{"id":"9336bdd0-1b12-4932-81bc-05dd29428718","shortId":"Y5BH3d","kind":"skill","title":"p2b-product-form-exploration","tagline":"'AI Native 产品方法论——产品形态探索的实操 Skill。","description":"# 产品形态探索 Skill\n\n## 使用场景\n\n- 能力实验已完成，需要探索能力最终以什么形态服务于用户\n- 不确定应该做问答、Copilot、工作流还是 Agent\n- 需要用实验驱动设计（Experiment Driven Design）而非拍脑袋定形态\n\n## 核心概念\n\n- **实验驱动设计（Experiment Driven Design）**：先通过实验发现能力边界，再反过来定义产品形态\n- **能力入口**：用户进入某项能力的方式（问答、Copilot、工作台、自动流程、Agent）\n- **产品形态**：能力最终以什么交互和工作流被用户使用，而非页面长什么样\n\n## 产品形态决策框架\n\n| 能力特征 | 推荐形态 |\n|---------|---------|\n| 低风险、高重复、边界清晰 | 自动流程 / Agent |\n| 中风险、需要人工确认 | Copilot |\n| 高风险、需要透明解释 | 工作台（人工主导） |\n| 探索期、边界不清 | 问答 + 反馈收集 |\n\n## 探索流程\n\n```\n能力实验结论\n  → 能力边界分析\n    → 候选形态列举\n      → 交互原型设计\n        → 工作流嵌入测试\n          → 产品形态决策\n```\n\n## 第一步：能力边界分析\n\n从能力实验结论提取关键维度：\n\n| 维度 | 问题 | 影响 |\n|------|------|------|\n| 风险等级 | 出错后影响多大？ | 决定自动化程度上限 |\n| 边界清晰度 | AI 能明确判断的场景占比？ | 决定自主模式可行性 |\n| 任务重复度 | 同一任务出现频率？ | 决定投入产出比 |\n| 用户期望 | 用户希望快还是希望准？ | 决定形态侧重 |\n\n## 第二步：候选形态列举\n\n基于能力边界，列举所有形态可能性：\n\n1. **问答**：适合信息查询、规则解释、FAQ 类\n2. **Copilot**：适合需要人工确认、高风险、有合规要求的场景\n3. **工作台**：适合复杂判断、需要人工整合多源信息的场景\n4. **自动流程**：适合低风险、边界清晰、重复高的任务\n5. **Agent**：适合多步骤、有工具调用需求、但风险可控的场景\n\n## 第三步：交互原型设计\n\n每个候选形态设计原型，验证：\n\n- 用户如何进入（入口设计）\n- 系统如何输出（展示形式）\n- 用户如何纠偏（反馈机制）\n- 失败时如何处理（降级策略）\n\n## 第四步：工作流嵌入测试\n\n原型必须在真实工作流中测试，而非仅限演示：\n\n- 模拟完整任务链路\n- 记录中断点和人工介入点\n- 测量效率提升和用户满意度\n\n## 输出物：产品形态建议\n\n1. **形态推荐**：基于能力边界的最优形态\n2. **交互原型**：入口、输出、反馈机制设计\n3. **工作流嵌入方案**：如何嵌入现有工作流\n4. **风险边界**：该形态的风险上限和管理方式\n5. **进入下阶段条件**：什么条件下可以进入流程重构\n\n## 与其他 Skill 的关系\n\n- **前置**：@p2a-experiment-overview（提供能力实验结论）\n- **后置**：@p2c-process-redesign（深入流程层面）、@p2d-convergence-decision（收敛决策）\n- **协同**：@ai-native-ux-design（UX 设计细节）\n\n## 示例\n\n### 用户输入\n\"客服 Copilot 能力实验已完成，订单查询准确率 92%，物流解释 85%，但售后政策 78%，多轮上下文处理不稳定\"\n\n### Skill 执行\n\n```yaml\n能力边界分析:\n  风险: 中（售后政策出错可能引发投诉）\n  边界清晰度: 订单/物流高，售后低\n  推荐形态: Copilot（人工确认模式）\n\n形态原型:\n  界面: 侧边栏候选回复 + 风险标记\n  交互: 一键采纳 / 快速编辑 / 风险提示\n  边界: 退款/赔付类必须人工确认后发送\n\n工作流嵌入:\n  当前流程: 客服读工单→查系统→组织回复→发送\n  新流程: AI预读→建议回复→客服确认→发送\n  预期提升: 首响时间-60%，培训周期-50%\n\n进入下阶段条件:\n  ✅ 采纳率 > 60%（通过影子验证）\n  ✅ 风险标记准确率 > 85%\n  ⏳ 售后政策准确率需提升至 85%+\n```\n\n---\n\n## 深入核心概念\n\n基于书稿第07章，以下概念在执行本 Skill 时需深入理解：\n\n- **从\"设计功能\"转向\"设计能力入口\"**：AI 产品设计的重点不是先决定按钮位置，而是先决定能力如何被用户触发、理解和信任。产品设计的对象不只是页面，更是\"能力入口 + 上下文 + 反馈机制\"。\n- **能力入口五形态**：用户进入某项能力的方式有五种——问答（适合信息查询和 FAQ）、Copilot（适合需要人工确认的中风险场景）、工作台（适合复杂判断和多源信息整合）、自动流程（适合低风险高重复任务）、Agent（适合多步骤工具调用但风险可控的场景）。\n- **产品形态不是一次设计出来的**：AI Native Product Design 的本质是让设计从\"静态页面规划\"转向\"能力与任务协作设计\"。产品形态在实验中逐渐稳定，而非在 PRD 中一次确定。\n- **设计在方法论中的位置**：产品设计更接近试验展开的后段，而非方向定界之后立刻展开的完整定稿。设计在能力被逐步验证时，开始把\"可成立的能力\"翻译成\"可理解、可使用、可被信任的产品入口\"。\n- **四个关键判断问题**：用户在什么任务节点最需要 AI？AI 能帮用户完成哪一段关键工作？用户如何判断 AI 的结果是否可用？当 AI 不确定时，如何把控制权交回给用户？\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：能力边界分析\n- 从能力实验结论中提取四个关键维度：风险等级（出错后影响多大）、边界清晰度（AI 能明确判断的场景占比）、任务重复度（同一任务出现频率）、用户期望（用户希望快还是希望准）\n- 评估每个维度对产品形态的约束：风险等级决定自动化程度上限，边界清晰度决定自主模式可行性，任务重复度决定投入产出比，用户期望决定形态侧重\n- 输出能力边界分析报告\n\n### 步骤 2：候选形态列举与初步筛选\n- 基于能力边界，列举所有形态可能性：问答、Copilot、工作台、自动流程、Agent\n- 用决策矩阵初步筛选：低风险+高重复+边界清晰 → 自动流程/Agent；中风险+需人工确认 → Copilot；高风险+需透明解释 → 工作台；探索期+边界不清 → 问答+反馈收集\n- 排除明显不匹配的形态，保留 2-3 个候选\n\n### 步骤 3：交互原型设计\n- 为每个候选形态设计原型，覆盖四个维度：入口设计（用户如何进入）、展示形式（系统如何输出）、反馈机制（用户如何纠偏）、降级策略（失败时如何处理）\n- 原型要能回答：用户在什么任务节点最需要 AI、AI 能完成哪段关键工作、用户如何判断结果是否可用、AI 不确定时如何交回控制权\n- 快速生成可运行 demo（流程类 / 功能类 / 界面类）\n\n### 步骤 4：工作流嵌入测试\n- 在真实工作流中测试原型（而非仅限演示）\n- 模拟完整任务链路，记录中断点和人工介入点\n- 测量效率提升和用户满意度\n- 识别哪些能力单看实验不错，但进入流程后暴露出上下文不足、责任边界不清、异常处理缺失等问题\n\n### 步骤 5：产品形态决策\n- 综合能力边界、交互测试和工作流验证结果，做出形态决策\n- 确定产品形态推荐、交互方案、工作流嵌入方案、风险边界\n- 定义进入下一阶段的条件（如采纳率阈值、风险标记准确率阈值）\n- 输出产品形态建议文档\n\n## 示例一：客服 Copilot 形态探索\n\n### 用户输入\n\"客服 Copilot 能力实验已完成，订单查询准确率 92%，物流解释 85%，但售后政策 78%，多轮上下文处理不稳定。需要探索产品形态。\"\n\n### Skill 执行\n\n```yaml\n能力边界分析:\n  风险等级: 中（售后政策出错可能引发投诉和赔付）\n  边界清晰度:\n    订单查询: 高（规则明确，AI 可自主处理）\n    物流解释: 高（物流状态查询标准化）\n    售后政策: 低（政策条款多，例外多，需人工判断）\n  任务重复度: 高（日均 500+ 工单，70% 为重复类型）\n  用户期望: 快（客服追求首响时间，但不能牺牲准确性）\n\n候选形态评估:\n  问答形态: ❌ 排除（客服场景需要嵌入工作流，非独立问答）\n  Copilot 形态: ✅ 最优（中风险+需人工确认+嵌入工作台）\n  工作台形态: ⚠️ 候选（如果 Copilot 交互不自然可回退）\n  自动流程: ❌ 排除（售后场景风险不可控）\n  Agent 形态: ❌ 排除（多轮上下文不稳定，不适合自主执行）\n\n交互原型设计（Copilot 形态）:\n  入口设计:\n    触发: 工单进入时自动读取上下文并生成建议\n    位置: 客服工作台右侧侧边栏\n  展示形式:\n    候选回复: 2-3 条，按置信度排序\n    风险标记: 🔴 高风险（退款/赔付）🟡 中风险（政策解释）🟢 低风险（查询类）\n    规则引用: 每条建议附带引用的规则来源\n  反馈机制:\n    一键采纳: 点击即填充到回复框\n    快速编辑: 在建议基础上修改\n    标记不准确: 反馈到评估系统\n    补充上下文: 手动添加工单未包含的信息\n  降级策略:\n    高风险场景: 必须人工确认后才能发送\n    AI 无响应: 自动切回纯人工模式\n    多轮不稳定: 超过 5 轮提示转接高级客服\n\n工作流嵌入测试:\n  当前流程: 客服读工单 → 查订单系统 → 查物流系统 → 翻售后政策 → 组织回复 → 发送\n  新流程: AI 预读工单+查询+召回规则 → 生成建议回复 → 客服确认/编辑 → 发送\n  测试结果:\n    首响时间: 从 3.2 分钟缩短到 1.1 分钟（-66%）\n    采纳率: 67%（订单查询 85%，物流 72%，售后 45%）\n    满意度: 82 分\n    风险标记准确率: 88%\n\n产品形态决策:\n  最终形态: Copilot（侧边栏建议 + 人工确认模式）\n  交互方案: 候选回复 + 风险标记 + 规则引用 + 一键采纳\n  工作流嵌入: AI 预处理 + 人工确认 + 自动发送\n  风险边界:\n    退款/赔付类: 必须人工确认\n    政策解释类: 标记风险但不拦截\n    查询类: 可直接采纳\n  进入下一阶段条件:\n    ✅ 采纳率 > 60%（已达成 67%）\n    ✅ 风险标记准确率 > 85%（已达成 88%）\n    ⏳ 售后政策准确率需提升至 85%+（当前 78%，需补充资料）\n    ⏳ 多轮上下文稳定性需验证（当前不稳定）\n```\n\n## 示例二：智能运维告警分析形态探索（对比案例）\n\n### 用户输入\n\"运维告警分析能力实验已完成。单一故障根因识别准确率 85%，复合故障 62%，告警聚合 91%，误报识别 78%。需要探索产品形态。\"\n\n### Skill 执行\n\n```yaml\n能力边界分析:\n  风险等级: 高（运维误判可能导致业务中断）\n  边界清晰度:\n    告警聚合: 高（模式明确，可自动化）\n    单一故障根因: 中高（85% 准确率，大部分可自主）\n    复合故障: 低（62%，需人工辅助判断）\n    误报识别: 中（78%，需人工确认）\n  任务重复度: 高（日均 200+ 告警，80% 为重复模式）\n  用户期望: 快+准（运维既要快速响应，又不能误判）\n\n候选形态评估:\n  问答形态: ❌ 排除（运维需要嵌入告警流程）\n  Copilot 形态: ⚠️ 候选（适合复合故障等需人工场景）\n  工作台形态: ✅ 最优（运维已有告警面板，嵌入分析能力最自然）\n  自动流程: ⚠️ 候选（适合告警聚合和误报过滤等低风险场景）\n  Agent 形态: ❌ 排除（复合故障不稳定，不适合自主执行）\n\n交互原型设计（工作台 + 局部自动流程）:\n  入口设计:\n    告警聚合: 自动流程（低风险，全自动）\n    单一故障: 工作台自动展示根因分析面板\n    复合故障: Copilot 模式（建议+人工确认）\n    误报: 自动标记+人工审核\n  展示形式:\n    告警面板: 聚合后的告警分组 + 优先级排序\n    根因面板: 疑似根因列表 + 置信度 + 关联日志引用\n    处理建议: 推荐操作步骤 + 预期影响\n    误报标记: ⚠️ 疑似误报（附判断依据）\n  反馈机制:\n    确认根因: 标记为已验证\n    标记不准确: 反馈到评估系统\n    补充信息: 手动添加系统未采集的上下文\n    手动升级: 触发复合故障 Copilot 模式\n  降级策略:\n    复合故障: 自动降级为 Copilot 模式\n    置信度 < 60%: 提示\"建议人工排查\"\n    连续 3 次误判: 暂停该场景自动分析\n\n工作流嵌入测试:\n  当前流程: 告警触发 → 运维查看 → 手动查日志 → 人工判断根因 → 执行修复\n  新流程:\n    低风险: 告警聚合（自动）→ 误报过滤（自动+审核）→ 已知故障自动匹配\n    中风险: 根因分析面板（自动展示）→ 运维确认 → 建议操作\n    高风险: 复合故障 Copilot → 运维判断 → 手动执行\n  测试结果:\n    MTTR 缩短: 从 45 分钟到 28 分钟（-38%）\n    告警聚合采纳率: 92%\n    根因分析采纳率: 68%\n    误报过滤采纳率: 74%\n\n产品形态决策:\n  最终形态: 混合形态\n    告警聚合+误报过滤: 自动流程（低风险，全自动）\n    单一故障根因: 工作台嵌入（自动展示，人工确认）\n    复合故障: Copilot（建议+人工判断）\n  工作流嵌入: 分层嵌入，按风险等级选择自动化程度\n  风险边界:\n    告警聚合: 全自动（可回滚）\n    单一故障: 自动分析+人工确认操作\n    复合故障: 仅建议，人工决策\n    误报: 自动标记+批量人工审核\n  进入下一阶段条件:\n    ✅ 告警聚合采纳率 > 90%（已达成 92%）\n    ✅ 单一根因准确率 > 80%（已达成 85%）\n    ⏳ 复合故障准确率需提升至 75%+（当前 62%）\n    ⏳ 误报识别准确率需提升至 85%+（当前 78%）\n```","tags":["p2b","product","form","exploration","native","agent","skills","gmaxxxie","agent-skills","ai-agent","ai-native","ai-product"],"capabilities":["skill","source-gmaxxxie","skill-p2b-product-form-exploration","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/p2b-product-form-exploration","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 (6,178 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":"2026-05-18T18:57:32.278Z","embedding":null,"createdAt":"2026-05-01T01:02:59.762Z","updatedAt":"2026-05-18T18:57:32.278Z","lastSeenAt":"2026-05-18T18:57:32.278Z","tsv":"'-3':364,501 '-38':770 '-50':234 '-60':232 '-66':557 '/agent':350 '1':91,137,317 '1.1':555 '2':97,140,336,363,500 '200':652 '28':768 '3':102,145,367,734 '3.2':553 '4':106,148,393 '45':565,766 '5':111,151,314,405,531 '500':458 '60':237,596,730 '62':618,643,821 '67':559,598 '68':774 '70':460 '72':563 '74':776 '75':819 '78':192,431,606,622,647,825 '80':654,815 '82':567 '85':190,240,242,429,561,600,604,616,638,817,823 '88':570,602 '90':811 '91':620 '92':188,427,772,813 'agent':19,38,49,112,272,344,485,676 'ai':6,78,176,252,275,299,300,303,306,323,381,382,385,445,526,542,582 'ai-native-ux-design':175 'ai预读':226 'converg':171 'copilot':17,35,52,98,185,206,266,341,353,420,424,471,480,491,573,665,692,722,727,759,790 'decis':172 'demo':388 'design':23,29,179,278 'driven':22,28 'experi':21,27,160 'explor':5 'faq':95,265 'form':4 'mttr':763 'nativ':7,177,276 'overview':161 'p2a':159 'p2a-experiment-overview':158 'p2b':2 'p2b-product-form-exploration':1 'p2c':165 'p2c-process-redesign':164 'p2d':170 'p2d-convergence-decision':169 'prd':285 'process':166 'product':3,277 'redesign':167 'skill':10,12,155,194,246,312,434,624 'skill-p2b-product-form-exploration' 'source-gmaxxxie' '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' 'ux':178,180 'yaml':196,436,626 '一键采纳':213,515,580 '上下文':259 '不确定应该做问答':16 '不确定时':307 '不确定时如何交回控制权':386 '不适合自主执行':489,680 '与其他':154 '个候选':365 '中':199,439,646 '中一次确定':286 '中风险':50,351,474,508,752 '中高':637 '为每个候选形态设计原型':369 '为重复模式':655 '为重复类型':461 '交互':212 '交互不自然可回退':481 '交互原型':141 '交互原型设计':65,117,368,490,681 '交互方案':411,576 '交互测试和工作流验证结果':408 '产品形态':39 '产品形态不是一次设计出来的':274 '产品形态决策':67,406,571,777 '产品形态决策框架':42 '产品形态在实验中逐渐稳定':283 '产品形态建议':136 '产品形态探索':11 '产品形态探索的实操':9 '产品方法论':8 '产品设计更接近试验展开的后段':288 '产品设计的对象不只是页面':256 '产品设计的重点不是先决定按钮位置':253 '人工主导':56 '人工决策':805 '人工判断':792 '人工判断根因':742 '人工审核':698 '人工确认':584,695,788 '人工确认操作':802 '人工确认模式':207,575 '什么条件下可以进入流程重构':153 '仅建议':804 '从':248,552,765 '从能力实验结论中提取四个关键维度':319 '从能力实验结论提取关键维度':70 '以下概念在执行本':245 '任务重复度':81,325,455,649 '任务重复度决定投入产出比':332 '优先级排序':702 '但不能牺牲准确性':465 '但售后政策':191,430 '但进入流程后暴露出上下文不足':401 '但风险可控的场景':115 '位置':496 '低':451,642 '低风险':45,346,510,687,745,783 '使用场景':13 '例外多':453 '侧边栏候选回复':210 '侧边栏建议':574 '保留':362 '候选':478,667,674 '候选回复':499,577 '候选形态列举':64,88 '候选形态列举与初步筛选':337 '候选形态评估':466,661 '做出形态决策':409 '先通过实验发现能力边界':30 '入口':142 '入口设计':121,371,493,684 '全自动':688,784,798 '关联日志引用':706 '再反过来定义产品形态':31 '决定形态侧重':86 '决定投入产出比':83 '决定自主模式可行性':80 '决定自动化程度上限':76 '准':658 '准确率':639 '出错后影响多大':75,321 '分':568 '分层嵌入':794 '分步执行指南':309 '分钟':556,769 '分钟到':767 '分钟缩短到':554 '列举所有形态可能性':90,339 '前置':157 '功能类':390 '协同':174 '单一故障':689,800 '单一故障根因':636,785 '单一故障根因识别准确率':615 '单一根因准确率':814 '原型必须在真实工作流中测试':130 '原型要能回答':379 '又不能误判':660 '反馈到评估系统':520,717 '反馈收集':60,360 '反馈机制':125,260,375,514,713 '反馈机制设计':144 '发送':224,229,540,549 '召回规则':545 '可使用':295 '可回滚':799 '可成立的能力':292 '可理解':294 '可直接采纳':593 '可自主处理':446 '可自动化':635 '可被信任的产品入口':296 '同一任务出现频率':82,326 '后置':163 '告警':653 '告警聚合':619,632,685,746,780,797 '告警聚合采纳率':771,810 '告警触发':739 '告警面板':700 '售后':564 '售后低':204 '售后场景风险不可控':484 '售后政策':450 '售后政策准确率需提升至':241,603 '售后政策出错可能引发投诉':200 '售后政策出错可能引发投诉和赔付':440 '四个关键判断问题':297 '在建议基础上修改':518 '在真实工作流中测试原型':395 '培训周期':233 '基于书稿方法论':310 '基于书稿第07章':244 '基于能力边界':89,338 '基于能力边界的最优形态':139 '处理建议':707 '复合故障':617,641,691,725,758,789,803 '复合故障不稳定':679 '复合故障准确率需提升至':818 '多轮上下文不稳定':488 '多轮上下文处理不稳定':193,432 '多轮上下文稳定性需验证':608 '多轮不稳定':529 '大部分可自主':640 '失败时如何处理':126,378 '如何嵌入现有工作流':147 '如何把控制权交回给用户':308 '如果':479 '如采纳率阈值':415 '定义进入下一阶段的条件':414 '实验驱动设计':26 '审核':750 '客服':184,419,423 '客服场景需要嵌入工作流':469 '客服工作台右侧侧边栏':497 '客服确认':228,547 '客服读工单':221,535 '客服追求首响时间':464 '对比案例':612 '局部自动流程':683 '展示形式':123,373,498,699 '嵌入分析能力最自然':672 '嵌入工作台':476 '工作台':36,55,103,268,342,356,682 '工作台嵌入':786 '工作台形态':477,669 '工作台自动展示根因分析面板':690 '工作流嵌入':219,581,793 '工作流嵌入方案':146,412 '工作流嵌入测试':66,129,394,533,737 '工作流还是':18 '工单':459 '工单进入时自动读取上下文并生成建议':495 '已知故障自动匹配':751 '已达成':597,601,812,816 '建议':694,791 '建议人工排查':732 '建议回复':227 '建议操作':756 '开始把':291 '异常处理缺失等问题':403 '当':305 '当前':605,820,824 '当前不稳定':609 '当前流程':220,534,738 '形态':472,486,492,666,677 '形态原型':208 '形态探索':421 '形态推荐':138 '影响':73 '必须人工确认':589 '必须人工确认后才能发送':525 '快':463,657 '快速生成可运行':387 '快速编辑':214,517 '手动升级':720 '手动执行':761 '手动查日志':741 '手动添加工单未包含的信息':522 '手动添加系统未采集的上下文':719 '执行':195,435,625 '执行修复':743 '批量人工审核':808 '按置信度排序':503 '按风险等级选择自动化程度':795 '排除':468,483,487,663,678 '排除明显不匹配的形态':361 '探索期':57,357 '探索流程':61 '推荐形态':44,205 '推荐操作步骤':708 '提供能力实验结论':162 '提示':731 '收敛决策':173 '政策条款多':452 '政策解释':509 '政策解释类':590 '新流程':225,541,744 '无响应':527 '日均':457,651 '时需深入理解':247 '智能运维告警分析形态探索':611 '暂停该场景自动分析':736 '更是':257 '最优':473,670 '最终形态':572,778 '有合规要求的场景':101 '有工具调用需求':114 '本':311 '条':502 '查物流系统':537 '查系统':222 '查订单系统':536 '查询':544 '查询类':511,592 '标记不准确':519,716 '标记为已验证':715 '标记风险但不拦截':591 '核心概念':25 '根因分析采纳率':773 '根因分析面板':753 '根因面板':703 '模式':693,723,728 '模式明确':634 '模拟完整任务链路':132,397 '次误判':735 '步':315 '步骤':316,335,366,392,404 '每个候选形态设计原型':118 '每条建议附带引用的规则来源':513 '流程类':389 '测试结果':550,762 '测量效率提升和用户满意度':134,399 '深入核心概念':243 '深入流程层面':168 '混合形态':779 '满意度':566 '点击即填充到回复框':516 '物流':562 '物流状态查询标准化':449 '物流解释':189,428,447 '物流高':203 '理解和信任':255 '生成建议回复':546 '用决策矩阵初步筛选':345 '用户在什么任务节点最需要':298,380 '用户如何判断':302 '用户如何判断结果是否可用':384 '用户如何纠偏':124,376 '用户如何进入':120,372 '用户希望快还是希望准':85,328 '用户期望':84,327,462,656 '用户期望决定形态侧重':333 '用户输入':183,422,613 '用户进入某项能力的方式':33 '用户进入某项能力的方式有五种':262 '界面':209 '界面类':391 '疑似根因列表':704 '疑似误报':711 '的关系':156 '的完整执行分为':313 '的本质是让设计从':279 '的结果是否可用':304 '确定产品形态推荐':410 '确认根因':714 '示例':182 '示例一':418 '示例二':610 '第一步':68 '第三步':116 '第二步':87 '第四步':128 '类':96 '系统如何输出':122,374 '组织回复':223,539 '维度':71 '综合能力边界':407 '编辑':548 '缩短':764 '置信度':705,729 '翻售后政策':538 '翻译成':293 '而是先决定能力如何被用户触发':254 '而非仅限演示':131,396 '而非在':284 '而非拍脑袋定形态':24 '而非方向定界之后立刻展开的完整定稿':289 '而非页面长什么样':41 '聚合后的告警分组':701 '能力与任务协作设计':282 '能力入口':32,258 '能力入口五形态':261 '能力实验已完成':14,186,425 '能力实验结论':62 '能力最终以什么交互和工作流被用户使用':40 '能力特征':43 '能力边界分析':63,69,197,318,437,627 '能完成哪段关键工作':383 '能帮用户完成哪一段关键工作':301 '能明确判断的场景占比':79,324 '自动':747,749 '自动分析':801 '自动切回纯人工模式':528 '自动发送':585 '自动展示':754,787 '自动标记':697,807 '自动流程':37,48,107,270,343,349,482,673,686,782 '自动降级为':726 '补充上下文':521 '补充信息':718 '覆盖四个维度':370 '规则引用':512,579 '规则明确':444 '规则解释':94 '触发':494 '触发复合故障':721 '订单':202 '订单查询':442,560 '订单查询准确率':187,426 '记录中断点和人工介入点':133,398 '设计功能':249 '设计在方法论中的位置':287 '设计在能力被逐步验证时':290 '设计细节':181 '设计能力入口':251 '评估每个维度对产品形态的约束':329 '识别哪些能力单看实验不错':400 '该形态的风险上限和管理方式':150 '误报':696,806 '误报标记':710 '误报识别':621,645 '误报识别准确率需提升至':822 '误报过滤':748,781 '误报过滤采纳率':775 '责任边界不清':402 '赔付':507 '赔付类':588 '赔付类必须人工确认后发送':218 '超过':530 '转向':250,281 '轮提示转接高级客服':532 '输出':143 '输出产品形态建议文档':417 '输出物':135 '输出能力边界分析报告':334 '边界':216 '边界不清':58,358 '边界清晰':47,109,348 '边界清晰度':77,201,322,441,631 '边界清晰度决定自主模式可行性':331 '运维判断':760 '运维告警分析能力实验已完成':614 '运维已有告警面板':671 '运维既要快速响应':659 '运维查看':740 '运维确认':755 '运维误判可能导致业务中断':630 '运维需要嵌入告警流程':664 '进入下一阶段条件':594,809 '进入下阶段条件':152,235 '连续':733 '退款':217,506,587 '适合低风险':108 '适合低风险高重复任务':271 '适合信息查询':93 '适合信息查询和':264 '适合告警聚合和误报过滤等低风险场景':675 '适合复合故障等需人工场景':668 '适合复杂判断':104 '适合复杂判断和多源信息整合':269 '适合多步骤':113 '适合多步骤工具调用但风险可控的场景':273 '适合需要人工确认':99 '适合需要人工确认的中风险场景':267 '通过影子验证':238 '采纳率':236,558,595 '重复高的任务':110 '问答':34,59,92,263,340,359 '问答形态':467,662 '问题':72 '附判断依据':712 '降级策略':127,377,523,724 '需人工判断':454 '需人工确认':352,475,648 '需人工辅助判断':644 '需补充资料':607 '需要人工整合多源信息的场景':105 '需要人工确认':51 '需要探索产品形态':433,623 '需要探索能力最终以什么形态服务于用户':15 '需要用实验驱动设计':20 '需要透明解释':54 '需透明解释':355 '静态页面规划':280 '非独立问答':470 '预处理':583 '预期影响':709 '预期提升':230 '预读工单':543 '风险':198 '风险提示':215 '风险标记':211,504,578 '风险标记准确率':239,569,599 '风险标记准确率阈值':416 '风险等级':74,320,438,628 '风险等级决定自动化程度上限':330 '风险边界':149,413,586,796 '首响时间':231,551 '验证':119 '高':443,448,456,629,633,650 '高重复':46,347 '高风险':53,100,354,505,757 '高风险场景':524","prices":[{"id":"62ee9273-2866-4426-986b-a3cb972946ec","listingId":"9336bdd0-1b12-4932-81bc-05dd29428718","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":"2026-05-01T01:02:59.762Z"}],"sources":[{"listingId":"9336bdd0-1b12-4932-81bc-05dd29428718","source":"github","sourceId":"gmaxxxie/ai-native-product-agent-skills/p2b-product-form-exploration","sourceUrl":"https://github.com/gmaxxxie/ai-native-product-agent-skills/tree/main/skills/p2b-product-form-exploration","isPrimary":false,"firstSeenAt":"2026-05-01T01:02:59.762Z","lastSeenAt":"2026-05-18T18:57:32.278Z"}],"details":{"listingId":"9336bdd0-1b12-4932-81bc-05dd29428718","quickStartSnippet":null,"exampleRequest":null,"exampleResponse":null,"schema":null,"openapiUrl":null,"agentsTxtUrl":null,"citations":[],"useCases":[],"bestFor":[],"notFor":[],"kindDetails":{"org":"gmaxxxie","slug":"p2b-product-form-exploration","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":"4333e9a5eccd8eb2ee63f177049a8ebafe0d260b","skill_md_path":"skills/p2b-product-form-exploration/SKILL.md","default_branch":"main","skill_tree_url":"https://github.com/gmaxxxie/ai-native-product-agent-skills/tree/main/skills/p2b-product-form-exploration"},"layout":"multi","source":"github","category":"ai-native-product-agent-skills","frontmatter":{"name":"p2b-product-form-exploration","description":"'AI Native 产品方法论——产品形态探索的实操 Skill。"},"skills_sh_url":"https://skills.sh/gmaxxxie/ai-native-product-agent-skills/p2b-product-form-exploration"},"updatedAt":"2026-05-18T18:57:32.278Z"}}