ai-product-strategy

AI 产品战略

范围

涵盖

• 为 AI/LLM/Agent 产品或 AI 功能组合制定可执行的产品战略
• 将 AI 的不确定性（非确定性、涌现风险）转化为包含评估和监测的实证计划
• 选择产品形态（助手、copilot 或 Agent）、自主性边界，以及安全与安保立场
• 制作领导者和团队可用于协同与执行的战略方案包

适用场景

• “制定我们的 AI 产品战略 / LLM 战略 / Agent 战略。”
• “确定 AI 用例的优先级，并将其转化为 AI 路线图。”
• “我们要在现有产品中加入 AI——应该构建什么，如何衡量成效？”
• “我们想推出一个 Agent；请明确自主性、安全和发布计划。”

不适用场景

• 你需要长期的产品 / 公司愿景（先使用 defining-product-vision）。
• 你需要深入的竞争对手研究、竞争对战卡或输赢分析（使用 competitive-analysis）。
• 你需要功能级 PRD / 规格说明 / 设计文档（制定战略后使用 writing-prds / writing-specs-designs）。
• 你正在进行模型架构研究、训练或基础设施级技术设计（交由 ML / 工程团队负责）。
• 你还没有明确的问题 / ICP 假设（使用 problem-definition / conducting-user-interviews）。

输入

最低要求

• 产品背景（当前已有的内容）+ 目标客户 / 用户 + 他们要完成的工作 / 面临的痛点
• 战略周期（默认：3–12 个月）+ 约束条件（预算、延迟、政策 / 法律、数据访问、平台）
• 预期的 AI 界面和范围：助手 / copilot / Agent；以及它在工作流中的位置
• 成功指标（1–3 项）和护栏（2–5 项），包括安全 / 信任、成本和延迟

缺失信息的处理策略

• 从 references/INTAKE.md 中最多提出 5 个问题（每次 3–5 个）。
• 如果仍缺少详细信息，则明确标注假设并继续，提供 2–3 个选项（用例重点、自主性级别、构建 / 采购）。

输出（交付物）

以 Markdown 格式生成 AI 产品战略方案包（在对话中提供；或根据要求生成文件），并按以下顺序排列：

1. 背景概览（决策、用户、约束条件、为什么是现在）
2. 战略论点（价值主张、时机、差异化、非目标）
3. 用例组合（按优先级排序的机会，含可行性和风险）
4. 自主性政策（助手→copilot→Agent 的边界 + 人工控制点）
5. 系统计划（构建 / 采购、数据计划、评估计划、成本 / 延迟预算）
6. 实证学习计划（实验、监测、迭代节奏）
7. 路线图（阶段、里程碑、退出标准、负责人）
8. 风险 / 未决问题 / 后续步骤（始终包含）

模板：references/TEMPLATES.md

工作流（8 个步骤）

1) 明确决策和边界

• 输入： 用户请求 + 约束条件。
• 操作： 明确要做出的决策、战略周期和受众。确定这是针对单项功能、产品线还是平台能力。写出 3–5 项明确的非目标。
• 输出： 背景概览草稿 + 范围边界。
• 检查： 你可以说清楚“我们将在 Y 日期前为 Z 受众决定 X”，并列出明确不在范围内的事项。

2) 梳理用户工作流和角色变化

• 输入： 目标用户 + 当前工作流。
• 操作： 梳理 AI 会改变用户工作的工作流步骤。记录“人工控制点”（用户必须审核 / 批准的环节）。识别重要的失效模式（幻觉、隐私、操作错误）。
• 输出： 工作流说明 + 角色变化要点（写入战略论点或附录）。
• 检查： 价值与真实的工作流步骤相关联（而不是泛泛的“AI 魔法”）。

3) 构建用例组合并确定优先级

• **输入：**工作流图 + 约束条件 + 风险承受度。
• **行动：**列出 6–12 个候选用例。评估其价值、可行性和风险。选出排名最高的 1–3 个重点方案，以及 1 个“稍后探索”的方案。
• 输出：****用例组合表格 + 建议。
• **检查：**每个选定的方案都有明确的用户、可衡量的结果和已知的“禁止事项”约束。

4) 明确差异化优势和“为什么是我们／为什么是现在”

• **输入：**重点方案 + 资产 + 市场背景。
• **行动：**起草战略论点：价值主张、为什么是现在，以及可防御的差异化优势（数据、分发、工作流集成、用户体验、信任）。写明关键假设及其验证方法。
• **输出：**战略论点（从模板中复制粘贴）。
• **检查：**差异化优势不能只是“我们使用 AI”；应明确指出能不断积累的优势或独特资产。

5) 选择产品形态和自主性策略（助手 → 副驾驶 → Agent）

• **输入：**重点方案 + 约束条件 + 安全要求。
• **行动：**确定实现实用价值所需的最低自主程度。明确系统可以做什么、可以建议什么，以及绝不能做什么。对于任何可执行操作，定义权限提示、审批、日志记录和回滚机制。
• 输出：****自主性策略表格。
• **检查：**每项操作能力都有明确的权限、可审计性和回滚机制。

6) 起草系统计划（自建／采购、数据、评估、预算）

• **输入：**自主性策略 + 约束条件 + 数据访问权限。
• **行动：**选择策略层面的技术方案（例如 RAG、工具调用、微调）和数据计划。制定评估策略（离线 + 在线）、质量目标，以及成本／延迟预算。
• **输出：**系统计划。
• **检查：**有合理可行的方案，能够通过可衡量的评估满足质量、安全、成本和延迟要求。

7) 以实证为依据（实验 + 埋点 + 迭代）

• **输入：**论点 + 系统计划 + 假设。
• **行动：**设计实验／原型，并制定上线后的“观察／倾听”计划。定义埋点（事件／日志）、评审频率，以及同时改进实用性和控制风险的迭代循环。
• **输出：**实证学习计划。
• **检查：**每个重要假设都有对应的测试、指标、负责人和时间限制。

8) 制定路线图 + 质量门槛 + 定稿

• **输入：**完整的草案包。
• 行动：制定分阶段路线图，明确里程碑、退出标准和负责人。执行 references/CHECKLISTS.md 并根据 references/RUBRIC.md 评分。始终添加风险／待解答问题／后续步骤。
• 输出：最终的AI 产品策略包。
• **检查：**利益相关者无需开会即可根据策略包采取行动；明确说明取舍和未知事项。

质量门槛（必需）

• 使用 references/CHECKLISTS.md 和 references/RUBRIC.md。
• 始终包含：风险、待解答问题、后续步骤。

示例

示例 1（AI 优先产品）：“使用 ai-product-strategy 为面向中型市场工程团队的 AI 编码助手制定策略。约束条件：8 周内发布 Beta；不得泄露专有代码；预算上限为每月 $X。”
预期结果：战略论点 + 已确定优先级的用例 + 自主性策略 + 系统／评估计划 + 路线图。

示例 2（AI 功能组合）：“使用 ai-product-strategy 为客户支持平台确定 AI 机会的优先级。决定采用副驾驶还是 Agent，纳入安全策略，并提出为期 2 个季度的路线图。”
预期结果：包含 1–3 个重点方案的用例组合、明确的 Agent 控制策略、实证计划，以及包含退出标准的分阶段路线图。

边界示例：“选出最好的 LLM 提供商。”
回应：将“提供商选择”视为系统计划的输入；询问约束条件（数据、成本、延迟、隐私、地区）。如果更广泛的产品决策尚不明确，则先执行完整的策略工作流。