{"id":"3149af51-da8d-4bdd-8fa0-3f26267d40ff","shortId":"fXgfND","kind":"skill","title":"p6c-insurance-mode-designer","tagline":"保险模式设计器。设计以\"结果担保\"为核心的商业模式： 为 AI 的输出结果提供担保，出错则赔偿或免费。 基于《AI确定性商业模式》概念卡。","description":"# 保险模式设计器\n\n## 一句话定位\n\n为 AI 的结果提供担保：成功才收费，失败不收费。\n\n## 何时触发\n\n- AI 产品的结果可以明确定义\n- 用户愿意为\"确定的结果\"付费\n- 出错的代价可以量化\n- 有能力承担偶然的失败\n\n## 输入\n\n产品场景 + 成功标准 + 失败成本。\n\n**示例输入**：\n```\n产品: AI 税务申报助手\n场景: 帮助个人和企业申请税收退回\n成功标准: 成功帮助用户获得税收退回\n失败成本: 每次失败损失人工审核成本约 50 元\n```\n\n## 设计步骤\n\n### Step 1: 定义\"成功\"标准\n\n**任务**：明确什么算\"成功\"，什么算\"失败\"。\n\n**输出**：\n```\n成功标准:\n  definition: \"成功的明确定义\"\n  measurable: \"是否可量化\"\n  verification: \"如何验证成功\"\n  edge_cases: [\"边界情况\"]\n```\n\n### Step 2: 评估风险与成本\n\n**任务**：计算每次失败的成本和发生概率。\n\n**输出**：\n```\n风险评估:\n  failure_rate: \"失败率估算\"\n  cost_per_failure: \"每次失败成本\"\n  expected_cost: \"预期成本\"\n  risk_mitigation: [\"风险缓解措施\"]\n```\n\n### Step 3: 设计收费模式\n\n**任务**：将风险转化为可持续的收费策略。\n\n**收费方式**：\n```\n收费模式:\n  - 成功费: \"按成功次数收费（如 $0.99/次解决）\"\n  - 成果分成: \"按结果价值比例收费（如退税额的 10%）\"\n  - 保底 + 分成: \"基础费 + 超额分成\"\n  - 订阅保险: \"月费保证最大次数的成功\"\n```\n\n### Step 4: 设计风险控制\n\n**任务**：确保失败在可控范围内。\n\n**输出**：\n```\n风险控制:\n  max_exposure: \"最大风险暴露\"\n  stop_loss: \"止损线\"\n  escalation: \"风险上升处理\"\n  insurance_pool: \"是否需要风险准备金\"\n```\n\n## 综合输出格式\n\n```yaml\ninsurance_mode_design:\n  input:\n    product: \"产品名称\"\n    scenario: \"使用场景\"\n    success_criteria: \"成功标准\"\n    failure_cost: \"失败成本\"\n  \n  success_definition:\n    definition: \"成功定义\"\n    measurable: \"可量化\"\n    verification: \"验证方法\"\n    edge_cases: [\"边界情况\"]\n  \n  risk_assessment:\n    failure_rate: \"失败率\"\n    cost_per_failure: \"每次失败成本\"\n    expected_cost: \"预期成本\"\n    mitigation: [\"缓解措施\"]\n  \n  pricing:\n    model: \"收费模式\"\n    unit: \"计费单位\"\n    rate: \"费率\"\n    example: \"计算示例\"\n  \n  risk_control:\n    max_exposure: \"最大暴露\"\n    stop_loss: \"止损线\"\n    escalation: \"上升处理\"\n    reserve: \"风险准备金\"\n  \n  unit_economics:\n    revenue_per_success: \"每次成功收入\"\n    cost_per_failure: \"每次失败成本\"\n    break_even_rate: \"盈亏平衡点\"\n    margin_at_target: \"目标利润率\"\n```\n\n## 示例：AI 税务申报助手\n\n**设计**：\n- 成功标准：帮助用户获得税收退回\n- 收费：退税额的 10-20%\n- 风险控制：最高保证 50 万元/单\n- 盈亏平衡：成功率 > 60% 即可盈利\n\n## 常见误判\n\n- **成功标准不清**：\"成功\"定义模糊，导致收费争议\n- **低估失败率**：实际失败率高于预估，导致亏损\n- **风险暴露过大**：没有设置止损线，一次大失败就倒闭\n\n## 一句判断\n\n> 保险模式的核心不是承担风险，而是精确计算风险并将其转化为价值。\n\n---\n\n## 核心概念\n\n### 1. 从\"卖工具\"到\"卖担保\"\n\n保险模式的核心转变：**把 AI 从\"工具\"变成\"担保\"。**\n\n| 维度 | 卖工具 | 卖担保 |\n|------|--------|--------|\n| 承诺 | \"我给你一个能力\" | \"我保证这个结果\" |\n| 风险归属 | 客户承担全部风险 | 服务商承担失败风险 |\n| 定价逻辑 | 按功能/用量收费 | 按结果/成功收费 |\n| 客户心理 | \"我买了一个锤子\" | \"我请人保证画挂正\" |\n| 典型定价 | SaaS 订阅 $99/月 | NeoTax 退税额 10-20% |\n\n工具的特点是：我给你一把锤子，墙被你砸坏了不关我事。担保的特点是：我帮你挂好画，挂歪了我重新挂，挂坏了我赔你。这两个生意的定价逻辑完全不同。\n\n### 2. 精算逻辑：保险模式的数学基础\n\n保险模式本质上是一场精算博弈。\n\n```\n预期利润 = 收取的保费 - 预期赔偿 - 运营成本\n```\n\n**赚钱的三个条件**：\n1. **AI 准确率足够高**：赔偿概率足够低（建议 ≥90%，最好 ≥95%）\n2. **保费覆盖预期赔偿和运营成本**：定价必须经过精算\n3. **足够的客户基数分散风险**：单个客户风险 5%，1000 个客户总体赔偿概率趋近 0\n\n**大数定律的关键假设**：客户足够分散，且 AI 对每个客户的表现是独立的。如果客户集中在同一行业，一个系统性 bug 可能同时影响所有客户。\n\n### 3. 混合定价：基础费 + 效果分成\n\n保险模式的标准定价结构：\n\n```\n总收入 = 基础费（覆盖运营成本）+ 效果分成（收割确定性溢价）\n```\n\n| 组成部分 | 作用 | 定价逻辑 |\n|----------|------|----------|\n| **基础费** | 覆盖基本服务成本（客服、模型调用、运营审核） | 不管结果如何先收，确保基础运营 |\n| **效果分成** | 收割确定性溢价 | 只在 AI 产生可验证正面结果时收取 |\n\n**分成比例取决于**：\n- 结果越容易量化 → 越适合按效果收费\n- 失败代价越高 → 客户越愿意付溢价\n\n**实际案例定价**：\n| 公司 | 定价结构 | 逻辑 |\n|------|----------|------|\n| NeoTax | 退税额 10-20%，到账才收 | 零风险尝试，精算可行因为领域聚焦 |\n| Intercom Fin | $0.99/次解决，不解决不收费 | 高频低单价，量大利润可观 |\n| Sierra | $10万基础 + $0.2-1.5/次佣金 | 高基础费筛选客户，效果佣金收割溢价 |\n| EvenUp | 按案件收费（和解金额提升 ~30%） | 按案件价值比例收费 |\n\n### 4. 客户筛选：Anti-Adverse Selection\n\n保险模式的天敌是**逆向选择**：只有认为自己会出问题的人才最想买保险。\n\n**高风险客户的危害**：把 AI 往最难的场景上怼，拿你做兜底，吃掉你的溢价空间。\n\n**筛选策略**（以 NeoTax 为例）：\n1. **行业聚焦**：只服务软件公司（而非所有企业）\n2. **场景聚焦**：只做 R&D 税收抵免（而非泛税务）\n3. **数据要求**：要求客户有 Jira 或 Linear 数据（AI 能处理的数据源）\n\n**本质**：承认边界，然后在边界内建立确定性。不是承诺\"什么都能做\"，而是明确定位\"什么能做得好\"。\n\n### 5. 熔断机制（Circuit Breaker）\n\n防止 AI 连续出错导致系统性赔偿崩溃。\n\n```\n熔断规则示例：\n- 单次错误：触发警告，记录日志\n- 连续 2 次错误：暂停服务，启动人工复核\n- 连续 3 次错误：触发退款，暂停客户账号\n```\n\n**熔断机制的双重价值**：\n1. **防止单点故障扩散**：AI 频繁出错说明模型有问题，让人工介入而非继续犯错\n2. **建立客户信任**：客户知道\"有熔断保护\"，反而更愿意使用\n\n**AI + 专家双保险架构**：\n- 第一层：AI 自动分析，发现异常触发警告\n- 第二层：专家审核，发现 AI 错误触发熔断\n- 两层叠加把\"AI 出错\"概率压到足够低，使得成功费定价有利可图\n\n---\n\n## 分步执行\n\n### Step 1：定义\"成功\"标准\n\n明确什么算\"成功\"，什么算\"失败\"。这是保险模式的地基。\n\n**定义标准四要素**：\n1. **客观可衡量**：双方都能判断是否成功（\"退税到账\"而非\"税务优化了\"）\n2. **双方认可**：客户和服务商对成功定义达成一致\n3. **可验证**：有第三方或系统可以验证结果\n4. **边界清晰**：明确哪些情况算成功，哪些算失败，边界在哪\n\n**常见成功定义**：\n| 场景 | 成功标准 | 失败标准 |\n|------|----------|----------|\n| 税务申报 | 退税到账 | 申报被驳回/被罚款 |\n| 客服对话 | 问题解决，客户不再追问 | 客户转人工/投诉 |\n| 合同审查 | 标记所有风险条款 | 遗漏关键风险条款 |\n| 内容生成 | 客户直接使用不修改 | 客户重写/废弃 |\n\n**输出**：\n```yaml\nsuccess_definition:\n  definition: \"成功的明确定义\"\n  measurable: \"是否可量化\"\n  verification: \"如何验证成功\"\n  edge_cases: [\"边界情况及处理规则\"]\n```\n\n### Step 2：评估风险与精算\n\n计算每次失败的成本和发生概率。\n\n**风险评估公式**：\n```\n预期成本 = 失败率 × 每次失败成本 × 客户数量\n预期收入 = 成功费率 × 成功次数 × 平均交易额 × 客户数量\n盈亏平衡条件：预期收入 > 预期成本 + 运营成本\n```\n\n**风险评估清单**：\n1. AI 在目标场景的历史准确率是多少？\n2. 单次失败的直接赔偿成本是多少？\n3. 失败是否可能是系统性的（同时影响多个客户）？\n4. 最坏情况下的最大暴露是多少？\n\n**输出**：\n```yaml\nrisk_assessment:\n  failure_rate: \"失败率估算\"\n  cost_per_failure: \"每次失败成本\"\n  expected_cost: \"预期总成本\"\n  risk_mitigation: [\"风险缓解措施\"]\n  break_even_rate: \"盈亏平衡成功率\"\n```\n\n### Step 3：设计客户筛选机制\n\n防止逆向选择，确保客户质量。\n\n**筛选三策略**：\n1. **行业聚焦**：只服务 AI 擅长的行业（而非通用）\n2. **准入门槛**：要求特定数据源、业务规模、合作意愿\n3. **风险分层**：根据客户风险等级差异化定价\n\n**判断标准**：\n- 客户是否属于 AI 高准确率覆盖的领域？\n- 客户是否有 AI 能处理的数据（如 Jira、CRM、ERP）？\n- 客户的历史数据是否表明他们是\"健康客户\"而非\"高风险客户\"？\n\n### Step 4：设计熔断与风控机制\n\n确保失败在可控范围内。\n\n**风控四层架构**：\n```\n第 1 层：AI 预检 — 输入数据质量检查，异常输入自动拦截\n第 2 层：AI 输出质量评估 — 置信度低于阈值自动标记\n第 3 层：熔断机制 — 连续错误自动暂停，启动人工复核\n第 4 层：止损线 — 单月/单季度最大赔偿限额\n```\n\n**关键参数设置**：\n```yaml\nrisk_control:\n  max_exposure: \"最大风险暴露（单客户/单月）\"\n  stop_loss: \"止损线（总赔偿/收入比例）\"\n  circuit_breaker: \"连续 N 次错误触发熔断\"\n  insurance_pool: \"风险准备金（建议为月收入的 20-30%）\"\n  escalation: \"风险上升处理流程\"\n```\n\n### Step 5：设计收费模式\n\n基于精算结果设计可持续的收费结构。\n\n**四种保险定价模式**：\n\n| 模式 | 适用场景 | 示例 |\n|------|----------|------|\n| **纯成功费** | 结果明确、AI 准确率极高 | NeoTax 退税额 10-20% |\n| **按次计费** | 高频低价值、量大 | Intercom Fin $0.99/次 |\n| **基础费 + 佣金** | 高价值高风险、需要筛选客户 | Sierra $10万 + $0.2-1.5/次 |\n| **订阅保险** | 持续使用、可预测使用量 | 月费保证 N 次成功 |\n\n**定价推导**：\n```\n成功费 = (人工方案成本 - AI 方案成本) × 分成比例(10-30%)\n基础费 = 月运营成本 ÷ 客户数 × (1 + 利润率)\n```\n\n### Step 6：构建数据飞轮\n\n保险模式的终极优势：自我强化。\n\n```\n客户多 → 数据多 → AI 更准 → 赔偿少 → 保费更低 → 客户更多\n```\n\n**飞轮启动条件**：\n1. 初始阶段有足够的准确率（≥90%）支撑保险定价\n2. 有机制收集每次成功/失败的反馈数据\n3. 有持续优化模型的工程能力\n4. 有耐心等待数据积累达到临界点\n\n---\n\n### 示例 1：AI 税务申报保险——NeoTax 模式复刻\n\n**场景**：一家 FinTech 公司要为中小企业打造 AI 税务申报助手，采用保险模式：帮企业申请税收退回，成功才收费。\n\n**输入**：\n```\n产品: AI 税务申报助手\n场景: 帮助中小企业申请 R&D 税收抵免\n成功标准: 退税实际到账\n失败成本: 每次失败损失人工审核成本约 500 元 + 客户信任\n```\n\n**执行流程**：\n\n1. **定义成功标准**：\n   - 成功：税收退回实际到账（银行到账记录可验证）\n   - 失败：申报被驳回或被税务局追查\n   - 边界：客户自身提供虚假数据导致的失败不计入（在合同中明确）\n\n2. **风险评估与精算**：\n   - AI 准确率（基于历史数据）：95%\n   - 失败率：5%\n   - 平均退税额：$50,000\n   - 成功费率：15%\n   - 每次成功收入：$7,500\n   - 每次失败成本：$500（人工审核成本）\n   - 预期利润/100 客户：95 × $7,500 - 5 × $500 = $710,000\n   - 盈亏平衡成功率：$500 / $7,500 = 6.7%（远低于 95%，安全边际极高）\n\n3. **客户筛选机制**：\n   - 只服务软件/科技公司（R&D 活动明确）\n   - 要求有 Jira/Linear/GitHub 数据（AI 能分析的工单数据）\n   - 最低年研发投入 $100,000（确保退税额足够覆盖服务成本）\n\n4. **熔断与风控**：\n   - 单次申报被驳回：记录并分析原因\n   - 连续 2 次被驳回：暂停该客户申报，启动专家复核\n   - 单月整体失败率 > 10%：暂停新客户接入，全面排查\n   - 风险准备金：月收入的 25%\n\n5. **收费模式**：\n   - 零前期费用（降低客户尝试门槛）\n   - 退税到账后收取 15% 成功费\n   - 最低收费 $500/次（避免小额退税不划算）\n   - 年度大客户可谈固定年费 + 降低分成比例\n\n**输出**：\n```yaml\ninsurance_mode_design:\n  input:\n    product: \"AI 税务申报助手\"\n    scenario: \"帮中小企业申请 R&D 税收抵免\"\n    success_criteria: \"退税实际到账\"\n    failure_cost: \"$500/次（人工审核）\"\n  success_definition:\n    definition: \"税收退回实际到账（银行记录可验证）\"\n    measurable: \"是 - 到账金额明确\"\n    verification: \"银行到账记录 + 税务局回执\"\n    edge_cases: [\"客户数据造假不计入\", \"税务局政策变化导致驳回需协商\"]\n  risk_assessment:\n    failure_rate: \"5%\"\n    cost_per_failure: \"$500\"\n    expected_cost: \"$2,500/100 次\"\n    mitigation: [\"领域聚焦\", \"Jira 数据验证\", \"专家复核\"]\n    break_even_rate: \"6.7%\"\n  pricing:\n    model: \"纯成功费\"\n    unit: \"按退税到账金额\"\n    rate: \"15%\"\n    example: \"退税 $50,000 → 收费 $7,500\"\n  risk_control:\n    max_exposure: \"$50,000/单客户/月\"\n    stop_loss: \"单月总赔偿 < 月收入 30%\"\n    escalation: \"连续 2 次失败 → 暂停 + 专家复核\"\n    reserve: \"月收入 25% 作为风险准备金\"\n  unit_economics:\n    revenue_per_success: \"$7,500（基于 $50K 退税）\"\n    cost_per_failure: \"$500\"\n    break_even_rate: \"6.7%\"\n    margin_at_target: \"93.3%（实际 95% 成功率时）\"\n```\n\n---\n\n### 示例 2：AI 客服保险——Intercom Fin 模式复刻\n\n**场景**：一家 SaaS 公司要为电商客户打造 AI 客服系统，采用保险模式：每次成功解决客户问题才收费，未解决不收费。\n\n**输入**：\n```\n产品: AI 电商客服系统\n场景: 处理客户售前咨询和售后问题\n成功标准: 客户问题自然关闭（不再追问或转人工）\n失败成本: 每次未解决损失算力成本约 0.5 元 + 客户流失风险\n```\n\n**执行流程**：\n\n1. **定义成功标准**：\n   - 成功：客户对话自然关闭（AI 回答后客户不再追问，24 小时内无后续）\n   - 失败：客户主动要求转人工 / 对话超过 5 轮未解决 / 客户投诉\n   - 边界：退款/退货等需要人工操作的不计入 AI 失败\n\n2. **风险评估与精算**：\n   - AI 解决率（基于历史数据）：75%\n   - 未解决率：25%\n   - 每次成功收费：¥2.00\n   - 每次失败成本：¥0.50（算力 + 基础设施）\n   - 预期利润/1000 次对话：750 × ¥2.00 - 250 × ¥0.50 = ¥1,375\n   - 盈亏平衡解决率：¥0.50 / ¥2.00 = 25%（远低于 75%，安全边际高）\n   - 关键：高频量大，即使单价低也有可观利润\n\n3. **客户筛选机制**：\n   - 只服务电商行业（售前售后问题标准化程度高）\n   - 要求客户有知识库（产品信息、FAQ、退换货政策）\n   - 最低月咨询量 1,000 次（确保数据量和收入规模）\n\n4. **熔断与风控**：\n   - 单客户连续 3 次未解决：自动转人工，记录分析\n   - 单客户解决率 < 50%：暂停 AI 接入，优化知识库\n   - 整体解决率 < 65%：触发全量排查\n   - 每月自动出具解决率报告给客户\n\n5. **收费模式**：\n   - 每次成功解决收费 ¥2.00\n   - 月度保底：¥5,000（确保基础运营成本覆盖）\n   - 超过 5,000 次/月的部分 ¥1.50/次（量大优惠）\n   - 年度客户可签 ¥50,000/年包干（预估 30,000 次成功解决）\n\n**输出**：\n```yaml\ninsurance_mode_design:\n  input:\n    product: \"AI 电商客服系统\"\n    scenario: \"处理客户售前咨询和售后问题\"\n    success_criteria: \"客户问题自然关闭（24h 内无后续）\"\n    failure_cost: \"¥0.50/次（算力成本）\"\n  success_definition:\n    definition: \"客户对话自然关闭，不再追问或转人工\"\n    measurable: \"是 - 对话状态可自动判定\"\n    verification: \"对话日志 + 24h 静默检测\"\n    edge_cases: [\"退款/退货需人工操作不计入\", \"客户因其他原因离开不计成功\"]\n  risk_assessment:\n    failure_rate: \"25%\"\n    cost_per_failure: \"¥0.50\"\n    expected_cost: \"¥125/1000 次\"\n    mitigation: [\"电商行业聚焦\", \"知识库要求\", \"自动转人工机制\"]\n    break_even_rate: \"25%\"\n  pricing:\n    model: \"按次计费 + 月度保底\"\n    unit: \"按成功解决次数\"\n    rate: \"¥2.00/次（量大 ¥1.50）\"\n    example: \"月 10,000 次成功 → 收费 ¥17,500\"\n  risk_control:\n    max_exposure: \"¥10,000/单客户/月\"\n    stop_loss: \"月度未解决率 > 35% 触发排查\"\n    escalation: \"连续 3 次未解决 → 自动转人工\"\n    reserve: \"月收入 20% 作为风险准备金\"\n  unit_economics:\n    revenue_per_success: \"¥2.00\"\n    cost_per_failure: \"¥0.50\"\n    break_even_rate: \"25%\"\n    margin_at_target: \"75%（实际 75% 解决率时）\"\n  self_reinforcing_loop:\n    step_1: \"客户使用 → 产生对话数据\"\n    step_2: \"对话数据 → 优化 AI 模型\"\n    step_3: \"AI 更准 → 解决率提升 → 收入增加\"\n    step_4: \"收入增加 → 降低单价 → 吸引更多客户\"\n```\n\n---\n\n## 常见误判与对策\n\n| 误判 | 错误认知 | 正确做法 |\n|------|----------|----------|\n| **成功标准不清** | \"成功就是用户满意\" | 必须客观可衡量、双方认可、可自动验证 |\n| **低估失败率** | \"AI 准确率 95%，够了\" | 实际场景失败率可能远高于测试数据，需留充足安全边际 |\n| **风险暴露过大** | \"先接单再说\" | 必须设置止损线和最大暴露限额，一次大失败不能倒闭 |\n| **忽视逆向选择** | \"客户越多越好\" | 主动筛选客户，在边界内建立确定性 |\n| **没有熔断机制** | \"AI 出错是小概率事件\" | 系统性失败可能同时影响所有客户，必须有熔断保护 |\n| **精算不足** | \"感觉定价差不多\" | 必须基于数据精算，预期利润 > 预期赔偿 + 运营成本 |","tags":["p6c","insurance","mode","designer","native","product","agent","skills","gmaxxxie","agent-skills","ai-agent","ai-native"],"capabilities":["skill","source-gmaxxxie","skill-p6c-insurance-mode-designer","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/p6c-insurance-mode-designer","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 (10,149 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":"2026-05-18T18:57:33.388Z","embedding":null,"createdAt":"2026-05-01T01:03:01.288Z","updatedAt":"2026-05-18T18:57:33.388Z","lastSeenAt":"2026-05-18T18:57:33.388Z","tsv":"'-1.5':377,714 '-20':219,281,363,699 '-30':681,729 '/100':821 '/1000':1070 '0':316 '0.2':376,713 '0.5':1032 '0.50':1066,1075,1079,1160,1188,1251 '0.99':100,369,705 '000':811,829,852,953,962,1098,1124,1128,1136,1140,1215,1225 '1':50,244,299,405,454,482,492,561,598,633,733,748,760,791,1036,1076,1097,1267 '1.50':1131,1211 '10':105,218,280,362,698,728,864,1214,1224 '100':851 '1000':314 '10万':712 '10万基础':375 '125/1000':1191 '15':813,875,949 '17':1218 '2':71,290,307,409,444,459,498,543,564,604,640,752,801,859,931,972,1006,1055,1271 '2.00':1064,1073,1080,1121,1208,1247 '20':680,1240 '24':1042 '24h':1156,1173 '25':869,978,1062,1081,1184,1200,1255 '250':1074 '3':91,310,326,416,449,501,566,593,609,646,755,838,1088,1104,1235,1277 '30':384,969,1139 '35':1231 '375':1077 '4':113,386,504,569,628,652,757,854,1101,1283 '5':313,432,685,808,826,870,924,1047,1118,1123,1127 '50':46,222,810,952,961,1109,1135 '500':787,816,818,825,827,831,833,878,902,928,956,986,993,1219 '500/100':932 '50k':988 '6':736 '6.7':834,942,997 '60':227 '65':1115 '7':815,824,832,955,985 '710':828 '75':1060,1083,1259,1261 '750':1072 '90':304,750 '93.3':1001 '95':306,806,823,836,1003,1299 '99':276 'advers':390 'ai':11,20,25,38,211,251,300,320,349,397,423,437,456,464,467,473,476,562,601,614,617,635,642,694,725,742,761,769,776,803,848,890,1007,1016,1023,1040,1053,1057,1111,1149,1274,1278,1297,1312 'ai确定性商业模式':15 'anti':389 'anti-advers':388 'assess':158,574,921,1181 'break':202,588,939,994,1197,1252 'breaker':435,672 'bug':324 'case':68,155,540,917,1176 'circuit':434,671 'control':181,660,958,1221 'cost':80,85,144,162,167,198,578,583,901,925,930,990,1159,1185,1190,1248 'criteria':141,898,1154 'crm':621 'd':413,781,843,895 'definit':61,147,148,532,533,906,907,1164,1165 'design':5,134,887,1146 'econom':193,981,1243 'edg':67,154,539,916,1175 'erp':622 'escal':125,188,682,970,1233 'even':203,589,940,995,1198,1253 'evenup':381 'exampl':178,950,1212 'expect':84,166,582,929,1189 'exposur':120,183,662,960,1223 'failur':77,82,143,159,164,200,575,580,900,922,927,992,1158,1182,1187,1250 'faq':1094 'fin':368,704,1010 'fintech':767 'input':135,888,1147 'insur':3,127,132,676,885,1144 'intercom':367,703,1009 'jira':419,620,936 'jira/linear/github':846 'linear':421 'loop':1265 'loss':123,186,667,966,1229 'margin':206,998,1256 'max':119,182,661,959,1222 'measur':63,150,535,910,1168 'mitig':88,169,586,934,1193 'mode':4,133,886,1145 'model':172,944,1202 'n':674,720 'neotax':278,360,403,696,763 'p6c':2 'p6c-insurance-mode-designer':1 'per':81,163,195,199,579,926,983,991,1186,1245,1249 'pool':128,677 'price':171,943,1201 'product':136,889,1148 'r':412,780,842,894 'rate':78,160,176,204,576,590,923,941,948,996,1183,1199,1207,1254 'reinforc':1264 'reserv':190,976,1238 'revenu':194,982,1244 'risk':87,157,180,573,585,659,920,957,1180,1220 'saa':274,1014 'scenario':138,892,1151 'select':391 'self':1263 'sierra':374,711 'skill' 'skill-p6c-insurance-mode-designer' 'source-gmaxxxie' 'step':49,70,90,112,481,542,592,627,684,735,1266,1270,1276,1282 'stop':122,185,666,965,1228 'success':140,146,196,531,897,905,984,1153,1163,1246 'target':208,1000,1258 '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' 'unit':174,192,946,980,1205,1242 'verif':65,152,537,913,1171 'yaml':131,530,572,658,884,1143 '一个系统性':323 '一句判断':240 '一句话定位':18 '一家':766,1013 '一次大失败不能倒闭':1306 '一次大失败就倒闭':239 '万元':223 '上升处理':189 '不再追问或转人工':1029,1167 '不是承诺':428 '不管结果如何先收':344 '不解决不收费':371 '专家双保险架构':465 '专家复核':938,975 '专家审核':471 '且':319 '业务规模':607 '两层叠加把':475 '个客户总体赔偿概率趋近':315 '为':10,19 '为例':404 '为核心的商业模式':9 '主动筛选客户':1309 '产品':37,775,1022 '产品信息':1093 '产品名称':137 '产品场景':33 '产品的结果可以明确定义':26 '产生可验证正面结果时收取':350 '产生对话数据':1269 '人工审核':904 '人工审核成本':819 '人工方案成本':724 '什么算':57,488 '什么能做得好':431 '什么都能做':429 '从':245,252 '付费':29 '以':402 '任务':54,73,93,115 '优化':1273 '优化知识库':1113 '低估失败率':234,1296 '何时触发':24 '作为风险准备金':979,1241 '作用':337 '佣金':708 '使得成功费定价有利可图':479 '使用场景':139 '保底':106 '保费更低':745 '保费覆盖预期赔偿和运营成本':308 '保险模式本质上是一场精算博弈':293 '保险模式的天敌是':392 '保险模式的数学基础':292 '保险模式的标准定价结构':330 '保险模式的核心不是承担风险':241 '保险模式的核心转变':249 '保险模式的终极优势':738 '保险模式设计器':6,17 '健康客户':624 '元':47,788,1033 '先接单再说':1304 '全面排查':866 '公司':357 '公司要为中小企业打造':768 '公司要为电商客户打造':1015 '关键':1085 '关键参数设置':657 '典型定价':273 '内容生成':525 '内无后续':1157 '准入门槛':605 '准确率':804,1298 '准确率极高':695 '准确率足够高':301 '出错':477 '出错则赔偿或免费':13 '出错是小概率事件':1313 '出错的代价可以量化':30 '分成':107 '分成比例':727 '分成比例取决于':351 '分步执行':480 '初始阶段有足够的准确率':749 '判断标准':612 '利润率':734 '到':247 '到账才收':364 '到账金额明确':912 '单':224 '单个客户风险':312 '单季度最大赔偿限额':656 '单客户':664,963,1226 '单客户解决率':1108 '单客户连续':1103 '单月':655,665 '单月总赔偿':967 '单月整体失败率':863 '单次失败的直接赔偿成本是多少':565 '单次申报被驳回':856 '单次错误':440 '卖工具':246,257 '卖担保':248,258 '即使单价低也有可观利润':1087 '即可盈利':228 '双方认可':499,1294 '双方都能判断是否成功':494 '反而更愿意使用':463 '发现':472 '发现异常触发警告':469 '变成':254 '只做':411 '只在':348 '只有认为自己会出问题的人才最想买保险':394 '只服务':600 '只服务电商行业':1090 '只服务软件':840 '只服务软件公司':407 '可能同时影响所有客户':325 '可自动验证':1295 '可量化':151 '可预测使用量':718 '可验证':502 '吃掉你的溢价空间':400 '合作意愿':608 '合同审查':522 '同时影响多个客户':568 '启动专家复核':862 '启动人工复核':447,650 '吸引更多客户':1286 '和解金额提升':383 '哪些算失败':507 '售前售后问题标准化程度高':1091 '四种保险定价模式':688 '回答后客户不再追问':1041 '在合同中明确':800 '在目标场景的历史准确率是多少':563 '在边界内建立确定性':1310 '场景':40,510,765,778,1012,1025 '场景聚焦':410 '基于':14,987 '基于历史数据':805,1059 '基于精算结果设计可持续的收费结构':687 '基础设施':1068 '基础费':108,328,332,339,707,730 '墙被你砸坏了不关我事':284 '处理客户售前咨询和售后问题':1026,1152 '够了':1300 '大数定律的关键假设':317 '失败':58,489,796,1044,1054 '失败不收费':23 '失败代价越高':354 '失败成本':35,44,145,785,1030 '失败是否可能是系统性的':567 '失败标准':512 '失败率':161,548,807 '失败率估算':79,577 '失败的反馈数据':754 '如':99,619 '如何验证成功':66,538 '如果客户集中在同一行业':322 '如退税额的':104 '安全边际极高':837 '安全边际高':1084 '定义':51,483 '定义成功标准':792,1037 '定义标准四要素':491 '定义模糊':232 '定价必须经过精算':309 '定价推导':722 '定价结构':358 '定价逻辑':265,338 '实际':1002,1260 '实际场景失败率可能远高于测试数据':1301 '实际失败率高于预估':235 '实际案例定价':356 '客户':822 '客户不再追问':519 '客户主动要求转人工':1045 '客户使用':1268 '客户信任':789 '客户和服务商对成功定义达成一致':500 '客户因其他原因离开不计成功':1179 '客户多':740 '客户对话自然关闭':1039,1166 '客户心理':270 '客户承担全部风险':263 '客户投诉':1049 '客户数':732 '客户数据造假不计入':918 '客户数量':550,555 '客户是否属于':613 '客户是否有':616 '客户更多':746 '客户流失风险':1034 '客户的历史数据是否表明他们是':623 '客户直接使用不修改':526 '客户知道':461 '客户筛选':387 '客户筛选机制':839,1089 '客户自身提供虚假数据导致的失败不计入':799 '客户越多越好':1308 '客户越愿意付溢价':355 '客户足够分散':318 '客户转人工':520 '客户重写':527 '客户问题自然关闭':1028,1155 '客服':341 '客服保险':1008 '客服对话':517 '客服系统':1017 '客观可衡量':493 '对每个客户的表现是独立的':321 '对话数据':1272 '对话日志':1172 '对话状态可自动判定':1170 '对话超过':1046 '导致亏损':236 '导致收费争议':233 '将风险转化为可持续的收费策略':94 '小时内无后续':1043 '层':634,641,647,653 '工具':253 '工具的特点是':282 '帮中小企业申请':893 '帮企业申请税收退回':772 '帮助个人和企业申请税收退回':41 '帮助中小企业申请':779 '帮助用户获得税收退回':215 '常见成功定义':509 '常见误判':229 '常见误判与对策':1287 '平均交易额':554 '平均退税额':809 '年包干':1137 '年度大客户可谈固定年费':881 '年度客户可签':1134 '废弃':528 '建立客户信任':460 '建议':303 '建议为月收入的':679 '异常输入自动拦截':638 '往最难的场景上怼':398 '必须基于数据精算':1318 '必须客观可衡量':1293 '必须有熔断保护':1315 '必须设置止损线和最大暴露限额':1305 '忽视逆向选择':1307 '总收入':331 '总赔偿':669 '感觉定价差不多':1317 '成功':52,56,231,484,487,793,1038 '成功定义':149 '成功就是用户满意':1292 '成功帮助用户获得税收退回':43 '成功才收费':22,773 '成功收费':269 '成功标准':34,42,60,142,214,511,783,1027 '成功标准不清':230,1291 '成功次数':553 '成功率':226 '成功率时':1004 '成功的明确定义':62,534 '成功费':97,723,876 '成功费率':552,812 '成果分成':102 '我买了一个锤子':271 '我保证这个结果':261 '我帮你挂好画':286 '我给你一个能力':260 '我给你一把锤子':283 '我请人保证画挂正':272 '或':420 '执行流程':790,1035 '承认边界':426 '承诺':259 '把':250,396 '投诉':521 '担保':255 '担保的特点是':285 '拿你做兜底':399 '持续使用':717 '挂坏了我赔你':288 '挂歪了我重新挂':287 '按功能':266 '按成功次数收费':98 '按成功解决次数':1206 '按案件价值比例收费':385 '按案件收费':382 '按次计费':700,1203 '按结果':268 '按结果价值比例收费':103 '按退税到账金额':947 '接入':1112 '擅长的行业':602 '支撑保险定价':751 '收入增加':1281,1284 '收入比例':670 '收割确定性溢价':335,347 '收取的保费':295 '收费':216,954,1217 '收费方式':95 '收费模式':96,173,871,1119 '效果佣金收割溢价':380 '效果分成':329,334,346 '数据':422,847 '数据多':741 '数据要求':417 '数据验证':937 '整体解决率':1114 '方案成本':726 '明确什么算':55,486 '明确哪些情况算成功':506 '是':911,1169 '是否可量化':64,536 '是否需要风险准备金':129 '暂停':974,1110 '暂停客户账号':452 '暂停新客户接入':865 '暂停服务':446 '暂停该客户申报':861 '更准':743,1279 '最低年研发投入':850 '最低收费':877 '最低月咨询量':1096 '最坏情况下的最大暴露是多少':570 '最大暴露':184 '最大风险暴露':121,663 '最好':305 '最高保证':221 '月':277,964,1213,1227 '月度保底':1122,1204 '月度未解决率':1230 '月收入':968,977,1239 '月收入的':868 '月的部分':1130 '月费保证':719 '月费保证最大次数的成功':111 '月运营成本':731 '有持续优化模型的工程能力':756 '有机制收集每次成功':753 '有熔断保护':462 '有第三方或系统可以验证结果':503 '有耐心等待数据积累达到临界点':758 '有能力承担偶然的失败':31 '服务商承担失败风险':264 '未解决不收费':1020 '未解决率':1061 '本质':425 '构建数据飞轮':737 '标准':53,485 '标记所有风险条款':523 '核心概念':243 '根据客户风险等级差异化定价':611 '概念卡':16 '概率压到足够低':478 '模型':1275 '模型调用':342 '模式':689 '模式复刻':764,1011 '次':706,715,879,903,933,1099,1129,1132,1161,1192,1209 '次佣金':378 '次失败':973 '次对话':1071 '次成功':721,1216 '次成功解决':1141 '次未解决':1105,1236 '次被驳回':860 '次解决':101,370 '次错误':445,450 '次错误触发熔断':675 '止损线':124,187,654,668 '正确做法':1290 '每月自动出具解决率报告给客户':1117 '每次失败成本':83,165,201,549,581,817,1065 '每次失败损失人工审核成本约':45,786 '每次成功收入':197,814 '每次成功收费':1063 '每次成功解决客户问题才收费':1019 '每次成功解决收费':1120 '每次未解决损失算力成本约':1031 '没有熔断机制':1311 '没有设置止损线':238 '活动明确':844 '混合定价':327 '然后在边界内建立确定性':427 '熔断与风控':855,1102 '熔断机制':433,648 '熔断机制的双重价值':453 '熔断规则示例':439 '用户愿意为':27 '用量收费':267 '申报被驳回':515 '申报被驳回或被税务局追查':797 '电商客服系统':1024,1150 '电商行业聚焦':1194 '的结果提供担保':21 '的输出结果提供担保':12 '盈亏平衡':225 '盈亏平衡成功率':591,830 '盈亏平衡条件':556 '盈亏平衡点':205 '盈亏平衡解决率':1078 '目标利润率':209 '知识库要求':1195 '确保基础运营':345 '确保基础运营成本覆盖':1125 '确保失败在可控范围内':116,630 '确保客户质量':596 '确保数据量和收入规模':1100 '确保退税额足够覆盖服务成本':853 '确定的结果':28 '示例':210,691,759,1005 '示例输入':36 '科技公司':841 '税务优化了':497 '税务局回执':915 '税务局政策变化导致驳回需协商':919 '税务申报':513 '税务申报保险':762 '税务申报助手':39,212,770,777,891 '税收抵免':414,782,896 '税收退回实际到账':794,908 '第':632,639,645,651 '第一层':466 '第二层':470 '筛选三策略':597 '筛选策略':401 '算力':1067 '算力成本':1162 '精算不足':1316 '精算可行因为领域聚焦':366 '精算逻辑':291 '系统性失败可能同时影响所有客户':1314 '纯成功费':692,945 '组成部分':336 '结果担保':8 '结果明确':693 '结果越容易量化':352 '维度':256 '综合输出格式':130 '缓解措施':170 '置信度低于阈值自动标记':644 '而是明确定位':430 '而是精确计算风险并将其转化为价值':242 '而非':496,625 '而非所有企业':408 '而非泛税务':415 '而非通用':603 '能分析的工单数据':849 '能处理的数据':618 '能处理的数据源':424 '自动分析':468 '自动转人工':1106,1237 '自动转人工机制':1196 '自我强化':739 '行业聚焦':406,599 '被罚款':516 '要求客户有':418 '要求客户有知识库':1092 '要求有':845 '要求特定数据源':606 '覆盖基本服务成本':340 '覆盖运营成本':333 '解决率':1058 '解决率提升':1280 '解决率时':1262 '触发全量排查':1116 '触发排查':1232 '触发警告':441 '触发退款':451 '计算每次失败的成本和发生概率':74,545 '计算示例':179 '计费单位':175 '订阅':275 '订阅保险':110,716 '让人工介入而非继续犯错':458 '记录分析':1107 '记录并分析原因':857 '记录日志':442 '设计':213 '设计以':7 '设计客户筛选机制':594 '设计收费模式':92,686 '设计步骤':48 '设计熔断与风控机制':629 '设计风险控制':114 '评估风险与成本':72 '评估风险与精算':544 '误判':1288 '费率':177 '赔偿少':744 '赔偿概率足够低':302 '赚钱的三个条件':298 '超过':1126 '超额分成':109 '越适合按效果收费':353 '足够的客户基数分散风险':311 '轮未解决':1048 '输入':32,774,1021 '输入数据质量检查':637 '输出':59,75,117,529,571,883,1142 '输出质量评估':643 '边界':798,1050 '边界在哪':508 '边界情况':69,156 '边界情况及处理规则':541 '边界清晰':505 '运营审核':343 '运营成本':297,559,1321 '这两个生意的定价逻辑完全不同':289 '这是保险模式的地基':490 '远低于':835,1082 '连续':443,448,673,858,971,1234 '连续出错导致系统性赔偿崩溃':438 '连续错误自动暂停':649 '退换货政策':1095 '退款':1051,1177 '退税':951,989 '退税到账':495,514 '退税到账后收取':874 '退税实际到账':784,899 '退税额':279,361,697 '退税额的':217 '退货等需要人工操作的不计入':1052 '退货需人工操作不计入':1178 '适用场景':690 '逆向选择':393 '逻辑':359 '遗漏关键风险条款':524 '避免小额退税不划算':880 '采用保险模式':771,1018 '量大':702,1210 '量大优惠':1133 '量大利润可观':373 '银行到账记录':914 '银行到账记录可验证':795 '银行记录可验证':909 '错误触发熔断':474 '错误认知':1289 '问题解决':518 '防止':436 '防止单点故障扩散':455 '防止逆向选择':595 '降低分成比例':882 '降低单价':1285 '降低客户尝试门槛':873 '零前期费用':872 '零风险尝试':365 '需留充足安全边际':1302 '需要筛选客户':710 '静默检测':1174 '预估':1138 '预期利润':294,820,1069,1319 '预期总成本':584 '预期成本':86,168,547,558 '预期收入':551,557 '预期赔偿':296,1320 '预检':636 '领域聚焦':935 '频繁出错说明模型有问题':457 '风控四层架构':631 '风险上升处理':126 '风险上升处理流程':683 '风险准备金':191,678,867 '风险分层':610 '风险归属':262 '风险控制':118,220 '风险暴露过大':237,1303 '风险缓解措施':89,587 '风险评估':76 '风险评估与精算':802,1056 '风险评估公式':546 '风险评估清单':560 '飞轮启动条件':747 '验证方法':153 '高价值高风险':709 '高准确率覆盖的领域':615 '高基础费筛选客户':379 '高频低价值':701 '高频低单价':372 '高频量大':1086 '高风险客户':626 '高风险客户的危害':395","prices":[{"id":"6533044a-5d26-458f-b3c4-4e953d39910c","listingId":"3149af51-da8d-4bdd-8fa0-3f26267d40ff","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":"2026-05-01T01:03:01.288Z"}],"sources":[{"listingId":"3149af51-da8d-4bdd-8fa0-3f26267d40ff","source":"github","sourceId":"gmaxxxie/ai-native-product-agent-skills/p6c-insurance-mode-designer","sourceUrl":"https://github.com/gmaxxxie/ai-native-product-agent-skills/tree/main/skills/p6c-insurance-mode-designer","isPrimary":false,"firstSeenAt":"2026-05-01T01:03:01.288Z","lastSeenAt":"2026-05-18T18:57:33.388Z"}],"details":{"listingId":"3149af51-da8d-4bdd-8fa0-3f26267d40ff","quickStartSnippet":null,"exampleRequest":null,"exampleResponse":null,"schema":null,"openapiUrl":null,"agentsTxtUrl":null,"citations":[],"useCases":[],"bestFor":[],"notFor":[],"kindDetails":{"org":"gmaxxxie","slug":"p6c-insurance-mode-designer","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":"6c0131f67ebe6e56324464a6536b463e95c6366e","skill_md_path":"skills/p6c-insurance-mode-designer/SKILL.md","default_branch":"main","skill_tree_url":"https://github.com/gmaxxxie/ai-native-product-agent-skills/tree/main/skills/p6c-insurance-mode-designer"},"layout":"multi","source":"github","category":"ai-native-product-agent-skills","frontmatter":{"name":"p6c-insurance-mode-designer","description":"保险模式设计器。设计以\"结果担保\"为核心的商业模式： 为 AI 的输出结果提供担保，出错则赔偿或免费。 基于《AI确定性商业模式》概念卡。"},"skills_sh_url":"https://skills.sh/gmaxxxie/ai-native-product-agent-skills/p6c-insurance-mode-designer"},"updatedAt":"2026-05-18T18:57:33.388Z"}}