用Skill做產(chǎn)品規(guī)劃？聊聊我踩過(guò)的3個(gè)坑

AI技能的落地并非一帆風(fēng)順，從萬(wàn)能許愿池到精準(zhǔn)工具的認(rèn)知轉(zhuǎn)變，背后是無(wú)數(shù)踩坑經(jīng)驗(yàn)的積累。本文首次披露作者在10個(gè)Skill實(shí)戰(zhàn)中遇到的三大典型陷阱：違背單一職責(zé)原則、高估私有數(shù)據(jù)抓取能力、盲目信任業(yè)務(wù)理解深度。

———— / BEGIN / ————

這段時(shí)間我在業(yè)務(wù)里瘋狂落地了近10個(gè)Skill，逐漸發(fā)現(xiàn)了一個(gè)值得聊的話題——AI 的局限性。

我發(fā)現(xiàn)，把 AI 當(dāng)工具用和把它當(dāng)“萬(wàn)能許愿池”用，完全是兩碼事。在這個(gè)把大模型吹得神乎其神的風(fēng)口上，我也沒(méi)能免俗地踩了不少坑。

今天不聊高大上的成功案例，就聊聊我在寫了近10個(gè)產(chǎn)品輔助 Skill 之后，實(shí)打?qū)嵅冗^(guò)的三個(gè)坑。希望能給正在嘗試把 AI 融入日常工作的你，一點(diǎn)真實(shí)的啟發(fā)。

第一個(gè)坑：總是忽略 AI 的“單一職責(zé)原則”

當(dāng)時(shí)我期望一個(gè) Skill 既能幫我輸出完整的產(chǎn)品方案，又能順手把對(duì)應(yīng)的研發(fā)工作量給評(píng)估了。

結(jié)果呢？

它哪件事都沒(méi)干好，方案寫得很水，評(píng)估也很離譜。

昨天在寫“產(chǎn)品規(guī)劃 Skill”的時(shí)候，我又犯了同樣的錯(cuò)。

我想用一個(gè) Skill 一步到位：讓它先去分析關(guān)鍵競(jìng)品最近兩年的迭代情況；然后再去分析我積壓的近千條需求清單；最后再結(jié)合我們公司的戰(zhàn)略方向，直接給我吐出一份完美的“年度產(chǎn)品規(guī)劃”。

結(jié)果可想而知，一團(tuán)糟。

最后的解決方案是什么？

分拆。

我老老實(shí)實(shí)地把它拆成了三個(gè)獨(dú)立的 Skill：

1. 競(jìng)品分析 Skill：只負(fù)責(zé)分析我投喂的競(jìng)品日志，輸出路線圖和差異化策略。

2. 需求優(yōu)先級(jí)判斷 Skill：只負(fù)責(zé)拿著我那上千條需求，嚴(yán)格按照我的方法論（P0-P4）打分，輸出優(yōu)先級(jí)清單。

3. 產(chǎn)品規(guī)劃 Skill：最后拿著前兩個(gè) Skill 的結(jié)果，結(jié)合企業(yè)戰(zhàn)略，輸出最終的產(chǎn)品規(guī)劃思路和路線圖。

小結(jié)一下：這是最常見(jiàn)、也最容易踩的坑。

本質(zhì)上，是我們對(duì) AI 抱有不切實(shí)際的幻想。我們總以為它已經(jīng)強(qiáng)大到能通過(guò)一句簡(jiǎn)單的指令，理解所有復(fù)雜的訴求。

這就像你對(duì)剛招進(jìn)來(lái)的應(yīng)屆高材生說(shuō)：“你去把競(jìng)品和咱們的需求池看一看，下午給我一份明年的產(chǎn)品規(guī)劃。”——除了得到一份根本沒(méi)法落地的 PPT，你什么也得不到。

第二個(gè)坑：過(guò)度迷信 AI 對(duì)“私有化數(shù)據(jù)”的抓取能力

在做競(jìng)品分析的時(shí)候，我一開始的想法很豐滿：我只要輸入競(jìng)品名稱（比如北森、薪人薪事、飛書等），AI 就能自動(dòng)去網(wǎng)上抓取他們最近 1-2 年的升級(jí)日志和財(cái)務(wù)報(bào)表，自動(dòng)給我分析出一份產(chǎn)品路線圖和戰(zhàn)略變化。

它確實(shí)給我輸出了一篇洋洋灑灑的內(nèi)容。但仔細(xì)一看，基本全是基于網(wǎng)上公開的營(yíng)銷軟文、發(fā)版通稿、甚至發(fā)布會(huì)公關(guān)稿拼湊出來(lái)的。對(duì)于產(chǎn)品底層究竟是怎么迭代的，幾乎沒(méi)有任何參考價(jià)值。

其實(shí)，但凡多想一步，我都不會(huì)有這種不切實(shí)際的幻想。

原因很簡(jiǎn)單：對(duì)于 SaaS 企業(yè)來(lái)說(shuō)，真正的“用戶手冊(cè)”、“升級(jí)日志”這些核心的更新記錄，都是需要登錄鑒權(quán)才能看到的，這屬于企業(yè)的私有化資產(chǎn)。AI 再厲害，也突破不了這層物理隔離。

最后的解決方案：回歸“外腦”定位。我換了個(gè)思路，把之前人工辛苦整理下來(lái)的“競(jìng)品升級(jí)日志”作為原材料投喂給 AI。告訴它：“基于這些真實(shí)的迭代日志，幫我分析他們演進(jìn)的路線圖和對(duì)我們的啟示。”

這一次，它給出的結(jié)果完全符合預(yù)期。

小結(jié)一下：這個(gè)坑的本質(zhì)是“上下文環(huán)境（Context）”缺失。你可以把大模型想象成一位享譽(yù)世界的大廚。但如果你不把你們家祖?zhèn)鞯拿胤胶吞囟ǖ脑牧辖唤o他，他也絕對(duì)做不出一道符合你口味的家鄉(xiāng)菜。

不要對(duì) AI 有超出常理的預(yù)期，以為只要給個(gè)簡(jiǎn)單提示詞，你就能坐享其成。

第三個(gè)坑：過(guò)度信賴 AI 對(duì)自身業(yè)務(wù)的“推理與理解”能力

我負(fù)責(zé)的兩個(gè)子系統(tǒng)，最近一年半積壓了 1000 多條需求。以前，我每周都要花半個(gè)小時(shí)去人肉標(biāo)識(shí)這些需求屬于哪個(gè)模塊（比如：排班-循環(huán)排班-大小周）。

我一開始的如意算盤是：建一個(gè) Skill，把這 1000 條需求丟給它。讓它不僅幫我把同類場(chǎng)景的需求合并（比如把5條循環(huán)排班的需求合并成1條），還能結(jié)合我的優(yōu)先級(jí)方法論（產(chǎn)品價(jià)值 = 客戶價(jià)值 + 商業(yè)價(jià)值 – 情緒成本x2），直接給我輸出一份精簡(jiǎn)后的高優(yōu)需求表。

結(jié)果呢？我又一次被現(xiàn)實(shí)打臉。我高估了 AI 對(duì)我們特定業(yè)務(wù)的理解能力，也高估了業(yè)務(wù)端提需求時(shí)描述的清晰度。AI 根本無(wú)法像我預(yù)期那樣準(zhǔn)確地“合并同類項(xiàng)”，它給出的合并結(jié)果，幾乎全是憑空臆想的，邏輯漏洞百出。

最終的妥協(xié)與務(wù)實(shí)：調(diào)試了好幾次后，我放棄了讓它去“深度理解并合并”的幻想。我退而求其次，選擇了更務(wù)實(shí)的路徑：不要求它合并需求，只要求它判斷優(yōu)先級(jí)。

我輸入 1000 條需求的 Excel 表，它原封不動(dòng)地輸出 1000 條需求，只是在后面嚴(yán)格按照我的方法論加上了優(yōu)先級(jí)的判斷（P0-P4）。這樣，我只需要重點(diǎn)去撈那些被判定為 P0 和 P1 的需求自己看就行了。

小結(jié)一下：這第三個(gè)坑，其實(shí)是前兩個(gè)坑的綜合體。我既犯了“讓它同時(shí)干多件事（合并需求+判斷優(yōu)先級(jí)）”的錯(cuò)，又犯了“在沒(méi)有給足業(yè)務(wù) Context 的情況下，指望它能像我一樣擁有業(yè)務(wù)直覺(jué)”的錯(cuò)。

踩完這三個(gè)大坑，我對(duì) AI 的使用姿勢(shì)有了全新的認(rèn)知：

Skill 在創(chuàng)建的時(shí)候，必須嚴(yán)格遵循“單一職能”原則。同時(shí)，需要提供足夠Context（即上下文）

但這并不意味著我們的工作流只能是零碎的。在實(shí)際使用時(shí)，我們可以把多個(gè)單一職能的 Skill 組合起來(lái)，把Context當(dāng)做輸入素材利用起來(lái)。

比如，我現(xiàn)在要做2026年半年度規(guī)劃，我的工作流變成了：

1. 提供內(nèi)部收集的競(jìng)品升級(jí)日志文件，調(diào)用【競(jìng)品分析 Skill】。

2. 導(dǎo)出 1000 條需求清單文件，調(diào)用【需求優(yōu)先級(jí)判斷 Skill】。

3. 自動(dòng)結(jié)合前兩者的輸出，加上我們公司的戰(zhàn)略和投入資源，調(diào)用【產(chǎn)品規(guī)劃 Skill】。

AI 終究只是那個(gè)拿著鍋鏟的大廚，而你，才是那個(gè)決定要做什么菜、并且負(fù)責(zé)準(zhǔn)備頂級(jí)食材買得好不好的飯。

本文來(lái)自公眾號(hào)：產(chǎn)品方法論集散地 作者：產(chǎn)品方法論集散地