AI Native SaaS 案例模板 Skill

使用场景

• 传统 SaaS 产品需要 AI Native 化改造
• 需要设计数据分析类产品的 AI 能力升级路径
• 关注语义层构建、能力护城河和数据飞轮建设场景

AI Native SaaS 特征与适配性

SaaS 特征	对方法论的影响
功能型 → 能力型	不是加 AI 功能，而是重写能力入口
语义层依赖	需要构建业务语义理解和指标语义层
数据积累	用户数据形成天然的反馈飞轮
能力护城河	真实使用越多，能力越难被复制
订阅商业模式	适合用价值信号驱动续费

AI Native SaaS 方法论路径

@ai-native-direction-framing
  → 选择最值得 AI Native 化的功能层
  → 输出：Direction Brief

@p2a-experiment-overview + @p2b-product-form-exploration
  → 验证语义理解、数据解释、洞察生成能力
  → 输出：产品形态建议

@p2c-process-redesign
  → 分析流程重构：问答 → 追问 → 下钻 → 行动
  → 输出：交互工作流

@ai-native-context-engineering
  → 业务上下文构建：指标语义、维度关系、权限语义
  → 输出：上下文架构

@ai-native-knowledge-rag
  → 领域知识 RAG：行业术语、口径定义、业务规则
  → 输出：语义层设计

@ai-native-agent-skill-design
  → 分析 Agent：指标查询、趋势解读、异常归因
  → 输出：Agent 和 Skill 设计

@ai-native-ux-design
  → 自然语言交互设计
  → 输出：信任分级和渐进式透明

@ai-native-audit-release
  → 数据准确性和洞察可靠性审计
  → 输出：放行决策

@ai-native-production-ops
  → 用户行为观测和数据飞轮建设
  → 输出：生产运行方案

SaaS AI Native 化分层

第一层：增强型（最常见）

• 自然语言查询替代下拉筛选
• AI 解读取代固定报表
• 异常自动发现和推送
• → 适合：加在现有产品上，快速验证

第二层：重构型

• 问答即分析（NL to SQL / API）
• 主动洞察推送（不只是被动查询）
• 预测性建议（而非历史数据展示）
• → 适合：产品全面 AI Native 化

第三层：自主型

• AI 自动执行业务动作（数据录入、报告生成、任务派发）
• 跨系统自动化工作流
• → 适合：有强集成能力的高阶产品

SaaS 案例 Skill 输出模板

```yaml

AI Native SaaS 案例方案

方向定界: 核心问题: [哪个功能层最值得 AI Native 化] 当前产品: [现有 SaaS 产品类型] AI Native 化层次: [增强型 / 重构型 / 自主型] Direction Brief: [输出]

试验展开: 能力实验: - 语义理解: [自然语言解析准确率] - 指标计算: [SQL生成准确率 / 误差率] - 异常检测: [误报率 / 漏报率] 产品实验: - 形态: [问答式 / 推送式 / 自主式] - 用户接受度测试 商业实验: - 付费意愿提升测试 - 续费率对比

系统构建: 语义层: - 指标定义: [原子指标 / 派生指标] - 维度关系: [业务口径] - 权限语义: [行级 / 列级权限] Agent 设计: - 查询理解 Agent - 指标计算 Agent - 异常归因 Agent - 报告生成 Agent Memory: [用户偏好 / 分析历史 / 常用指标] Context: [数据库Schema / 业务口径 / 权限上下文] RAG: [指标口径文档 / 行业知识 / 使用指南] UX: [自然语言输入 / 信任分级展示 / 可解释输出]

审计放行: 数据准确性: [误差容忍标准] 洞察可靠性: [置信度展示标准] 权限安全: [数据隔离验证]

生产运行: 数据飞轮: [用户查询 → 反馈 → 能力优化] 指标监控: [查询成功率 / 准确率 / 用户满意度] 价值发现: [使用频率 / 功能依赖度 / 续费相关性] ```

与其他 Skill 的关系

• 核心协同：@ai-native-context-engineering（语义层），@ai-native-agent-skill-design（分析Agent），@ai-native-ux-design（自然语言交互）
• 配套：@ai-native-production-ops（数据飞轮），@p10a-value-discovery-loop（价值发现）
• 案例 Skill：@p10b-aiops-case（AIOps场景），@p10c-customer-service-case（客服场景）

适用边界

• ✅ 数据分析类 SaaS（BI、CRM、ERP、分析平台）
• ✅ 需要自然语言查询能力的工具型 SaaS
• ✅ 可以形成数据飞轮的订阅型产品
• ❌ 数据质量极差、指标口径混乱的产品（先做数据治理）
• ❌ 强事务性、低分析价值的工具型 SaaS