目标收敛与产品决策 Skill
SkillAI & modelsAI-Native product methodology — a practical Skill for goal convergence and product decision-making.
Available today. Use it from your connected AI after setup.
No other account needed.
Connect ahel once, and every AI you use reads what you have installed.
Then ask your AI: use the 目标收敛与产品决策 Skill skill
What this skill tells your AI
The instructions your AI receives, as published by gmaxxxie/ai-native-product-agent-skills in skills/p2d-convergence-decision/SKILL.md and read by ahel’s review.
使用场景
- 多轮实验已完成,需要判断哪些方向值得继续投入
- 实验结果分散,需要系统化整理和比较
- 需要从"还能试什么"收敛到"现在该做什么、不该做什么"
核心概念
- 收敛:不是想法变少,而是组织对问题、能力、形态和价值的判断越来越清楚
- 收敛信号:能证明方向值得继续工程化的证据(稳定成功率、清楚边界、用户接受度、价值密度)
- 产品决策:基于实验证据对方向做继续、延后、转向或停止的判断
收敛决策流程
假设池
→ 实验记录整理
→ 证据对比
→ 收敛信号识别
→ 产品决策
→ 进入系统构建 / 延后 / 放弃
第一步:实验记录整理
把所有实验结果结构化:
| 实验ID | 假设 | 实验类型 | 结果 | 成功率 | 关键发现 |
|---|---|---|---|---|---|
| E-01 | 自动回复能减少人工 | 商业实验 | 采纳率38% | 低 | 风险过高,用户不接受 |
| E-02 | Copilot 能提升效率 | 产品实验 | 采纳率65% | 中 | 主流程成立 |
| E-03 | 售后政策AI准确率>85% | 能力实验 | 准确率78% | 低 | 资料不足 |
第二步:证据对比
从四个维度对比每个方向:
- 技术可行性:最强模型下能力上限
- 用户接受度:产品实验中的采纳率和满意度
- 价值密度:商业实验中客户付费意愿
- 资料完备度:支撑工程化的资料是否足够
第三步:收敛信号识别
强收敛信号(建议继续)
- ✅ 多轮实验成功率稳定 > 80%
- ✅ 用户采纳率 > 60%
- ✅ 价值密度明确(客户愿意付费)
- ✅ 风险边界清晰,可控
弱收敛信号(建议延后)
- ⚠️ 单轮实验效果好,但无法稳定复现
- ⚠️ 技术可行但价值密度不清晰
- ⚠️ 用户有意愿但资料不完备
无收敛信号(建议停止)
- ❌ 多轮实验无法达到可接受准确率
- ❌ 用户采纳率 < 40%
- ❌ 价值密度过低(成本 > 收益)
- ❌ 风险边界无法划定
第四步:产品决策
对每个方向给出决策:
| 决策 | 条件 | 后续动作 |
|---|---|---|
| 继续(进入系统构建) | 四维度全部达标 | 启动工程化 |
| 延后 | 部分维度达标,资料或风险待解决 | 补充条件后重评 |
| 转向 | 原方向不可行,但相关方向有信号 | 调整方向重做实验 |
| 停止 | 核心假设被证伪 | 资源释放,聚焦其他方向 |
输出物:收敛报告与产品决策
- 实验记录总表:所有实验的结构化整理
- 证据对比分析:四维度评分对比
- 收敛信号评估:强/弱/无信号判定
- 产品决策清单:每个方向的继续/延后/转向/停止决策
- 进入系统构建的条件:明确什么条件满足后才可进入
- 未满足条件的补充计划:延后方向的改进路径
与其他 Skill 的关系
- 前置:@p2a-experiment-overview、@p2b-product-form-exploration、@p2c-process-redesign(各子实验结论)
- 后置:@ai-native-system-building(继续方向进入工程化)、@p2e-shadow-validation(继续方向的影子验证)
- 协同:@ai-native-direction-framing(方向调整时更新 Direction Brief)
示例
用户输入
"客服实验已完成 E-01 至 E-08 共8个实验,需要收敛判断"
Skill 执行
实验记录整理:
E-01 自动回复 → 采纳率38%,风险过高 → 停止
E-02 Copilot → 采纳率65%,效率提升35% → 继续
E-03 意图识别 → 准确率88%,边界清晰 → 继续
E-04 知识库检索 → 命中率72%,长尾不足 → 延后
E-05 自主回复 → 风险过高 → 停止
E-06 售后政策 → 准确率78%,需补充资料 → 延后
E-07 情绪检测 → 可行性低 → 停止
E-08 工单分类 → 准确率92%,价值明确 → 继续
收敛信号评估:
| 方向 | 技术 | 用户 | 价值 | 资料 | 综合 |
|------|------|------|------|------|------|
| Copilot | ✅ | ✅ | ✅ | ✅ | 强收敛→继续 |
| 意图识别 | ✅ | ✅ | ⚠️ | ✅ | 弱收敛→试点 |
| 知识库检索 | ✅ | ⚠️ | ⚠️ | ⚠️ | 无收敛→停止 |
产品决策:
继续: Copilot + 工单分类(进入系统构建)
试点: 意图识别(小范围试点,继续验证价值)
停止: 自动回复、情绪检测(资源释放)
延后: 知识库长尾、售后政策(补充资料后重评)
进入系统构建条件:
✅ Copilot 采纳率65%,超过60%阈值
✅ 工单分类准确率92%,超过85%阈值
✅ 价值密度已验证(ROI>200%)
✅ 风险边界清晰(人工确认兜底)
Signals
- GitHub stars
- 46
- Last commit
- Sep 2026
Advanced
- Catalog kind
- skill
- Gateway key
p2d-convergence-decision- Source
- github.com/gmaxxxie/ai-native-product-agent-skills