{"id":"c743eced-3da9-4958-bedf-a63cd2b3fb86","shortId":"jKvkgD","kind":"skill","title":"ai-native-system-building","tagline":"'AI Native 产品方法论——系统构建阶段的总论 Skill。","description":"# AI Native 系统构建 Skill\n\n## 使用场景\n\n- 试验展开已验证能力成立，需要转为可维护、可交付、可治理的产品系统\n- 需要设计 AI Native 产品架构，而不是简单把模型 API 接入旧系统\n- 需要判断实验代码中哪些可以继承，哪些必须重写\n\n## 核心概念\n\n- **系统构建（Building）**：把已验证能力改写为可维护、可治理、可观测系统的阶段\n- **能力系统**：由智能体、技能单元、工具、模型、数据、记忆系统、上下文等共同组成的产品能力底座\n- **实验代码**：用于快速验证假设的短周期代码\n- **产品代码**：用于长期承载能力、支持治理和迭代的系统代码\n\n## 系统构建流程\n\n```\n实验证据输入\n  → 系统边界定义\n    → 能力模块设计\n      → 治理与观测补齐\n        → 进入审计放行\n```\n\n## 第一步：实验证据输入\n\n从试验展开阶段继承：\n\n- 能力边界：哪些场景能稳定成立\n- 产品形态建议：问答、Copilot、工作流、智能体\n- 资料缺口：已解决和未解决的\n- 风险边界：必须人工接管的动作\n- 失败案例：已沉淀的失败模式和人工修正\n\n## 第二步：系统边界定义\n\n系统构建不是补工程细节，而是重写系统形态。需要回答：\n\n- 这项能力如何被稳定调用\n- 它如何与产品交互、工作流、知识系统和权限体系协同\n- 它在失败时如何退回、解释、降级或交还给人\n- 它如何被监控、被审计、被持续优化\n\n## 第三步：能力模块设计\n\n### AI Native 架构的核心结构\n\n```\nUser\n  → Agent\n    → Skill\n      → Tool\n        → System\n          → Model\n            → Data\n```\n\n这是一个多层能力系统：\n\n- **智能体（Agent）**：负责理解目标与编排任务\n- **技能单元（Skill）**：封装可复用能力\n- **工具（Tool）**：连接外部系统\n- **模型（Model）**：提供推理能力\n- **数据（Data）**：提供知识与记忆基础\n\n### 传统架构 vs AI Native 架构\n\n| 维度 | 传统软件架构 | AI Native 架构 |\n|------|------------|---------------|\n| 稳定中心 | 功能执行链 | 能力执行链 |\n| 抽象单元 | 模块/接口 | 智能体/技能/工具 |\n| 输入组织 | 数据库/表单 | 上下文/记忆/知识 |\n| 失败处理 | 异常捕获 | 回退/降级/人工接管 |\n| 治理重心 | 权限/审计 | 边界/观测/放行 |\n\n## 第四步：治理与观测补齐\n\n系统构建的目标不是尽快交付一个可演示版本，而是形成一个可被审计、可被维护、可被持续优化的系统结构。\n\n### 必须补齐的治理能力\n\n- **可观测性**：系统如何被监控，关键指标是什么\n- **可审计性**：如何追溯输入、上下文、模型版本、工具调用、人工接管、最终结果\n- **可回退性**：失败时如何降级、回滚、交还给人\n- **可更新性**：模型、提示词、知识、工具如何独立更新\n\n## 实验代码 → 产品代码的转换原则\n\n1. 实验代码证明的是\"能力在某些条件下可以成立\"\n2. 产品代码要解决的是\"能力如何被稳定调用、失败时如何处理、如何被治理\"\n3. 很多团队失败不是因为模型不行，而是因为没有完成这次系统形态转换\n\n## 输出物：系统构建方案\n\n1. **系统边界**：能力范围、用户角色、权限分层\n2. **能力模块图**：Agent → Skill → Tool 的层级结构\n3. **失败处理策略**：回退、降级、人工接管的触发条件\n4. **治理与观测方案**：监控指标、审计记录、异常处理\n5. **进入审计放行的条件**：什么条件满足后可以进入审计放行\n\n## 使用方式\n\n当用户提供实验结论报告时，自动执行：\n\n1. 检查实验证据是否充分\n2. 定义系统边界（能力范围、用户角色、权限）\n3. 设计能力模块图（Agent/Skill/Tool 分层）\n4. 设计失败处理策略\n5. 补齐治理与观测方案\n6. 输出系统构建方案\n\n## 示例\n\n### 示例：AI 客服系统从实验到产品\n\n**场景描述**：\n基于已完成的实验结论，将 AI 客服原型系统转化为可维护、可治理的生产系统。\n\n**用户输入**：\n实验结论报告：AI 客服 Copilot 能力验证\n\n**Skill 执行流程**：\n\n1. **实验证据输入**\n\n```yaml\n从实验阶段继承的证据:\n  \n能力边界:\n  - 订单查询: 92%准确率 ✅\n  - 物流解释: 85%准确率 ✅\n  - 售后政策: 78%准确率 ⚠️（需改进）\n  - 投诉处理: 不适合AI ❌\n  \n产品形态建议:\n  - 类型: Copilot（人工确认模式）\n  - 界面: 侧边栏候选回复\n  - 关键交互: 一键采纳、快速编辑\n  \n资料缺口:\n  - 需补充200条售后政策边界案例\n  - 需建立敏感承诺规则库\n  \n风险边界:\n  - 退款、赔付相关: 必须人工确认\n  - 价格相关: 必须引用最新数据源\n  - 情感升级: 自动转人工\n```\n\n2. **系统边界定义**\n\n| 维度 | 实验阶段 | 系统构建后 |\n|------|----------|------------|\n| 用户范围 | 内部测试客服 | 全部一线客服 |\n| 能力范围 | 订单+物流 | 订单+物流+售后（80%+准确率） |\n| 权限分层 | 单一角色 | 专员/主管/管理员 |\n| 可用时间 | 工作日白天 | 7x24小时 |\n| 失败处理 | 直接报错 | 优雅降级+人工接管 |\n\n3. **能力模块设计**\n\n```yaml\n# AI Native 架构：AI 客服 Copilot\n\n系统边界:\n  \n  用户层:\n    - 客服专员（主要用户）\n    - 客服主管（审核/管理）\n    - 系统管理员（配置/监控）\n    \n  产品层:\n    - 客服工作台界面\n    - 浏览器插件 / Web端\n    \n  能力系统层:\n    \n    Agent层（CustomerServiceAgent）:\n      - 目标理解: 识别用户意图、情绪\n      - 任务规划: 选择Skill、编排执行顺序\n      - 结果组织: 组装回复、标记风险\n      \n    Skill层:\n      - UnderstandIntent: 意图识别（92%准确率）\n      - QueryOrder: 订单查询\n      - TrackLogistics: 物流追踪\n      - GenerateResponse: 回复生成\n      - CheckRisk: 风险检测\n      \n    Tool层:\n      - OrderSystem.query: 订单系统查询\n      - LogisticsAPI.track: 物流API\n      - KnowledgeBase.search: 知识库检索\n      - CRM.getUserProfile: 用户画像\n      \n    Model层:\n      - GPT-4o: 主推理模型（意图理解+回复生成）\n      - text-embedding-3: 向量化（知识检索）\n      \n    Data层:\n      - 知识库: 政策文档、FAQ\n      - 案例库: 成功案例、失败案例\n      - 记忆系统: 用户偏好、会话状态\n      \n  治理层:\n    - 可观测性: 指标监控、日志审计\n    - 权限控制: RBAC\n    - 失败处理: 降级+人工接管\n```\n\n4. **失败处理策略**\n\n| 失败场景 | 触发条件 | 处理策略 | 人工接管 |\n|----------|----------|----------|----------|\n| 意图识别失败 | 置信度<70% | 提示\"请重述问题\" | 连续2次 → 人工 |\n| 订单查询失败 | API超时 | 提供自助查询链接 | 用户要求 → 人工 |\n| 高风险内容 | 涉及赔付 | 只生成候选，不发送 | 必须人工确认 |\n| 模型服务异常 | API不可用 | 关闭AI建议，纯人工 | 自动 |\n| 多轮对话失控 | 超过10轮 | 建议转人工 | 自动转人工 |\n\n5. **治理与观测方案**\n\n```yaml\n可观测性:\n  \n  监控指标:\n    - 采纳率: >60%\n    - 修改率: <40%\n    - 响应延迟: P95<2s\n    - 服务可用性: 99.9%\n    \n  审计日志:\n    - 每次请求: 输入摘要、模型版本、上下文\n    - 每次输出: 建议内容、置信度、风险标记\n    - 每次人工操作: 采纳/修改/拒绝 + 原因\n    \n可回退性:\n  - 功能开关: 可关闭AI建议（5分钟内）\n  - 模型降级: 主模型异常时切换备用模型\n  - 人工接管: 指定场景自动转人工\n  \n可更新性:\n  - 模型: 支持A/B测试切换\n  - 提示词: 独立配置，热更新\n  - 知识库: 增量更新，无需重启\n  - 规则: 实时生效\n```\n\n**输出结果**:\n\n```yaml\n# 系统构建方案：AI 客服 Copilot\n\n系统边界:\n  用户: 300名一线客服 + 30名主管\n  场景: 订单查询(92%)、物流解释(85%)、售后咨询(78%)\n  边界: 投诉处理、高风险承诺不在范围内\n\n能力模块:\n  \n  Agent层:\n    - CustomerServiceAgent\n    - 负责任务编排、边界控制\n    \n  Skill层（6个）:\n    - UnderstandIntent / QueryOrder / TrackLogistics\n    - GenerateResponse / CheckRisk / SummarizeSession\n    \n  Tool层:\n    - 订单系统、物流API、知识库、用户画像\n    \n  Model层:\n    - GPT-4o（主）、Claude-3.5（备）\n    \n  Data层:\n    - 知识库、案例库、记忆系统\n\n失败处理:\n  - 12种失败场景定义\n  - 分级处理策略\n  - 自动转人工机制\n  \n治理方案:\n  - 7大类监控指标\n  - 完整审计日志\n  - 5分钟热回退能力\n  \n进入审计放行条件:\n  ✅ 实验证据完整\n  ✅ 系统边界清晰\n  ✅ 失败处理策略完备\n  ✅ 治理方案就绪\n  ✅ 团队准备就绪（已培训）\n```","tags":["system","building","native","product","agent","skills","gmaxxxie","agent-skills","ai-agent","ai-native","ai-product","methodology"],"capabilities":["skill","source-gmaxxxie","skill-p3-system-building","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/p3-system-building","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 (4,593 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":"2026-05-18T18:57:32.758Z","embedding":null,"createdAt":"2026-05-01T01:03:00.309Z","updatedAt":"2026-05-18T18:57:32.758Z","lastSeenAt":"2026-05-18T18:57:32.758Z","tsv":"'-3.5':531 '/b':477 '1':177,190,217,252 '12种失败场景定义':538 '2':180,195,219,289 '2s':449 '3':185,201,224,317,384 '300名一线客服':495 '30名主管':496 '4':206,228,406 '40':446 '4o':377,528 '5':211,230,438 '5分钟内':469 '5分钟热回退能力':544 '6':232 '60':444 '6个':513 '70':414 '78':264,503 '7x24小时':312 '7大类监控指标':542 '80':303 '85':261,501 '92':258,355,499 '99.9':451 'agent':91,99,197 'agent/skill/tool':226 'agent层':341,508 'ai':2,6,11,21,87,115,120,236,241,246,320,323,490 'ai-native-system-build':1 'api':25 'api不可用':430 'api超时':420 'build':5,31 'checkrisk':363,518 'claud':530 'copilot':61,248,271,325,492 'crm.getuserprofile':372 'customerserviceag':342,509 'data':96,111 'data层':387,533 'embed':383 'faq':390 'generaterespons':361,517 'gpt':376,527 'gpt-4o':375,526 'knowledgebase.search':370 'logisticsapi.track':368 'model':95,108 'model层':374,525 'nativ':3,7,12,22,88,116,121,321 'ordersystem.query':366 'p95':448 'queryord':357,515 'rbac':402 'skill':10,14,92,102,198,250 'skill-p3-system-building' 'skill层':352,512 'source-gmaxxxie' 'summarizesess':519 'system':4,94 'text':382 'text-embed':381 'tool':93,105,199 'tool层':365,520 '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' 'tracklogist':359,516 'understandint':353,514 'user':90 'vs':114 'web端':339 'yaml':254,319,440,488 '一键采纳':276 '上下文':135,161,456 '上下文等共同组成的产品能力底座':42 '不发送':427 '不适合ai':268 '专员':307 '主':529 '主推理模型':378 '主模型异常时切换备用模型':471 '主管':308 '主要用户':329 '交还给人':169 '产品代码':45 '产品代码的转换原则':176 '产品代码要解决的是':181 '产品层':336 '产品形态建议':59,269 '产品方法论':8 '产品架构':23 '人工':418,423 '人工接管':142,164,316,405,411,472 '人工接管的触发条件':205 '人工确认模式':272 '什么条件满足后可以进入审计放行':213 '从实验阶段继承的证据':255 '从试验展开阶段继承':56 '价格相关':285 '任务规划':346 '优雅降级':315 '会话状态':396 '传统架构':113 '传统软件架构':119 '使用场景':15 '使用方式':214 '侧边栏候选回复':274 '修改':463 '修改率':445 '全部一线客服':296 '关键交互':275 '关键指标是什么':158 '关闭ai建议':431 '内部测试客服':295 '准确率':259,262,265,304,356 '分层':227 '分级处理策略':539 '功能开关':467 '功能执行链':124 '单一角色':306 '原因':465 '只生成候选':426 '可交付':18 '可关闭ai建议':468 '可回退性':166,466 '可审计性':159 '可更新性':170,474 '可治理':33 '可治理的产品系统':19 '可治理的生产系统':243 '可用时间':310 '可被持续优化的系统结构':154 '可被维护':153 '可观测性':156,398,441 '可观测系统的阶段':34 '向量化':385 '响应延迟':447 '哪些场景能稳定成立':58 '哪些必须重写':28 '售后':302 '售后咨询':502 '售后政策':263 '回复生成':362,380 '回滚':168 '回退':140,203 '团队准备就绪':550 '场景':497 '场景描述':238 '基于已完成的实验结论':239 '增量更新':483 '处理策略':410 '备':532 '多轮对话失控':434 '失败场景':408 '失败处理':138,313,403,537 '失败处理策略':202,407 '失败处理策略完备':548 '失败时如何处理':183 '失败时如何降级':167 '失败案例':68,393 '如何被治理':184 '如何追溯输入':160 '它在失败时如何退回':79 '它如何与产品交互':76 '它如何被监控':82 '完整审计日志':543 '定义系统边界':220 '实时生效':486 '实验代码':43,175 '实验代码证明的是':178 '实验结论报告':245 '实验证据完整':546 '实验证据输入':49,55,253 '实验阶段':292 '审核':331 '审计':145 '审计日志':452 '审计记录':209 '客服':247,324,491 '客服专员':328 '客服主管':330 '客服原型系统转化为可维护':242 '客服工作台界面':337 '客服系统从实验到产品':237 '封装可复用能力':103 '将':240 '工作日白天':311 '工作流':62,77 '工具':38,104,131 '工具如何独立更新':174 '工具调用':163 '已培训':551 '已沉淀的失败模式和人工修正':69 '已解决和未解决的':65 '建议内容':458 '建议转人工':436 '异常处理':210 '异常捕获':139 '当用户提供实验结论报告时':215 '很多团队失败不是因为模型不行':186 '必须人工接管的动作':67 '必须人工确认':284,428 '必须引用最新数据源':286 '必须补齐的治理能力':155 '快速编辑':277 '情感升级':287 '情绪':345 '意图理解':379 '意图识别':354 '意图识别失败':412 '成功案例':392 '执行流程':251 '技能':130 '技能单元':37,101 '把已验证能力改写为可维护':32 '投诉处理':267,505 '抽象单元':126 '拒绝':464 '指定场景自动转人工':473 '指标监控':399 '接入旧系统':26 '接口':128 '提供推理能力':109 '提供知识与记忆基础':112 '提供自助查询链接':421 '提示':415 '提示词':172,479 '支持a':476 '支持治理和迭代的系统代码':47 '放行':148 '政策文档':389 '数据':40,110 '数据库':133 '无需重启':484 '日志审计':400 '智能体':63,98,129 '最终结果':165 '服务可用性':450 '权限':144,223 '权限分层':194,305 '权限控制':401 '架构':117,122,322 '架构的核心结构':89 '标记风险':351 '核心概念':29 '案例库':391,535 '检查实验证据是否充分':218 '模块':127 '模型':39,107,171,475 '模型服务异常':429 '模型版本':162,455 '模型降级':470 '每次人工操作':461 '每次请求':453 '每次输出':457 '治理与观测方案':207,439 '治理与观测补齐':52,150 '治理层':397 '治理方案':541 '治理方案就绪':549 '治理重心':143 '测试切换':478 '浏览器插件':338 '涉及赔付':425 '热更新':481 '物流':299,301 '物流api':369,522 '物流解释':260,500 '物流追踪':360 '独立配置':480 '用于快速验证假设的短周期代码':44 '用于长期承载能力':46 '用户':494 '用户偏好':395 '用户层':327 '用户画像':373,524 '用户范围':294 '用户要求':422 '用户角色':193,222 '用户输入':244 '由智能体':36 '界面':273 '的层级结构':200 '监控':335 '监控指标':208,442 '目标理解':343 '直接报错':314 '知识':137,173 '知识库':388,482,523,534 '知识库检索':371 '知识检索':386 '知识系统和权限体系协同':78 '示例':234,235 '稳定中心':123 '第一步':54 '第三步':85 '第二步':70 '第四步':149 '管理':332 '管理员':309 '类型':270 '系统如何被监控':157 '系统构建':13,30 '系统构建不是补工程细节':72 '系统构建后':293 '系统构建方案':189,489 '系统构建流程':48 '系统构建的目标不是尽快交付一个可演示版本':151 '系统构建阶段的总论':9 '系统管理员':333 '系统边界':191,326,493 '系统边界定义':50,71,290 '系统边界清晰':547 '纯人工':432 '组装回复':350 '结果组织':349 '维度':118,291 '编排执行顺序':348 '置信度':413,459 '而不是简单把模型':24 '而是因为没有完成这次系统形态转换':187 '而是形成一个可被审计':152 '而是重写系统形态':73 '能力在某些条件下可以成立':179 '能力如何被稳定调用':182 '能力执行链':125 '能力模块':507 '能力模块图':196 '能力模块设计':51,86,318 '能力系统':35 '能力系统层':340 '能力范围':192,221,297 '能力边界':57,256 '能力验证':249 '自动':433 '自动执行':216 '自动转人工':288,437 '自动转人工机制':540 '补齐治理与观测方案':231 '表单':134 '被审计':83 '被持续优化':84 '观测':147 '规则':485 '解释':80 '触发条件':409 '订单':298,300 '订单查询':257,358,498 '订单查询失败':419 '订单系统':521 '订单系统查询':367 '记忆':136 '记忆系统':41,394,536 '设计失败处理策略':229 '设计能力模块图':225 '识别用户意图':344 '试验展开已验证能力成立':16 '请重述问题':416 '负责任务编排':510 '负责理解目标与编排任务':100 '资料缺口':64,278 '赔付相关':283 '超过10轮':435 '输入摘要':454 '输入组织':132 '输出物':188 '输出系统构建方案':233 '输出结果':487 '边界':146,504 '边界控制':511 '这是一个多层能力系统':97 '这项能力如何被稳定调用':75 '进入审计放行':53 '进入审计放行条件':545 '进入审计放行的条件':212 '连接外部系统':106 '连续2次':417 '退款':282 '选择skill':347 '配置':334 '采纳':462 '采纳率':443 '问答':60 '降级':141,204,404 '降级或交还给人':81 '需建立敏感承诺规则库':280 '需改进':266 '需补充200条售后政策边界案例':279 '需要判断实验代码中哪些可以继承':27 '需要回答':74 '需要设计':20 '需要转为可维护':17 '风险标记':460 '风险检测':364 '风险边界':66,281 '高风险内容':424 '高风险承诺不在范围内':506","prices":[{"id":"b7266bed-bdc7-4a8d-a3a7-2f7a87b996e3","listingId":"c743eced-3da9-4958-bedf-a63cd2b3fb86","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":"2026-05-01T01:03:00.309Z"}],"sources":[{"listingId":"c743eced-3da9-4958-bedf-a63cd2b3fb86","source":"github","sourceId":"gmaxxxie/ai-native-product-agent-skills/p3-system-building","sourceUrl":"https://github.com/gmaxxxie/ai-native-product-agent-skills/tree/main/skills/p3-system-building","isPrimary":false,"firstSeenAt":"2026-05-01T01:03:00.309Z","lastSeenAt":"2026-05-18T18:57:32.758Z"}],"details":{"listingId":"c743eced-3da9-4958-bedf-a63cd2b3fb86","quickStartSnippet":null,"exampleRequest":null,"exampleResponse":null,"schema":null,"openapiUrl":null,"agentsTxtUrl":null,"citations":[],"useCases":[],"bestFor":[],"notFor":[],"kindDetails":{"org":"gmaxxxie","slug":"p3-system-building","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":"d82b0d8b487484469c75743e8dbaa7b79079648a","skill_md_path":"skills/p3-system-building/SKILL.md","default_branch":"main","skill_tree_url":"https://github.com/gmaxxxie/ai-native-product-agent-skills/tree/main/skills/p3-system-building"},"layout":"multi","source":"github","category":"ai-native-product-agent-skills","frontmatter":{"name":"ai-native-system-building","description":"'AI Native 产品方法论——系统构建阶段的总论 Skill。"},"skills_sh_url":"https://skills.sh/gmaxxxie/ai-native-product-agent-skills/p3-system-building"},"updatedAt":"2026-05-18T18:57:32.758Z"}}