{"id":"a475eaf8-3e50-4271-bb8c-9327af08caaf","shortId":"j6YPhW","kind":"skill","title":"p2c-process-redesign","tagline":"'AI Native 产品方法论——流程重构与任务设计的实操 Skill。","description":"# 流程重构与任务设计 Skill\n\n## 使用场景\n\n- 产品形态已确定，需要具体设计 AI 如何嵌入工作流程\n- 需要在\"完全自动\"和\"纯人工\"之间找到正确的协作边界\n- 需要把高重复、高信息密度的子任务分配给 AI，把高责任、高例外的部分留给人类\n\n## 核心概念\n\n- **工作流设计**：围绕任务完成，而非围绕页面跳转来设计产品\n- **助手模式（Assistant Mode）**：AI 提供建议，人保留主要判断权\n- **协同模式（Copilot Mode）**：AI 与人协同推进任务，人持续修正与确认\n- **自主模式（Autonomous Mode）**：AI 在明确边界内自动执行，但仍需治理与回退机制\n- **人在回路中（Human-in-the-Loop）**：AI 持续推进任务，关键节点由人确认\n- **人在监督中（Human-on-the-Loop）**：AI 在边界内持续运行，人负责监控、干预、叫停和回滚\n\n## 人机协作模式选择\n\n| 场景特征 | 推荐模式 | 说明 |\n|---------|---------|------|\n| 高风险、不可逆 | 人在回路中 | 每个关键动作需人确认 |\n| 中风险、可监控 | 人在监督中 | AI 执行，人监控，可随时干预 |\n| 低风险、边界清晰 | 自主模式 | AI 在规则内自动执行 |\n| 高频率、低价值 | 批量自动化 | 定时批量处理，无需实时监控 |\n\n## 流程重构四步法\n\n### 第一步：任务拆解\n\n把完整任务拆解为原子子任务：\n\n```\n完整任务\n  → 子任务1（高重复、AI可做）→ 自动化\n  → 子任务2（中风险、AI辅助）→ Copilot\n  → 子任务3（高责任、人为主）→ 人工\n  → 子任务4（边界不清、待验证）→ 实验\n```\n\n### 第二步：分配人机职责\n\n| 子任务 | 模式 | 判断理由 |\n|--------|------|---------|\n| 信息召回 | AI 自主 | 高频、标准化、无风险 |\n| 规则解释 | AI 辅助（Copilot） | 中等风险，需人确认 |\n| 风险判断 | 人在回路中 | 高风险、不可逆 |\n| 客户沟通 | 人工 | 高同理心需求 |\n\n### 第三步：节点标注\n\n在流程图上标注关键节点：\n\n- 🔴 **决策节点**：需要人工判断或确认\n- 🟡 **AI 辅助节点**：AI 提供建议，人最终决定\n- 🟢 **AI 执行节点**：AI 自动处理，无需干预\n- ⚫ **回退节点**：异常情况回退到人工\n\n### 第四步：验证与迭代\n\n在真实工作流中测试：\n\n1. 记录每个节点的通过率和人工介入频率\n2. 识别流程瓶颈（AI 处理慢、还是人工确认多）\n3. 调整节点模式（哪些可以自动化，哪些需要收紧）\n4. 迭代优化\n\n## 输出物：流程重构方案\n\n1. **任务拆解图**：完整任务的原子化拆解\n2. **人机协作矩阵**：每个子任务对应的人机模式\n3. **流程节点图**：含节点标注的完整工作流\n4. **回退机制**：每个节点的降级策略\n5. **验证计划**：如何验证流程重构的有效性\n\n## 与其他 Skill 的关系\n\n- **前置**：@p2b-product-form-exploration（确定产品形态）\n- **后置**：@p2d-convergence-decision（收敛决策）、@p2e-shadow-validation（影子验证）\n- **协同**：@ai-native-agent-skill-design（Agent 形态设计）、@ai-native-ux-design（交互细节）\n\n## 示例\n\n### 用户输入\n\"客服 Copilot 已确定 Copilot 形态，需要设计具体工作流程\"\n\n### Skill 执行\n\n```yaml\n任务拆解（客服工单处理）:\n  1. 读取工单信息 → AI自主 ✅\n  2. 查询订单状态 → AI自主 ✅\n  3. 召回相关规则 → AI辅助（Copilot）🔶\n  4. 生成回复建议 → AI辅助🔶\n  5. 风险标记 → AI辅助🔶\n  6. 客服确认 → 人工 ✅\n  7. 发送回复 → 人工 ✅\n  8. 异常升级 → 人工+AI协助 ⚠️\n\n人机协作矩阵:\n  | 子任务 | 模式 | 边界 |\n  |--------|------|------|\n  | 信息读取 | AI自主 | 无需边界 |\n  | 规则召回 | Copilot | 高置信度自动推荐 |\n  | 回复生成 | Copilot | 涉及退款需人工 |\n  | 风险标记 | AI辅助 | 标记但不拦截 |\n  | 人工确认 | 人在回路 | 所有高风险项必须确认 |\n\n回退机制:\n  - AI无响应 → 自动转纯人工流程\n  - 风险标记>2项 → 强制人工审核\n  - 会话超过5轮 → 提示转接人工\n  - 情绪检测异常 → 直接转人工\n\n验证计划:\n  - 影子验证2周，记录各节点人工介入率\n  - 目标：信息读取自主率>95%，人工确认集中在风险节点\n```\n\n---\n\n## 深入核心概念\n\n基于书稿第08章，以下概念在执行本 Skill 时需深入理解：\n\n- **AI 改变的是流程而非单个功能**：最容易犯的错误是只给现有系统加一个\"智能入口\"，却不重构背后的业务流程。AI 的真正价值来自流程重排——例如客服场景中，AI 不只是替代一句回复，而是可以提前理解问题、查询订单、生成候选答复、标记风险。\n- **AI Native 工作流基本结构**：传统流程是 Human → System → Human；AI Native 流程更常见的是 Human → AI → System → AI → Human。AI 可以位于流程前端（理解意图）、中段（信息组织与任务分解）和末端（总结与复盘）。\n- **三种控制结构**：人在定义中（Human-in-Definition，人定义方向和边界，AI 展开候选路径）、人在回路中（Human-in-the-Loop，AI 推进任务，关键节点人确认）、人在监督中（Human-on-the-Loop，AI 在边界内持续运行，人负责监控和回滚）。三种模式常出现在同一产品的不同节点里。\n- **分工原则**：AI 适合高重复、高信息密度、大量候选生成、快速比较和持续执行；人适合方向定义、边界设置、关键确认、例外处理、责任承担和最终放行。流程重构的重点不是\"把人拿掉\"，而是把人从重复劳动里抽离，放回判断和责任的位置。\n- **工作流设计是桥梁**：工作流设计是试验展开和系统构建之间的重要桥梁。很多能力单看实验不错，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## 分步执行指南\n\n基于书稿方法论，本 Skill 的完整执行分为 6 步：\n\n### 步骤 1：任务拆解与原子化\n- 把完整任务拆解为原子子任务\n- 每个子任务标注特征：重复度、风险等级、信息密度、例外频率\n- 区分哪些子任务可以交给 AI，哪些必须保留人工\n- 输出任务拆解图\n\n### 步骤 2：人机协作模式分配\n- 对每个子任务选择模式：AI 自主（高频标准化无风险）、Copilot（中等风险需人确认）、人在回路中（高风险不可逆）、人工（高同理心需求）\n- 注意：不是追求\"越自动越好\"，而是判断哪段流程适合交给 AI，哪段必须保留人为确认\n- 输出人机协作矩阵\n\n### 步骤 3：流程节点设计与标注\n- 在流程图上标注关键节点：🔴 决策节点（需人工判断）、🟡 AI 辅助节点（AI 建议人决定）、🟢 AI 执行节点（自动处理）、⚫ 回退节点（异常回退到人工）\n- 设计每个节点的输入、输出、上下文需求和系统权限\n- 明确失败后谁接管、如何回退、是否保留人工确认\n\n### 步骤 4：回退机制与降级策略设计\n- 为每个节点设计降级策略：AI 无响应 → 转纯人工；风险标记过多 → 强制人工审核；会话超限 → 提示转接；情绪异常 → 直接转人工\n- 设计熔断机制：连续 N 次异常自动暂停\n- 确保回退路径始终可用\n\n### 步骤 5：最小检查表验证\n- 回答五个关键问题：AI 承担的是助手/协同执行者/受限代理？哪个节点由 AI 触发/人触发？AI 需要哪些上下文和权限？失败后谁接管如何回退？哪些输出可直接使用/必须确认？\n- 只有这五个问题被回答清楚，流程设计才不是概念图，而是真正可被工程化的工作链\n\n### 步骤 6：真实工作流验证与迭代\n- 在真实工作流中测试完整流程\n- 记录每个节点的通过率和人工介入频率\n- 识别流程瓶颈（AI 处理慢 vs 人工确认多）\n- 调整节点模式（哪些可以自动化，哪些需要收紧）\n- 输出流程重构方案文档\n\n## 示例一：客服工单处理流程重构\n\n### 用户输入\n\"客服 Copilot 已确定 Copilot 形态，需要设计具体工作流程。当前流程是客服读工单、查订单、查物流、翻政策、组织回复、发送。\"\n\n### Skill 执行\n\n```yaml\n任务拆解（客服工单处理）:\n  1. 读取工单信息\n    特征: 高重复、无风险、标准化\n    模式: AI 自主 ✅\n  2. 查询订单状态\n    特征: 高重复、无风险、系统调用\n    模式: AI 自主 ✅\n  3. 查询物流状态\n    特征: 高重复、无风险、系统调用\n    模式: AI 自主 ✅\n  4. 召回相关规则\n    特征: 中等风险、需匹配准确性\n    模式: AI 辅助（Copilot）🔶\n  5. 生成回复建议\n    特征: 中等风险、需上下文理解\n    模式: AI 辅助（Copilot）🔶\n  6. 风险标记\n    特征: 高重要性、不能漏过\n    模式: AI 辅助（标记但不拦截）🔶\n  7. 客服确认与编辑\n    特征: 高责任、需判断力\n    模式: 人在回路中 🔴\n  8. 发送回复\n    特征: 不可逆、需最终确认\n    模式: 人工 ✅\n  9. 异常升级\n    特征: 高复杂度、需同理心\n    模式: 人工 + AI 协助 ⚠️\n\n人机协作矩阵:\n  | 子任务 | 模式 | 边界 | 上下文需求 |\n  |--------|------|------|-----------|\n  | 工单读取 | AI 自主 | 无 | 工单内容 |\n  | 订单查询 | AI 自主 | 无 | 订单号 |\n  | 物流查询 | AI 自主 | 无 | 物流单号 |\n  | 规则召回 | Copilot | 高置信度自动推荐，低置信度标记 | 工单类型+客户历史 |\n  | 回复生成 | Copilot | 查询类可直接生成，退款类需标记 | 全部上下文 |\n  | 风险标记 | AI 辅助 | 标记但不拦截（人工做最终判断） | 风险规则库 |\n  | 人工确认 | 人在回路 | 所有高风险项必须确认 | AI 生成的全部建议 |\n  | 发送回复 | 人工 | 最终不可逆动作 | 确认后的内容 |\n  | 异常升级 | 人工+AI | AI 提供摘要，人工做判断 | 会话全程记录 |\n\n流程节点图:\n  🟢 工单进入 → 🟢 AI 读取工单 → 🟢 AI 查询订单/物流\n  → 🟡 AI 召回规则+生成回复 → 🟡 AI 风险标记\n  → 🔴 客服确认/编辑 → 🔴 发送回复\n  → ⚫ 异常时: 转人工升级\n\n回退机制:\n  - AI 无响应（> 5秒）→ 自动切回纯人工流程\n  - 风险标记 > 2 项 → 强制人工逐项审核\n  - 会话超过 5 轮未解决 → 提示转接高级客服\n  - 情绪检测异常（愤怒/投诉倾向）→ 直接转人工\n  - 连续 3 次 AI 建议被标记不准确 → 暂停该场景 AI 辅助\n\n最小检查表验证:\n  ✅ AI 承担角色: 协同执行者（Copilot）\n  ✅ 触发节点: 工单进入由系统触发，确认由人触发\n  ✅ AI 所需上下文: 工单内容、订单状态、物流状态、规则库、客户历史\n  ✅ 失败接管: 纯人工流程（降级路径已设计）\n  ✅ 输出处理: 查询类可直接使用，回复类必须人工确认\n\n验证计划:\n  - 影子验证 2 周，记录各节点人工介入率\n  - 目标: 信息读取自主率 > 95%，人工确认集中在风险节点\n  - 迭代: 根据影子验证结果调整哪些节点可以提升自动化程度\n```\n\n## 示例二：智能运维告警处理流程重构（对比案例）\n\n### 用户输入\n\"运维告警分析已确定混合形态（自动流程+工作台+Copilot），需要设计具体工作流程。当前流程是告警触发、运维查看、手动查日志、人工判断、执行修复。\"\n\n### Skill 执行\n\n```yaml\n任务拆解（运维告警处理）:\n  1. 告警接收与分类\n    特征: 高重复、无风险、模式明确\n    模式: AI 自主 ✅\n  2. 告警聚合（去重+分组）\n    特征: 高重复、低风险、模式明确\n    模式: AI 自主 ✅\n  3. 误报识别\n    特征: 中风险、需一定判断\n    模式: AI 辅助（自动标记+人工批量审核）🔶\n  4. 单一故障根因分析\n    特征: 中高风险、需准确性\n    模式: Copilot（AI 分析+人工确认）🔶\n  5. 复合故障关联分析\n    特征: 高风险、需经验判断\n    模式: 人在回路中（AI 建议+人工判断）🔴\n  6. 处理建议生成\n    特征: 中风险、需上下文\n    模式: Copilot 🔶\n  7. 执行修复操作\n    特征: 不可逆、高风险\n    模式: 人在回路中（人工确认后执行）🔴\n  8. 修复验证\n    特征: 需系统确认\n    模式: AI 自主（自动检测）+ 人工确认 ✅🔴\n  9. 复盘与知识沉淀\n    特征: 低风险、高价值\n    模式: AI 辅助（自动生成复盘草稿）🔶\n\n人机协作矩阵:\n  | 子任务 | 模式 | 边界 | 上下文需求 |\n  |--------|------|------|-----------|\n  | 告警接收 | AI 自主 | 无 | 告警源+时间戳 |\n  | 告警聚合 | AI 自主 | 无 | 历史告警模式 |\n  | 误报识别 | AI+审核 | 标记疑似误报，人工批量确认 | 历史误报模式 |\n  | 单一根因 | Copilot | Top-3 候选+置信度，人工选择 | 告警上下文+日志+架构 |\n  | 复合故障 | 人在回路 | AI 提供关联分析，人工做最终判断 | 跨系统日志+拓扑 |\n  | 处理建议 | Copilot | 已知故障自动匹配，未知故障人工确认 | 知识库+历史处理记录 |\n  | 执行修复 | 人在回路 | 人工确认后执行，AI 预检影响范围 | 变更管理系统 |\n  | 修复验证 | AI+确认 | AI 自动检测恢复，人工最终确认 | 监控指标 |\n  | 复盘沉淀 | AI 辅助 | AI 生成草稿，人工审核入库 | 全程处理记录 |\n\n流程节点图（分层）:\n  低风险路径:\n    🟢 告警进入 → 🟢 AI 分类+聚合 → 🟢 AI 误报标记\n    → 🟡 批量人工审核误报 → 🟢 已知故障自动匹配处理建议\n  中风险路径:\n    🟢 告警进入 → 🟡 AI 根因分析 → 🔴 运维确认根因\n    → 🟡 AI 处理建议 → 🔴 运维确认+执行\n  高风险路径:\n    🟢 告警进入 → 🟡 AI 关联分析 → 🔴 运维判断\n    → 🔴 人工制定方案 → 🔴 人工执行 → 🔴 验证确认\n\n回退机制:\n  - AI 根因分析置信度 < 60% → 提示\"建议人工排查\"，不展示自动结果\n  - 连续 3 次根因判断被标记不准确 → 暂停该类型告警的 AI 分析\n  - 复合故障自动降级为 Copilot 模式（仅建议不执行）\n  - 修复操作影响范围 > 预设阈值 → 强制人工审批\n  - AI 分析延迟 > 30秒 → 跳过 AI 直接人工处理\n\n最小检查表验证:\n  ✅ AI 承担角色: 低风险自主执行者，中风险协同执行者，高风险建议者\n  ✅ 触发节点: 告警由系统触发，修复由人触发\n  ✅ AI 所需上下文: 告警数据+日志+架构拓扑+历史处理记录+知识库\n  ✅ 失败接管: 人工全流程处理（低风险也能秒级降级）\n  ✅ 输出处理: 聚合和误报标记可自动使用，根因和修复必须人工确认\n\n验证计划:\n  - 影子验证 3 周（运维场景更保守）\n  - 第 1 周: 仅低风险路径（告警聚合+误报标记）\n  - 第 2 周: +中风险路径（单一根因分析）\n  - 第 3 周: +高风险路径（复合故障 Copilot）\n  - 目标: 告警聚合自主率 > 98%，根因分析采纳率 > 65%，人工确认集中在修复执行节点\n```","tags":["p2c","process","redesign","native","product","agent","skills","gmaxxxie","agent-skills","ai-agent","ai-native","ai-product"],"capabilities":["skill","source-gmaxxxie","skill-p2c-process-redesign","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/p2c-process-redesign","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 (7,152 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":"2026-05-18T18:57:32.513Z","embedding":null,"createdAt":"2026-05-01T01:02:59.865Z","updatedAt":"2026-05-18T18:57:32.513Z","lastSeenAt":"2026-05-18T18:57:32.513Z","tsv":"'-3':854 '1':159,174,238,398,523,746,976 '2':161,177,241,411,532,676,718,755,982 '2项':287 '3':166,180,244,431,541,688,766,930,972,987 '30秒':944 '4':170,183,248,452,550,776 '5':186,251,470,559,680,786 '5秒':673 '6':254,395,490,568,796 '60':925 '65':996 '7':257,577,803 '8':260,584,811 '9':591,820 '95':298,723 '98':994 'agent':214,217 'ai':5,15,24,34,40,46,55,64,80,87,121,127,144,146,149,151,163,212,220,305,310,313,319,326,330,332,334,348,356,365,370,407,414,427,436,438,440,455,473,478,481,495,530,539,548,556,565,574,598,606,611,616,632,640,648,649,655,657,660,663,671,690,693,696,703,753,764,772,783,793,816,826,835,841,846,863,877,881,883,888,890,898,901,907,910,916,923,933,942,946,949,957 'ai-native-agent-skill-design':211 'ai-native-ux-design':219 'ai协助':263 'ai可做':101 'ai无响应':284 'ai自主':240,243,269 'ai辅助':105,246,250,253,278 'assist':32 'autonom':44 'converg':202 'copilot':38,106,129,228,230,247,272,275,417,507,509,558,567,621,627,699,734,782,802,852,869,936,991 'decis':203 'definit':346 'design':216,223 'explor':197 'form':196 'human':51,60,323,325,329,333,344,352,361 'human-in-definit':343 'human-in-the-loop':50,351 'human-on-the-loop':59,360 'loop':54,63,355,364 'mode':33,39,45 'n':466 'nativ':6,213,221,320,327 'p2b':194 'p2b-product-form-exploration':193 'p2c':2 'p2c-process-redesign':1 'p2d':201 'p2d-convergence-decision':200 'p2e':206 'p2e-shadow-validation':205 'process':3 'product':195 'redesign':4 'shadow':207 'skill':9,11,190,215,233,303,393,518,741 'skill-p2c-process-redesign' 'source-gmaxxxie' 'system':324,331 'top':853 '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':222 'valid':208 'vs':497 'yaml':235,520,743 '三种控制结构':341 '三种模式常出现在同一产品的不同节点里':368 '上下文需求':604,833 '上下文需求和系统权限':447 '不只是替代一句回复':314 '不可逆':74,135,587,806 '不展示自动结果':928 '不是追求':424 '不能漏过':572 '与人协同推进任务':41 '与其他':189 '中段':337 '中等风险':130,553,562 '中等风险需人确认':418 '中风险':77,104,769,799 '中风险协同执行者':952 '中风险路径':905,984 '中高风险':779 '为每个节点设计降级策略':454 '之间找到正确的协作边界':21 '交互细节':224 '产品形态已确定':13 '产品方法论':7 '人为主':109 '人保留主要判断权':36 '人在回路':281,638,862,875 '人在回路中':49,75,133,350,419,583,792,809 '人在定义中':342 '人在监督中':58,79,359 '人定义方向和边界':347 '人工':110,137,256,259,262,421,590,597,643,647 '人工做判断':651 '人工做最终判断':635,865 '人工全流程处理':965 '人工判断':739,795 '人工制定方案':919 '人工审核入库':892 '人工执行':920 '人工批量审核':775 '人工批量确认':849 '人工最终确认':885 '人工确认':280,637,785,819 '人工确认后执行':810,876 '人工确认多':498 '人工确认集中在修复执行节点':997 '人工确认集中在风险节点':299,724 '人工选择':857 '人持续修正与确认':42 '人最终决定':148 '人机协作模式分配':412 '人机协作模式选择':69 '人机协作矩阵':178,264,600,829 '人监控':82 '人触发':480 '人负责监控':66 '人负责监控和回滚':367 '人适合方向定义':375 '仅低风险路径':978 '仅建议不执行':938 '以下概念在执行本':302 '任务拆解':96,236,521,744 '任务拆解与原子化':399 '任务拆解图':175 '会话全程记录':652 '会话超过':679 '会话超过5轮':289 '会话超限':460 '传统流程是':322 '但仍需治理与回退机制':48 '但进入流程后暴露出上下文不足':387 '低价值':90 '低置信度标记':623 '低风险':84,761,823 '低风险也能秒级降级':966 '低风险自主执行者':951 '低风险路径':896 '使用场景':12 '例外处理':378 '例外频率':405 '例如客服场景中':312 '信息召回':120 '信息密度':404 '信息组织与任务分解':338 '信息读取':268 '信息读取自主率':297,722 '修复操作影响范围':939 '修复由人触发':956 '修复验证':812,880 '候选':855 '全程处理记录':893 '全部上下文':630 '关联分析':917 '关键确认':377 '关键节点人确认':358 '关键节点由人确认':57 '决策节点':142,434 '分层':895 '分工原则':369 '分析':784,934 '分析延迟':943 '分步执行指南':390 '分类':899 '分组':758 '分配人机职责':116 '判断理由':119 '前置':192 '助手模式':31 '区分哪些子任务可以交给':406 '协助':599 '协同':210 '协同执行者':475,698 '协同模式':37 '单一故障根因分析':777 '单一根因':851 '单一根因分析':985 '却不重构背后的业务流程':309 '历史告警模式':844 '历史处理记录':873,962 '历史误报模式':850 '去重':757 '发送':517 '发送回复':258,585,642,667 '受限代理':476 '变更管理系统':879 '只有这五个问题被回答清楚':486 '叫停和回滚':68 '召回相关规则':245,551 '召回规则':661 '可以位于流程前端':335 '可监控':78 '可随时干预':83 '后置':199 '含节点标注的完整工作流':182 '告警上下文':858 '告警接收':834 '告警接收与分类':747 '告警数据':959 '告警源':838 '告警由系统触发':955 '告警聚合':756,840,979 '告警聚合自主率':993 '告警进入':897,906,915 '周':719,973,977,983,988 '和':19 '和末端':339 '哪个节点由':477 '哪些可以自动化':168,500 '哪些必须保留人工':408 '哪些输出可直接使用':484 '哪些需要收紧':169,501 '哪段必须保留人为确认':428 '回复生成':274,626 '回复类必须人工确认':715 '回答五个关键问题':472 '回退机制':184,283,670,922 '回退机制与降级策略设计':453 '回退节点':154,443 '围绕任务完成':29 '在明确边界内自动执行':47 '在流程图上标注关键节点':141,433 '在真实工作流中测试':158 '在真实工作流中测试完整流程':492 '在规则内自动执行':88 '在边界内持续运行':65,366 '场景特征':70 '基于书稿方法论':391 '基于书稿第08章':301 '处理建议':868,911 '处理建议生成':797 '处理慢':164,496 '复合故障':861,990 '复合故障关联分析':787 '复合故障自动降级为':935 '复盘与知识沉淀':821 '复盘沉淀':887 '大量候选生成':373 '失败后谁接管如何回退':483 '失败接管':710,964 '如何回退':449 '如何嵌入工作流程':16 '如何验证流程重构的有效性':188 '子任务':117,265,601,830 '子任务1':99 '子任务2':103 '子任务3':107 '子任务4':111 '完全自动':18 '完整任务':98 '完整任务的原子化拆解':176 '定时批量处理':92 '实验':114 '审核':847 '客户历史':625,709 '客户沟通':136 '客服':227,506 '客服工单处理':237,522 '客服工单处理流程重构':504 '客服确认':255,665 '客服确认与编辑':578 '对每个子任务选择模式':413 '对比案例':729 '展开候选路径':349 '工作台':733 '工作流基本结构':321 '工作流设计':28 '工作流设计是桥梁':384 '工作流设计是试验展开和系统构建之间的重要桥梁':385 '工单内容':609,705 '工单类型':624 '工单读取':605 '工单进入':654 '工单进入由系统触发':701 '已知故障自动匹配':870 '已知故障自动匹配处理建议':904 '已确定':229,508 '干预':67 '建议':794 '建议人决定':439 '建议人工排查':927 '建议被标记不准确':691 '异常升级':261,592,646 '异常回退到人工':444 '异常处理缺失等问题':389 '异常情况回退到人工':155 '异常时':668 '强制人工审批':941 '强制人工审核':288,459 '强制人工逐项审核':678 '当前流程是告警触发':736 '当前流程是客服读工单':512 '形态':231,510 '形态设计':218 '影子验证':209,717,971 '影子验证2周':294 '待验证':113 '很多能力单看实验不错':386 '必须确认':485 '快速比较和持续执行':374 '总结与复盘':340 '情绪异常':462 '情绪检测异常':291,683 '愤怒':684 '所有高风险项必须确认':282,639 '所需上下文':704,958 '手动查日志':738 '执行':81,234,519,742,913 '执行修复':740,874 '执行修复操作':804 '执行节点':150,441 '批量人工审核误报':903 '批量自动化':91 '承担的是助手':474 '承担角色':697,950 '把人拿掉':381 '把完整任务拆解为原子子任务':97,400 '把高责任':25 '投诉倾向':685 '拓扑':867 '持续推进任务':56 '推荐模式':71 '推进任务':357 '提供关联分析':864 '提供建议':35,147 '提供摘要':650 '提示':926 '提示转接':461 '提示转接人工':290 '提示转接高级客服':682 '收敛决策':204 '改变的是流程而非单个功能':306 '放回判断和责任的位置':383 '无':608,613,618,837,843 '无响应':456,672 '无需实时监控':93 '无需干预':153 '无需边界':270 '无风险':125,527,536,545,750 '日志':859,960 '时间戳':839 '时需深入理解':304 '明确失败后谁接管':448 '是否保留人工确认':450 '智能入口':308 '智能运维告警处理流程重构':728 '暂停该场景':692 '暂停该类型告警的':932 '最容易犯的错误是只给现有系统加一个':307 '最小检查表验证':471,695,948 '最终不可逆动作':644 '未知故障人工确认':871 '本':392 '架构':860 '架构拓扑':961 '查物流':514 '查订单':513 '查询物流状态':542 '查询类可直接使用':714 '查询类可直接生成':628 '查询订单':316,658 '查询订单状态':242,533 '标准化':124,528 '标记但不拦截':279,576,634 '标记疑似误报':848 '标记风险':318 '核心概念':27 '根因分析':908 '根因分析置信度':924 '根因分析采纳率':995 '根因和修复必须人工确认':969 '根据影子验证结果调整哪些节点可以提升自动化程度':726 '模式':118,266,529,538,547,555,564,573,582,589,596,602,752,763,771,781,791,801,808,815,825,831,937 '模式明确':751,762 '次':689 '次异常自动暂停':467 '次根因判断被标记不准确':931 '步':396 '步骤':397,410,430,451,469,489 '每个关键动作需人确认':76 '每个子任务对应的人机模式':179 '每个子任务标注特征':401 '每个节点的降级策略':185 '注意':423 '流程更常见的是':328 '流程节点图':181,653,894 '流程节点设计与标注':432 '流程设计才不是概念图':487 '流程重构与任务设计':10 '流程重构与任务设计的实操':8 '流程重构四步法':94 '流程重构方案':173 '流程重构的重点不是':380 '涉及退款需人工':276 '深入核心概念':300 '物流':659 '物流单号':619 '物流查询':615 '物流状态':707 '特征':525,534,543,552,561,570,579,586,593,748,759,768,778,788,798,805,813,822 '理解意图':336 '生成候选答复':317 '生成回复':662 '生成回复建议':249,560 '生成的全部建议':641 '生成草稿':891 '用户输入':226,505,730 '的关系':191 '的完整执行分为':394 '的真正价值来自流程重排':311 '监控指标':886 '目标':296,721,992 '直接人工处理':947 '直接转人工':292,463,686 '真实工作流验证与迭代':491 '知识库':872,963 '确保回退路径始终可用':468 '确定产品形态':198 '确认':882 '确认后的内容':645 '确认由人触发':702 '示例':225 '示例一':503 '示例二':727 '第':975,981,986 '第一步':95 '第三步':139 '第二步':115 '第四步':156 '系统调用':537,546 '纯人工':20 '纯人工流程':711 '组织回复':516 '编辑':666 '置信度':856 '翻政策':515 '而是判断哪段流程适合交给':426 '而是可以提前理解问题':315 '而是把人从重复劳动里抽离':382 '而是真正可被工程化的工作链':488 '而非围绕页面跳转来设计产品':30 '聚合':900 '聚合和误报标记可自动使用':968 '自主':122,415,531,540,549,607,612,617,754,765,817,836,842 '自主模式':43,86 '自动切回纯人工流程':674 '自动化':102 '自动处理':152,442 '自动标记':774 '自动检测':818 '自动检测恢复':884 '自动流程':732 '自动生成复盘草稿':828 '自动转纯人工流程':285 '节点标注':140 '规则召回':271,620 '规则库':708 '规则解释':126 '触发':479 '触发节点':700,954 '订单号':614 '订单查询':610 '订单状态':706 '记录各节点人工介入率':295,720 '记录每个节点的通过率和人工介入频率':160,493 '设计每个节点的输入':445 '设计熔断机制':464 '识别流程瓶颈':162,494 '误报标记':902,980 '误报识别':767,845 '说明':72 '读取工单':656 '读取工单信息':239,524 '调整节点模式':167,499 '责任承担和最终放行':379 '责任边界不清':388 '越自动越好':425 '跨系统日志':866 '跳过':945 '转人工升级':669 '转纯人工':457 '轮未解决':681 '辅助':128,557,566,575,633,694,773,827,889 '辅助节点':145,437 '输出':446 '输出人机协作矩阵':429 '输出任务拆解图':409 '输出处理':713,967 '输出流程重构方案文档':502 '输出物':172 '边界':267,603,832 '边界不清':112 '边界清晰':85 '边界设置':376 '运维判断':918 '运维告警分析已确定混合形态':731 '运维告警处理':745 '运维场景更保守':974 '运维查看':737 '运维确认':912 '运维确认根因':909 '还是人工确认多':165 '连续':465,687,929 '迭代':725 '迭代优化':171 '退款类需标记':629 '适合高重复':371 '重复度':402 '降级路径已设计':712 '需一定判断':770 '需上下文':800 '需上下文理解':563 '需人工判断':435 '需人确认':131 '需准确性':780 '需判断力':581 '需匹配准确性':554 '需同理心':595 '需最终确认':588 '需系统确认':814 '需经验判断':790 '需要人工判断或确认':143 '需要具体设计':14 '需要哪些上下文和权限':482 '需要在':17 '需要把高重复':22 '需要设计具体工作流程':232,511,735 '项':677 '预检影响范围':878 '预设阈值':940 '风险判断':132 '风险标记':252,277,286,569,631,664,675 '风险标记过多':458 '风险等级':403 '风险规则库':636 '验证与迭代':157 '验证确认':921 '验证计划':187,293,716,970 '高价值':824 '高例外的部分留给人类':26 '高信息密度':372 '高信息密度的子任务分配给':23 '高同理心需求':138,422 '高复杂度':594 '高置信度自动推荐':273,622 '高责任':108,580 '高重复':100,526,535,544,749,760 '高重要性':571 '高频':123 '高频标准化无风险':416 '高频率':89 '高风险':73,134,789,807 '高风险不可逆':420 '高风险建议者':953 '高风险路径':914,989","prices":[{"id":"dcbc75fd-9f44-4f75-a15a-97744528b16e","listingId":"a475eaf8-3e50-4271-bb8c-9327af08caaf","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":"2026-05-01T01:02:59.865Z"}],"sources":[{"listingId":"a475eaf8-3e50-4271-bb8c-9327af08caaf","source":"github","sourceId":"gmaxxxie/ai-native-product-agent-skills/p2c-process-redesign","sourceUrl":"https://github.com/gmaxxxie/ai-native-product-agent-skills/tree/main/skills/p2c-process-redesign","isPrimary":false,"firstSeenAt":"2026-05-01T01:02:59.865Z","lastSeenAt":"2026-05-18T18:57:32.513Z"}],"details":{"listingId":"a475eaf8-3e50-4271-bb8c-9327af08caaf","quickStartSnippet":null,"exampleRequest":null,"exampleResponse":null,"schema":null,"openapiUrl":null,"agentsTxtUrl":null,"citations":[],"useCases":[],"bestFor":[],"notFor":[],"kindDetails":{"org":"gmaxxxie","slug":"p2c-process-redesign","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":"8d1b92501d09aebb7bc7219e6c758ca323ce196b","skill_md_path":"skills/p2c-process-redesign/SKILL.md","default_branch":"main","skill_tree_url":"https://github.com/gmaxxxie/ai-native-product-agent-skills/tree/main/skills/p2c-process-redesign"},"layout":"multi","source":"github","category":"ai-native-product-agent-skills","frontmatter":{"name":"p2c-process-redesign","description":"'AI Native 产品方法论——流程重构与任务设计的实操 Skill。"},"skills_sh_url":"https://skills.sh/gmaxxxie/ai-native-product-agent-skills/p2c-process-redesign"},"updatedAt":"2026-05-18T18:57:32.513Z"}}