2周降至3天':284 '新人培训周期从3个月降至1个月':689 '新人培训周期长':639 '新人培训成本高':184 '方向定界':13 '方向定界阶段的实操':9 '方向定界阶段的最小产物':133 '方向摘要输出':246 '日志摘要':363 '日志样本':330,374 '日志解释':333 '时间成本证据':44 '明确不做':366,498,651,799 '明确做':494,643,647,792,796 '是':656,804 '是否存在明确入口可以接入':52 '是否有具体的用户反馈':42 '暂不做':263 '暂不涉及':518 '更可能是零散但关键的材料':103 '替代专员签字':653 '替代医生做任何医疗决策':548 '替代合规专员的工作':580 '替学生完成作业':800 '最早期可用的不一定是干净结构化数据':102 '最终决策者':659 '最终合规判断':652 '有':231,233,235,472 '有明确入口':211 '本方向进入实验阶段后':568 '本院历史病历':512 '条款识别':606 '条款识别准确率':715 '条款遗漏率降低':687 '条款遗漏风险高':638 '来改善客服效率':187 '某电商平台客服团队每天处理数千个咨询':181 '标准流程':109 '标记必须附带依据':694 '核心判断流程':25 '根据学习情况推荐练习题和学习路径':727 '案例召回可行':334 '次':356 '正确率':775 '每周多次故障':324 '每天50':597 '每天数千个咨询':207 '没有足够资料或无法脱敏':119 '治疗建议':546 '治疗方案':501 '法务确认合规':559 '法务确认监管合规性':707 '法务确认规则文档可用':295 '法律结论':123 '测试':564,856 '测试期':566 '涉及生命安全':461 '物流规则':216,234 '物流规则文档':273 '物流解释':261 '物流解释等任务适合':220 '特别考虑':717,862 '特别说明':567 '用于自动审核合同':579 '用户在':57 '用户真正遇到的问题是什么':137 '用户输入':188,307,421,576,728 '用最强模型做一个最小验证':85 '用药':545 '用药推荐':500 '电商':177 '病历数据敏感':450 '病史整理':496 '病史整理适合ai辅助':454 '症状':510 '症状-科室对应关系':509 '症状收集':453,495 '的建议':387 '的无效升级':391 '的明确结论':174 '监控信号':377 '监管条文编号':695 '监管要求严格':613 '监管规则公开':603 '监管规则变化时需及时更新知识库':718 '监管规则引用':645 '监管规则经常变化':628 '监管规则频繁更新':671 '目标问题':253,353,487,635,787 '直接给出答案':801 '相似案例召回':364 '相似案例提示':646 '看到进步轨迹':836 '看能力天花板在哪里':86 '知识库':115 '知识点图谱':757,812 '知识点讲解':778 '知识点诊断':795 '确保符合监管要求':574 '确定进入试验的条件':21 '确认能否脱敏':217 '示例':175 '示例1':176 '示例2':299 '示例3':412 '示例4':570 '示例5':721 '科室分诊准确率提升':539 '科室对应关系':511 '第一筛查员':657 '答案依赖':840 '答案提供者':807 '系统日志':114 '索引和持续供给':75 '练习题难度推荐':793 '绝不能给出诊断结论或用药建议':463 '绝对不生成任何诊断结论':531 '绝对禁止':543,547 '维度':441,593,746 '缩短定位时间':336 '缩短首响时间':224 '缺失资料':145 '老师难以针对每个学生定制练习计划':790 '而不只是包装旧流程':83 '而不是功能语言':161 '而非':466 '能力':54 '能力假设':276,381,519,673,818 '能力可能性':452,605,758 '能力可能成立':218,331 '能力是否可能成立':30,80 '能匹配相关监管规则条文':679 '能否回答':93 '能否描述清楚':56 '能否脱敏处理':70 '能引导患者描述症状':521 '能推荐合适科室':527 '能推荐适当难度的练习题':822 '能提供解题思路提示':828 '能提示历史类似合同的处理方式':684 '能整理结构化病史摘要':524 '能标记高风险条款':681 '能理解日志':382 '能生成个性化学习计划':826 '能自动教学生解题':732 '能识别合同中的关键条款':675 '能诊断学生知识点掌握情况':820 '脱敏状态':146 '自动修复':367 '自动修复故障':316 '自动修复生产故障':310 '自动切流':369 '自动回复用户问题':192 '自动审核替代专员':587 '自动执行以下步骤':158 '自动生成':650 '自动生成诊断建议':426 '自动重启':368 '节省医生问诊时间':456 '药品推荐数据库':517 '获取100份历史合同样本':708 '获取500名学生历史学习数据':851 '行业知识':105 '规则检索':279 '视频资源':779 '解决':24 '订单查询':219,260 '让患者先和ai交流':425 '证券公司合规部门每天需要审查大量合同和公告':573 '证监会':620 '证监会监管规则':661 '评估':442,594,747 '评估能力天花板和价值密度':167 '诊断':544 '诊断建议':499 '诊疗建议':467 '误判率':297 '误判路径需人工可追溯':400 '说明':595,748 '课后练习':752 '谁看了ai建议':700 '资料使用是否获得合规授权':72 '资料可得且可控':212,328 '资料可得性':449,602,754 '资料可用性确认':403 '资料是否会持续更新':77 '资料是否可得且可控':29,63 '资料是否涉及敏感信息':69 '资料是否能够被清理':74 '资料条件不成立':118 '资料条件审查':228,469,618,771 '资料清单':143 '资料盘点':267,370,507,660,808 '资料脱敏方案通过':293 '资深客服过载':183 '资源推荐':798 '资源推荐适合ai':760 '赔付决策':265 '赔付承诺必须人工确认':288 '转换为问题语言':201 '辅助':222 '辅助医生了解病情背景':438 '辅助医生进行预问诊':418 '输出':32,169,385 '输出物':130 '输出结果':247,347,482,630,782 '边界描述':502 '过于宽泛':740 '过于激进':317,434,588 '过度依赖专家经验':359 '运维团队面临告警风暴':303 '还是一次性的':78 '这个方向是否足以形成产品价值':90 '这个问题发生在什么角色':49 '这个问题是不是用户日常反复遇到':38 '进入实验的条件':152 '进入条件':291,401,557,706,850 '退款':287 '逐一回答五个必答问题':163 '通用医学知识':471 '通过医院伦理委员会审查':558 '避免':839 '避免打击学习信心':768 '避免挫败感':849 '避免过度依赖ai':720 '重复性问题占比60':256 '金融合规场景':691 '金融合规文档审查助手':571,634 '金融合规特殊考虑':612 '错误代价高':340 '错误归因可能放大事故':341 '错题回顾':794 '错题复习场景':753 '门诊医生平均问诊时间仅8分钟':488 '问题':61 '问题定义':136 '问题是否真实且高频':27,37 '问题真实且高频':206,323 '问题真实性':444,596,749 '问题线索':26 '问题语言转换':196,314,430,584,736 '降低合规风险':610 '降低培训成本':225 '随机':859 '隐私合规':780 '难以充分了解患者完整病史':489 '难以快速掌握全部监管规则':641 '难度匹配':759 '难度调整幅度适度':848 '零误诊风险事件':565 '需业务方确认':669 '需严格脱敏和授权':451 '需保留完整的审查决策链':616 '需历史故障工单':329 '需及时同步':629 '需家长授权':817 '需建立同步机制':672 '需授权':474 '需法务确认可用性':275 '需确认版权':516 '需符合':480 '需脱敏':272,513,626 '需脱敏处理':667 '需要判断是否值得投入实验':19 '需要循序渐进':767 '需要盘点':213 '需要移除用户手机号':237 '需通过医院伦理审查':478 '非医生':556 '非诊断':529 '题库':755,777 '题库数据库':809 '题目':811 '风险条款高亮':644 '风险极高':435 '风险标记适合ai':607 '风险边界':148,286,393,541,690,837 '风险边界与':405 '首响时间从5分钟降至1分钟内':283 '首响时间影响用户满意度':208 '首响时间长':182 '验证':703 '高约束场景':394 '高风险动作':149 '高风险动作必须双人确认':397 '高风险场景':414 '高风险承诺保留人工确认':281 '高风险边界识别':459","prices":[{"id":"7cbbb3f7-3b1f-4506-84f5-771d443bf09c","listingId":"0a2fdd06-74d6-4cb4-9cc0-71db05b22324","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":"2026-05-01T01:02:53.443Z"}],"sources":[{"listingId":"0a2fdd06-74d6-4cb4-9cc0-71db05b22324","source":"github","sourceId":"gmaxxxie/ai-native-product-agent-skills/p1-direction-framing","sourceUrl":"https://github.com/gmaxxxie/ai-native-product-agent-skills/tree/main/skills/p1-direction-framing","isPrimary":false,"firstSeenAt":"2026-05-01T01:02:53.443Z","lastSeenAt":"2026-05-18T18:57:27.209Z"}],"details":{"listingId":"0a2fdd06-74d6-4cb4-9cc0-71db05b22324","quickStartSnippet":null,"exampleRequest":null,"exampleResponse":null,"schema":null,"openapiUrl":null,"agentsTxtUrl":null,"citations":[],"useCases":[],"bestFor":[],"notFor":[],"kindDetails":{"org":"gmaxxxie","slug":"p1-direction-framing","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":"f7de20d8fc5726988f78a63b40afe15c51356fc8","skill_md_path":"skills/p1-direction-framing/SKILL.md","default_branch":"main","skill_tree_url":"https://github.com/gmaxxxie/ai-native-product-agent-skills/tree/main/skills/p1-direction-framing"},"layout":"multi","source":"github","category":"ai-native-product-agent-skills","frontmatter":{"name":"ai-native-direction-framing","description":"'AI Native 产品方法论——方向定界阶段的实操 Skill。"},"skills_sh_url":"https://skills.sh/gmaxxxie/ai-native-product-agent-skills/p1-direction-framing"},"updatedAt":"2026-05-18T18:57:27.209Z"}}