{"id":"08b24e01-1ede-44ba-bc6a-e70b4d6d564e","shortId":"xJTUPs","kind":"skill","title":"p13a-judgment-metacognition","tagline":"判断力元认知——理解什么是判断、识别判断的场景与类型","description":"# 判断力元认知 Skill\n\n## 适用场景\n- 不清楚自己当前是否在做\"判断\"\n- 想系统理解判断力的价值与稀缺性\n- 需要识别不同类型的判断场景\n\n## 输入\n| 字段 | 说明 |\n|------|------|\n| task_description | 任务/问题描述 |\n| available_information | 现有信息量与质量 |\n\n## 输出\n- 判断类型识别（策略型/执行型/方向型）\n- 判断难度评估\n- 判断价值等级\n\n## 工作流程\n1. **判断识别**：区分\"执行任务\"与\"需要判断\"的场景\n2. **难度评估**：评估该判断的不确定性与信息缺口\n3. **价值判断**：该判断对产品/业务的影响程度\n4. **决策类型归类**：属于九步闭环中的哪一类\n\n## 注意事项\n- AI降低了信息获取成本，但放大了判断错误的代价\n- 高价值判断往往发生在信息不完整时\n\n## 核心概念\n\n### 1. 生成是动作，判断是责任\n生成解决的是\"先拿出一个东西\"，判断解决的是\"这个东西该不该存在、该做到什么程度、出了问题谁承担后果\"。前者是在生产内容，后者是在决定方向。很多人误以为自己卡住是因为提示词不熟、工具链不全、模型不新，实际上真正让项目走偏的是判断顺序错了，或者根本没有判断标准。不会写提示词通常只会让你慢一点，不会判断才会让你把错的事情做得更快。\n\n### 2. 流畅输出是最容易制造误判的东西\nAI 说话流畅、结构完整、语气稳定、还会主动补全上下文，一个模糊的想法经过它整理后立刻就像被论证过的方案。人很容易从\"这是一个可供参考的草稿\"滑到\"这大概已经接近答案了\"。流畅感不是可靠性，完整感不是成立性，会说人话不是会做判断。要区分三层：输出是否可读、是否可用、是否值得相信并拿去做决策。\n\n### 3. 确认偏误被 AI 放大\n人一旦先有了判断，就更容易接受支持它的信息，而忽略推翻它的事实。AI 的顺滑输出会放大这件事——它不仅给你答案，还把答案包装得完整流畅，像是已经被论证过。越是在 AI 时代，越要刻意去找反证，而不是急着补强自己原有的结论。\n\n### 4. AI 是效率放大器，也是判断放大器\nAI 不只是把对的事情做快，也会把错的事情做快。一个方向判断错了，过去可能只是浪费一些时间，现在它会更快进入原型、进入流程、进入组织共识，甚至更快被用户感知。最危险的不是模型偶尔答错，而是团队在错误的问题定义、错误的信任假设、错误的交付判断之上，把整个项目推进得非常顺。\n\n### 5. 直觉力是训练后的快判断\n直觉不是凭空冒出来的灵感，而是大量观察、比较、犯错、修正之后，被压缩进脑子里的认知模型。训练方式是反复做四件事：观察真实场景、比较相似案例、预判可能后果、复盘判断对错。当这些动作做得足够多，判断会越来越快且不必每次都从零开始。\n\n## 深入核心概念\n\n### 深入 1. 你不是不会用 AI，你是不会判断 AI\n\n**定义**：AI 时代产品经理的核心瓶颈不在于工具使用能力，而在于判断能力。模型越来越强、工具越来越多，但\"该不该做这个\"\"这个方向靠不靠谱\"\"模型能力够不够\"这些核心问题，依然只能由人来回答。判断力是产品感、技术理解和商业直觉的交叉能力。\n\n**书稿引用**：「以前产品经理最常被问的是'需求文档写好了吗'。现在最常被问的是：'你觉得这个 AI 功能要不要做''你怎么判断这个方向靠不靠谱'。这些问题都不是工具能回答的。AI 可以帮你查数据、写初稿、整理素材，但它替你做不了判断。」（第1章）\n\n**应用**：每当面对一个 AI 产品决策时，先问自己\"这个判断的依据是什么\"——是用户洞察、技术理解，还是市场直觉？把判断依据写下来，事后对照结果复盘。判断力的提升不靠学更多工具，靠的是反复训练\"在信息不完备时做出选择并承担后果\"的能力。\n\n### 深入 2. 流畅性陷阱：AI 让判断变得更危险\n\n**定义**：AI 的输出总是流畅、自信、有条理的，这会让人更容易接受\"听起来合理\"的结论而跳过验证。流畅性 ≠ 可靠性。最危险的不是 AI 犯错，而是 AI 的输出太流畅了，让你连验证的想法都省了。\n\n**书稿引用**：「AI 是判断放大器，不是判断替代品。用得好，它可以帮你更快地收集信息、整理思路、验证假设。用得不好，它会帮你更流畅地走进偏见。」（第1章）书中指出：\"如果一个模型的输出让你立刻想说'对对对就是这样'，你反而应该多停三秒。\"\n\n**应用**：建立\"三秒规则\"——每当 AI 输出让你立刻觉得\"对对对\"的时候，多停三秒问自己：它是在帮我验证假设，还是在帮我编一个自洽的故事？养成\"反方验证\"习惯：看完 AI 的回答，主动问它\"有哪些理由说明这个结论可能是错的\"。\n\n## 分步执行\n\n### 步骤 1：判断识别——区分\"执行任务\"与\"需要判断\"\n拿到一个任务描述后，先判断它本质上是执行型任务还是判断型任务。执行型任务有明确的输入-输出映射（如格式转换、数据提取）。判断型任务需要在不确定性中做选择（如\"这个需求值不值得做\"\"该先做哪个\"）。如果判断类型识别错误，后续所有优化都会走偏。\n\n### 步骤 2：判断层次检查——可读/可用/可信\n对当前的判断依据或 AI 输出，逐层检查：第一层，信息是否可读（结构清晰、语言通顺）？第二层，信息是否可用（逻辑自洽、数据可查）？第三层，信息是否值得相信并拿去做决策（有充分证据、考虑了反证、不是被流畅表达包装过的草稿）？大多数人只检查了前两层。\n\n### 步骤 3：信息底座评估\n在做出判断之前，检查信息底座是否搭好。内部信息：公司整体运作、产品现状、部门协同、销售进展和关键问题，可以通过与资深员工、业务骨干沟通建立基本认知。外部信息：行业趋势、竞争格局、技术边界，可以借助 AI 工具先搭轮廓再结合实际核实。很多判断失误不是因为不会分析，而是分析之前信息底座没有搭好。\n\n### 步骤 4：反证检查——刻意寻找推翻性证据\n在形成初步判断后，主动寻找可能推翻它的事实。问自己：如果这个判断是错的，最可能错在哪里？有没有哪些信号被我忽略了？有没有哪些人持不同意见，他们的理由是什么？在 AI 时代这一步尤其重要，因为 AI 的流畅输出会让你更容易停留在确认偏误里。\n\n### 步骤 5：判断记录——可追溯的决策日志\n记录本次判断的：判断对象、所用信息、判断结论、置信度、可能的风险。这不是增加官僚成本，而是为复盘建立基础。没有记录的判断无法复盘，无法复盘的判断无法进化。\n\n## 示例 1：两个产品经理用 AI 的差距\n\n**场景**：同一团队的两个产品经理都在用 ChatGPT 辅助工作。\n\n**不会判断的 PM**：让 AI 写需求、拆竞品、起标题、做演示，效率惊人。一周后交出一堆看起来很像样的东西。一个月后大部分内容没人再提。\n\n**会判断的 PM**：在每一步前都会多问一句——这个问题值不值得做，用户会不会真的用，出了错谁来兜底。一周后只推进了两件事。一个月后这两件事进了真实流程。\n\n**判断分析**：\n- 前者只检查了\"可读\"层（AI 输出结构清晰、语言通顺），就直接当成\"可用\"甚至\"可信\"。\n- 后者在每一步都进行了判断层次检查，在信息底座上做了反证检查。\n- 差距不在谁更会用 AI，而在谁更会判断 AI。\n- 核心教训：生成是动作，判断是责任。不会写提示词只会让你慢一点，不会判断才会让你把错的事情做得更快。\n\n## 示例 2：需求评审中的判断力诊断\n\n**场景**：团队在需求评审会上讨论一个\"AI 智能表单填写助手\"的功能提案。\n\n**提案者展示**：AI 可以理解表单上下文，自动补全字段，预判缺失项，看起来演示效果很好。\n\n**判断力检查**：\n1. **可读层**：✅ 方案文档完整，逻辑看起来通顺。\n2. **可用层**：⚠️ 需追问——用户填不下去的真正原因是什么？是\"不会写\"还是\"字段过多、结构混乱、要求不清、上下游重复录入\"？\n3. **可信层**：❌ 没有反证——如果问题的根因是流程设计差，上 AI 只是把复杂性换了个地方藏起来。\n4. **信息底座**：⚠️ 没有看过真实用户的填写流程，没有识别补偿行为。\n5. **反证检查**：如果没有 AI，这个问题还存在吗？→ 存在，但可能用更清晰的流程设计、更少的字段、更好的默认项就能解决。\n\n**结论**：这不是一个\"该不该用 AI\"的问题，而是一个\"判断顺序有没有走对\"的问题。先把判断层次过完，再决定是否进入方案。\n\n## 判断类型识别参考\n\n| 判断类型 | 特征 | 典型场景 | 错误代价 |\n|---------|------|---------|---------|\n| 方向型判断 | 决定做不做、做哪个 | 这个 AI 产品该不该立项 | 最高——资源投入方向错误 |\n| 策略型判断 | 决定怎么做、做到什么程度 | 该先做 MVP 还是完整版 | 高——节奏和资源分配 |\n| 执行型判断 | 决定具体实现细节 | 用哪个模型、什么提示词 | 中——可迭代修正 |\n\n## 信息底座检查清单\n\n### 内部信息\n- [ ] 公司整体战略方向和当前阶段重点\n- [ ] 产品现状：核心指标、用户画像、关键瓶颈\n- [ ] 部门协同：哪些团队的利益会受影响\n- [ ] 销售/客服一线反馈的高频问题\n- [ ] 已有的技术债务和系统约束\n\n### 外部信息\n- [ ] 行业趋势：AI 在这个领域的渗透程度\n- [ ] 竞争格局：直接竞品和替代方案\n- [ ] 技术边界：当前模型能做什么、不能做什么\n- [ ] 用户认知：目标用户对 AI 的接受程度\n- [ ] 监管环境：合规要求和风险\n\n## 常见判断陷阱\n\n### 1. 流畅陷阱\nAI 输出看起来很通顺，就以为判断依据已经充分。破解：要求自己找出至少一条反证。\n\n### 2. 速度陷阱\nAI 让方案产出太快，团队在\"都可以试试\"的气氛里失去判断重心。破解：任何方案进入正式讨论前，必须先回答\"为什么做\"。\n\n### 3. 权威陷阱\n\"AI 都这么说了\"成了新的权威来源。破解：AI 输出永远是草稿，不是结论。\n\n### 4. 确认偏误陷阱\n人一旦有了判断，更容易接受支持它的信息。AI 的顺滑输出放大了这一点。破解：每次形成判断后，刻意花 5 分钟寻找推翻性证据。\n\n## 5 分钟练习模板\n\n回看你最近一次和 AI 有关的真实决策，写下这六个问题：\n\n1. 你当时判断的到底是什么。\n2. 你主要依据了什么信息。\n3. 你有没有把\"输出流畅\"误当成\"判断可靠\"。\n4. 你有没有想过用户敢不敢真正使用它。\n5. 你有没有想过它是演示成立，还是交付成立。\n6. 如果今天重来一次，你最该先补的是工具技巧，还是判断框架。\n\n把这六个问题写清楚，你大概率会看见自己过去很多卡点，不是不会做，而是没有先判断。\n\n## AI 时代的信息底座挑战\n\nAI 让信息获取更容易，但也让信息过载更严重。过去你需要花时间搜集信息，现在你需要花更多时间过滤和验证信息。\n\n### 信息获取方式的变化\n\n| 维度 | 过去 | AI 时代 |\n|------|------|---------|\n| 获取成本 | 高（搜索、阅读、整理） | 低（提问即得） |\n| 信息量 | 有限但可控 | 海量但难筛选 |\n| 验证难度 | 来源可追溯 | 来源模糊、可能幻觉 |\n| 主要瓶颈 | 找到信息 | 判断信息是否可信 |\n| 信息底座搭建 | 慢但扎实 | 快但可能浮于表面 |\n\n### AI 时代的信息底座搭建建议\n\n1. **内部信息不依赖 AI**：公司战略、产品现状、部门协同、关键问题，必须通过与人沟通建立。AI 无法替代你对组织上下文的理解。\n2. **外部信息可用 AI 起步**：行业趋势、竞争格局、技术边界，可以用 AI 先搭轮廓，但必须结合实际核实。\n3. **验证优先于获取**：与其问 AI 更多问题，不如花时间验证 AI 给出的关键信息是否准确。\n4. **保持信息饥渴**：定期与一线员工、业务骨干、客户直接沟通，建立对真实处境的感知。\n\n## 更多判断陷阱\n\n### 5. 框架陷阱\n被问题的呈现方式束缚。用户说\"我要导出按钮\"，你就开始讨论按钮设计，而不是追问背后的真实需求。破解：永远先翻译成问题语言。\n\n### 6. 锚定陷阱\n被第一个接触到的信息锚定。第一个方案、第一个报价、第一个用户反馈，都会影响后续判断。破解：主动接触多个独立信息源。\n\n### 7. 从众陷阱\n\"大家都在做 AI，我们也应该做。\"行业趋势不等于你的优先级。破解：回到自己的问题和约束来判断。\n\n### 8. 沉没成本陷阱\n\"已经投入了三个月，不能现在放弃。\"过去的投入不应该影响未来的判断。破解：假设今天从零开始，你还会做这个决定吗？\n\n### 9. 技术光环陷阱\n\"这个模型很先进，效果一定好。\"技术能力不等于产品价值。破解：始终回到\"用户到底需要什么\"。\n\n## 判断速度与质量的平衡\n\n判断太快容易遗漏信号，判断太慢容易错过时机。关键是找到平衡点。\n\n### 判断速度分级\n\n| 决策类型 | 建议速度 | 理由 |\n|---------|---------|------|\n| 可逆的小决策 | 快（5 分钟内） | 试错成本低，迭代更重要 |\n| 不可逆的小决策 | 中（1-2 天） | 需要基本的信息验证 |\n| 可逆的大决策 | 中（几天） | 需要团队对齐但可以迭代 |\n| 不可逆的大决策 | 慢（一周+） | 必须充分验证，包括反证 |\n\n### 提高判断速度的方法\n\n1. **积累模式库**：反复做同类判断，形成模式识别能力。\n2. **建立检查清单**：把高频判断固化为检查清单，减少每次从零思考。\n3. **预设判断标准**：在没有压力的时候提前想好\"什么情况下做/不做\"。\n4. **练习快速反证**：形成习惯后，反证检查只需几分钟。\n\n## 判断力成长路径\n\n```\nLevel 1: 无意识无能\n  ↓ 不知道自己不知道什么\nLevel 2: 有意识有能\n  ↓ 知道自己该判断什么，开始使用框架\nLevel 3: 有意识胜任\n  ↓ 框架内化，每次使用需要刻意思考\nLevel 4: 无意识胜任\n  ↓ 判断成为直觉，快速且可靠\n```\n\n**训练建议**：\n- Level 1→2：阅读本章，完成 5 分钟练习\n- Level 2→3：每周做三次判断练习，记录判断日志\n- Level 3→4：每月复盘重要判断，持续积累模式库\n- Level 4：开始训练他人，教学是最好的内化\n\n## 团队判断校准\n\n个人判断力提升之外，团队判断校准同样重要。\n\n### 校准方法\n\n1. **判断日志共享**：团队成员定期分享自己的判断记录和结果。\n2. **案例复盘会**：每月选一个典型判断案例做深度复盘。\n3. **判断原则库**：把有效的判断经验抽象为团队共享的原则。\n4. **反证文化**：鼓励在讨论中主动寻找反证，而不是只收集支持性证据。\n\n### 常见团队判断偏差\n\n| 偏差 | 表现 | 破解 |\n|------|------|------|\n| HiPPO 效应 | 最高薪/最高职位的人说了算 | 要求每个判断都提供依据 |\n| 群体极化 | 讨论后观点变得更极端 | 安排专门的反证角色 |\n| 确认偏误共享 | 团队一起寻找支持性证据 | 强制要求至少一条反证 |\n| 方案冲动传染 | 一个人提方案，全员跟进 | 用问题语言开会 |","tags":["p13a","judgment","metacognition","native","product","agent","skills","gmaxxxie","agent-skills","ai-agent","ai-native","ai-product"],"capabilities":["skill","source-gmaxxxie","skill-p13a-judgment-metacognition","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/p13a-judgment-metacognition","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 (6,452 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":"2026-05-18T18:57:29.383Z","embedding":null,"createdAt":"2026-05-01T01:02:55.722Z","updatedAt":"2026-05-18T18:57:29.383Z","lastSeenAt":"2026-05-18T18:57:29.383Z","tsv":"'-2':707 '1':33,55,144,251,348,412,512,556,612,706,720,739,759,783 '2':40,73,194,271,398,416,519,558,622,724,743,760,766,786 '3':43,92,295,427,530,560,633,728,748,767,771,789 '4':47,109,316,434,539,565,641,733,753,772,776,792 '5':127,334,438,548,550,567,648,700,763 '6':570,657 '7':666 '8':674 '9':682 'ai':75,94,99,105,110,113,146,148,150,168,172,180,196,199,209,212,216,234,245,277,311,328,331,350,359,379,389,391,402,406,432,441,450,466,498,507,514,521,532,536,543,553,578,580,588,610,614,620,624,630,636,639,669 'ai降低了信息获取成本':51 'avail':22 'chatgpt':354 'descript':19 'hippo':800 'inform':23 'judgment':3 'level':738,742,747,752,758,765,770,775 'metacognit':4 'mvp':474 'p13a':2 'p13a-judgment-metacognition':1 'pm':357,368 'skill':9 'skill-p13a-judgment-metacognition' 'source-gmaxxxie' 'task':18 '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' '一个人提方案':812 '一个方向判断错了':116 '一个月后大部分内容没人再提':366 '一个月后这两件事进了真实流程':374 '一个模糊的想法经过它整理后立刻就像被论证过的方案':80 '一周':716 '一周后交出一堆看起来很像样的东西':365 '一周后只推进了两件事':373 '三秒规则':232 '上':431 '上下游重复录入':426 '不会写':421 '不会写提示词只会让你慢一点':395 '不会写提示词通常只会让你慢一点':71 '不会判断才会让你把错的事情做得更快':72,396 '不会判断的':356 '不做':732 '不只是把对的事情做快':114 '不可逆的大决策':714 '不可逆的小决策':704 '不如花时间验证':638 '不是不会做':576 '不是判断替代品':218 '不是结论':538 '不是被流畅表达包装过的草稿':292 '不清楚自己当前是否在做':11 '不知道自己不知道什么':741 '不能做什么':504 '不能现在放弃':677 '与':37,255 '与其问':635 '业务的影响程度':46 '业务骨干':644 '业务骨干沟通建立基本认知':305 '两个产品经理用':349 '个人判断力提升之外':780 '中':482,705,711 '为什么做':529 '主动寻找可能推翻它的事实':320 '主动接触多个独立信息源':665 '主动问它':247 '主要瓶颈':604 '也会把错的事情做快':115 '也是判断放大器':112 '习惯':243 '书中指出':226 '书稿引用':163,215 '事后对照结果复盘':188 '产品决策时':181 '产品现状':301,487,616 '产品该不该立项':467 '人一旦先有了判断':96 '人一旦有了判断':541 '人很容易从':81 '什么情况下做':731 '什么提示词':481 '从众陷阱':667 '他们的理由是什么':326 '以前产品经理最常被问的是':164 '价值判断':44 '任何方案进入正式讨论前':527 '任务':20 '会判断的':367 '会说人话不是会做判断':87 '但':155 '但也让信息过载更严重':582 '但可能用更清晰的流程设计':444 '但它替你做不了判断':176 '但必须结合实际核实':632 '但放大了判断错误的代价':52 '低':595 '你不是不会用':145 '你主要依据了什么信息':559 '你反而应该多停三秒':229 '你大概率会看见自己过去很多卡点':575 '你就开始讨论按钮设计':653 '你当时判断的到底是什么':557 '你怎么判断这个方向靠不靠谱':170 '你是不会判断':147 '你最该先补的是工具技巧':572 '你有没有想过它是演示成立':568 '你有没有想过用户敢不敢真正使用它':566 '你有没有把':561 '你觉得这个':167 '你还会做这个决定吗':681 '依然只能由人来回答':160 '保持信息饥渴':642 '信息底座':435 '信息底座搭建':607 '信息底座检查清单':484 '信息底座评估':296 '信息是否值得相信并拿去做决策':289 '信息是否可用':285 '信息是否可读':281 '信息获取方式的变化':585 '信息量':597 '修正之后':133 '假设今天从零开始':680 '偏差':797 '做到什么程度':472 '做哪个':464 '做演示':363 '像是已经被论证过':103 '先判断它本质上是执行型任务还是判断型任务':258 '先把判断层次过完':455 '先拿出一个东西':59 '先搭轮廓':631 '先问自己':182 '全员跟进':813 '公司战略':615 '公司整体战略方向和当前阶段重点':486 '公司整体运作':300 '关键是找到平衡点':693 '关键瓶颈':490 '关键问题':618 '典型场景':460 '养成':241 '内部信息':299,485 '内部信息不依赖':613 '再决定是否进入方案':456 '写下这六个问题':555 '写初稿':174 '写需求':360 '决定做不做':463 '决定具体实现细节':479 '决定怎么做':471 '决策类型':695 '决策类型归类':48 '减少每次从零思考':727 '几天':712 '出了错谁来兜底':372 '出了问题谁承担后果':63 '分步执行':249 '分钟内':701 '分钟寻找推翻性证据':549 '分钟练习':764 '分钟练习模板':551 '判断':12 '判断价值等级':31 '判断会越来越快且不必每次都从零开始':141 '判断信息是否可信':606 '判断分析':375 '判断力元认知':5,8 '判断力成长路径':737 '判断力是产品感':161 '判断力检查':411 '判断力的提升不靠学更多工具':189 '判断原则库':790 '判断可靠':564 '判断型任务需要在不确定性中做选择':264 '判断太快容易遗漏信号':691 '判断太慢容易错过时机':692 '判断对象':338 '判断层次检查':272 '判断成为直觉':755 '判断日志共享':784 '判断是责任':57,394 '判断类型':458 '判断类型识别':26 '判断类型识别参考':457 '判断结论':340 '判断解决的是':60 '判断记录':335 '判断识别':34,252 '判断速度与质量的平衡':690 '判断速度分级':694 '判断难度评估':30 '判断顺序有没有走对':453 '刻意寻找推翻性证据':318 '刻意花':547 '前者只检查了':376 '前者是在生产内容':64 '功能要不要做':169 '包括反证':718 '区分':35,253 '反复做同类判断':722 '反方验证':242 '反证文化':793 '反证检查':317,439 '反证检查只需几分钟':736 '只是把复杂性换了个地方藏起来':433 '可以借助':310 '可以帮你查数据':173 '可以理解表单上下文':407 '可以用':629 '可以通过与资深员工':304 '可信':275,385 '可信层':428 '可用':274,383 '可用层':417 '可能幻觉':603 '可能的风险':342 '可读':273,377 '可读层':413 '可迭代修正':483 '可追溯的决策日志':336 '可逆的大决策':710 '可逆的小决策':698 '可靠性':207 '合规要求和风险':510 '同一团队的两个产品经理都在用':353 '后续所有优化都会走偏':269 '后者在每一步都进行了判断层次检查':386 '后者是在决定方向':65 '听起来合理':204 '哪些团队的利益会受影响':492 '回到自己的问题和约束来判断':673 '回看你最近一次和':552 '因为':330 '团队一起寻找支持性证据':809 '团队判断校准':779 '团队判断校准同样重要':781 '团队在':523 '团队在需求评审会上讨论一个':401 '团队成员定期分享自己的判断记录和结果':785 '在':327 '在信息不完备时做出选择并承担后果':191 '在信息底座上做了反证检查':387 '在做出判断之前':297 '在形成初步判断后':319 '在每一步前都会多问一句':369 '在没有压力的时候提前想好':730 '在这个领域的渗透程度':499 '场景':352,400 '复盘判断对错':139 '外部信息':306,496 '外部信息可用':623 '多停三秒问自己':238 '大多数人只检查了前两层':293 '大家都在做':668 '天':708 '如':265 '如果一个模型的输出让你立刻想说':227 '如果今天重来一次':571 '如果判断类型识别错误':268 '如果没有':440 '如果这个判断是错的':322 '如果问题的根因是流程设计差':430 '如格式转换':262 '始终回到':688 '字段':16 '字段过多':423 '存在':443 '它不仅给你答案':101 '它会帮你更流畅地走进偏见':224 '它可以帮你更快地收集信息':220 '它是在帮我验证假设':239 '安排专门的反证角色':807 '完成':762 '完整感不是成立性':86 '定义':149,198 '定期与一线员工':643 '实际上真正让项目走偏的是判断顺序错了':69 '客户直接沟通':645 '客服一线反馈的高频问题':494 '对对对':236 '对对对就是这样':228 '对当前的判断依据或':276 '就以为判断依据已经充分':516 '就更容易接受支持它的信息':97 '就直接当成':382 '层':378 '属于九步闭环中的哪一类':49 '工作流程':32 '工具先搭轮廓再结合实际核实':312 '工具越来越多':154 '工具链不全':67 '差距不在谁更会用':388 '已有的技术债务和系统约束':495 '已经投入了三个月':676 '常见判断陷阱':511 '常见团队判断偏差':796 '应用':178,230 '建立':231 '建立对真实处境的感知':646 '建立检查清单':725 '建议速度':696 '开始使用框架':746 '开始训练他人':777 '强制要求至少一条反证':810 '当前模型能做什么':503 '当这些动作做得足够多':140 '形成习惯后':735 '形成模式识别能力':723 '很多人误以为自己卡住是因为提示词不熟':66 '很多判断失误不是因为不会分析':313 '必须充分验证':717 '必须先回答':528 '必须通过与人沟通建立':619 '快':699 '快但可能浮于表面':609 '快速且可靠':756 '想系统理解判断力的价值与稀缺性':13 '慢':715 '慢但扎实':608 '成了新的权威来源':534 '我们也应该做':670 '我要导出按钮':652 '或者根本没有判断标准':70 '所用信息':339 '执行任务':36,254 '执行型':28 '执行型任务有明确的输入':260 '执行型任务有明确的输入-输出映射':259 '执行型判断':478 '找到信息':605 '技术光环陷阱':683 '技术理解':185 '技术理解和商业直觉的交叉能力':162 '技术能力不等于产品价值':686 '技术边界':309,502,628 '把判断依据写下来':187 '把整个项目推进得非常顺':126 '把有效的判断经验抽象为团队共享的原则':791 '把这六个问题写清楚':574 '把高频判断固化为检查清单':726 '拆竞品':361 '拿到一个任务描述后':257 '持续积累模式库':774 '提案者展示':405 '提问即得':596 '提高判断速度的方法':719 '搜索':592 '放大':95 '效应':801 '效果一定好':685 '效率惊人':364 '教学是最好的内化':778 '数据可查':287 '数据提取':263 '整理':594 '整理思路':221 '整理素材':175 '方向型':29 '方向型判断':462 '方案冲动传染':811 '方案文档完整':414 '无意识无能':740 '无意识胜任':754 '无法复盘的判断无法进化':346 '无法替代你对组织上下文的理解':621 '时代':106,589 '时代产品经理的核心瓶颈不在于工具使用能力':151 '时代的信息底座挑战':579 '时代的信息底座搭建建议':611 '时代这一步尤其重要':329 '是':420 '是判断放大器':217 '是否值得相信并拿去做决策':91 '是否可用':90 '是效率放大器':111 '是用户洞察':184 '智能表单填写助手':403 '更多判断陷阱':647 '更多问题':637 '更好的默认项就能解决':446 '更容易接受支持它的信息':542 '更少的字段':445 '最危险的不是':208 '最危险的不是模型偶尔答错':122 '最可能错在哪里':323 '最高':468 '最高职位的人说了算':803 '最高薪':802 '有充分证据':290 '有关的真实决策':554 '有哪些理由说明这个结论可能是错的':248 '有意识有能':744 '有意识胜任':749 '有条理的':202 '有没有哪些人持不同意见':325 '有没有哪些信号被我忽略了':324 '有限但可控':598 '权威陷阱':531 '来源可追溯':601 '来源模糊':602 '校准方法':782 '核心指标':488 '核心教训':392 '核心概念':54 '框架内化':750 '框架陷阱':649 '案例复盘会':787 '检查信息底座是否搭好':298 '模型不新':68 '模型能力够不够':158 '模型越来越强':153 '步骤':250,270,294,315,333 '每周做三次判断练习':768 '每当':233 '每当面对一个':179 '每月复盘重要判断':773 '每月选一个典型判断案例做深度复盘':788 '每次使用需要刻意思考':751 '每次形成判断后':546 '比较':131 '比较相似案例':137 '永远先翻译成问题语言':656 '沉没成本陷阱':675 '没有反证':429 '没有看过真实用户的填写流程':436 '没有记录的判断无法复盘':345 '没有识别补偿行为':437 '注意事项':50 '流畅性':206 '流畅性陷阱':195 '流畅感不是可靠性':85 '流畅输出是最容易制造误判的东西':74 '流畅陷阱':513 '海量但难筛选':599 '深入':143,193 '深入核心概念':142 '滑到':83 '特征':459 '犯错':132,210 '现在你需要花更多时间过滤和验证信息':584 '现在它会更快进入原型':118 '现在最常被问的是':166 '现有信息量与质量':24 '理由':697 '理解什么是判断':6 '甚至':384 '甚至更快被用户感知':121 '生成是动作':56,393 '生成解决的是':58 '用哪个模型':480 '用得不好':223 '用得好':219 '用户会不会真的用':371 '用户到底需要什么':689 '用户填不下去的真正原因是什么':419 '用户画像':489 '用户认知':505 '用户说':651 '用问题语言开会':814 '的功能提案':404 '的回答':246 '的场景':39 '的差距':351 '的接受程度':508 '的时候':237 '的气氛里失去判断重心':525 '的流畅输出会让你更容易停留在确认偏误里':332 '的结论而跳过验证':205 '的能力':192 '的输出太流畅了':213 '的输出总是流畅':200 '的问题':451,454 '的顺滑输出会放大这件事':100 '的顺滑输出放大了这一点':544 '监管环境':509 '目标用户对':506 '直接竞品和替代方案':501 '直觉不是凭空冒出来的灵感':129 '直觉力是训练后的快判断':128 '看完':244 '看起来演示效果很好':410 '知道自己该判断什么':745 '破解':517,526,535,545,655,664,672,679,687,799 '确认偏误共享':808 '确认偏误被':93 '确认偏误陷阱':540 '示例':347,397 '积累模式库':721 '竞争格局':308,500,627 '第1章':177,225 '第一个报价':661 '第一个方案':660 '第一个用户反馈':662 '第一层':280 '第三层':288 '第二层':284 '策略型':27 '策略型判断':470 '练习快速反证':734 '结构完整':77 '结构混乱':424 '结构清晰':282 '结论':447 '给出的关键信息是否准确':640 '维度':586 '置信度':341 '群体极化':805 '考虑了反证':291 '而不是只收集支持性证据':795 '而不是急着补强自己原有的结论':108 '而不是追问背后的真实需求':654 '而在于判断能力':152 '而在谁更会判断':390 '而忽略推翻它的事实':98 '而是':211 '而是一个':452 '而是为复盘建立基础':344 '而是分析之前信息底座没有搭好':314 '而是团队在错误的问题定义':123 '而是大量观察':130 '而是没有先判断':577 '自信':201 '自动补全字段':408 '节奏和资源分配':477 '获取成本':590 '行业趋势':307,497,626 '行业趋势不等于你的优先级':671 '表现':798 '被压缩进脑子里的认知模型':134 '被第一个接触到的信息锚定':659 '被问题的呈现方式束缚':650 '要区分三层':88 '要求不清':425 '要求每个判断都提供依据':804 '要求自己找出至少一条反证':518 '观察真实场景':136 '讨论后观点变得更极端':806 '让':358 '让你连验证的想法都省了':214 '让信息获取更容易':581 '让判断变得更危险':197 '让方案产出太快':522 '训练建议':757 '训练方式是反复做四件事':135 '记录判断日志':769 '记录本次判断的':337 '评估该判断的不确定性与信息缺口':42 '识别判断的场景与类型':7 '试错成本低':702 '该不该做这个':156 '该不该用':449 '该做到什么程度':62 '该先做':473 '该先做哪个':267 '该判断对产品':45 '语气稳定':78 '语言通顺':283,381 '误当成':563 '说明':17 '说话流畅':76 '资源投入方向错误':469 '起标题':362 '起步':625 '越是在':104 '越要刻意去找反证':107 '辅助工作':355 '输入':15 '输出':25,278 '输出映射':261 '输出是否可读':89 '输出永远是草稿':537 '输出流畅':562 '输出看起来很通顺':515 '输出结构清晰':380 '输出让你立刻觉得':235 '过去':587 '过去你需要花时间搜集信息':583 '过去可能只是浪费一些时间':117 '过去的投入不应该影响未来的判断':678 '还会主动补全上下文':79 '还把答案包装得完整流畅':102 '还是':422 '还是交付成立':569 '还是判断框架':573 '还是在帮我编一个自洽的故事':240 '还是完整版':475 '还是市场直觉':186 '这不是一个':448 '这不是增加官僚成本':343 '这个':465 '这个东西该不该存在':61 '这个判断的依据是什么':183 '这个方向靠不靠谱':157 '这个模型很先进':684 '这个问题值不值得做':370 '这个问题还存在吗':442 '这个需求值不值得做':266 '这些核心问题':159 '这些问题都不是工具能回答的':171 '这会让人更容易接受':203 '这大概已经接近答案了':84 '这是一个可供参考的草稿':82 '进入流程':119 '进入组织共识':120 '迭代更重要':703 '适用场景':10 '逐层检查':279 '速度陷阱':520 '逻辑看起来通顺':415 '逻辑自洽':286 '部门协同':302,491,617 '都会影响后续判断':663 '都可以试试':524 '都这么说了':533 '销售':493 '销售进展和关键问题':303 '错误代价':461 '错误的交付判断之上':125 '错误的信任假设':124 '锚定陷阱':658 '问自己':321 '问题描述':21 '阅读':593 '阅读本章':761 '难度评估':41 '需求文档写好了吗':165 '需求评审中的判断力诊断':399 '需要判断':38,256 '需要团队对齐但可以迭代':713 '需要基本的信息验证':709 '需要识别不同类型的判断场景':14 '需追问':418 '靠的是反复训练':190 '预判可能后果':138 '预判缺失项':409 '预设判断标准':729 '验证优先于获取':634 '验证假设':222 '验证难度':600 '高':476,591 '高价值判断往往发生在信息不完整时':53 '鼓励在讨论中主动寻找反证':794","prices":[{"id":"a5de6abd-105e-460b-beaa-3a34d9292fa6","listingId":"08b24e01-1ede-44ba-bc6a-e70b4d6d564e","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":"2026-05-01T01:02:55.722Z"}],"sources":[{"listingId":"08b24e01-1ede-44ba-bc6a-e70b4d6d564e","source":"github","sourceId":"gmaxxxie/ai-native-product-agent-skills/p13a-judgment-metacognition","sourceUrl":"https://github.com/gmaxxxie/ai-native-product-agent-skills/tree/main/skills/p13a-judgment-metacognition","isPrimary":false,"firstSeenAt":"2026-05-01T01:02:55.722Z","lastSeenAt":"2026-05-18T18:57:29.383Z"}],"details":{"listingId":"08b24e01-1ede-44ba-bc6a-e70b4d6d564e","quickStartSnippet":null,"exampleRequest":null,"exampleResponse":null,"schema":null,"openapiUrl":null,"agentsTxtUrl":null,"citations":[],"useCases":[],"bestFor":[],"notFor":[],"kindDetails":{"org":"gmaxxxie","slug":"p13a-judgment-metacognition","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":"7574f7555c2df3e14d2a5ddd9b4431939b5782e7","skill_md_path":"skills/p13a-judgment-metacognition/SKILL.md","default_branch":"main","skill_tree_url":"https://github.com/gmaxxxie/ai-native-product-agent-skills/tree/main/skills/p13a-judgment-metacognition"},"layout":"multi","source":"github","category":"ai-native-product-agent-skills","frontmatter":{"name":"p13a-judgment-metacognition","description":"判断力元认知——理解什么是判断、识别判断的场景与类型"},"skills_sh_url":"https://skills.sh/gmaxxxie/ai-native-product-agent-skills/p13a-judgment-metacognition"},"updatedAt":"2026-05-18T18:57:29.383Z"}}