简诗 AI 工具输入输出流程设计

先说清楚要解决什么问题

在国内做 AI 工具落地，最常见的失败模式是：拿到一堆大模型 API，接口调通了，效果却说不清。团队会花大量时间讨论 prompt 怎么写、模型选哪个、要不要上 RAG，却没有人先把一件事定下来——这个工具的输入是什么、输出是什么、谁在什么条件下用它。

结果就是交付物无法验收。运营觉得模型输出"不稳定"，研发觉得需求描述不清，最后要么无限加兜底规则，要么悄悄换掉方案。这个 Skill 针对的就是这个阶段：它不是帮你写代码，也不是帮你选模型，而是把 AI 工具的 输入（input）、输出（output）、使用流程（workflow） 三个维度拆成可检查的模块，逼着团队在动手之前把口径对齐。

这个技能如何工作

它的工作方式是一条独立业务工作流，而不是某个已有工具的改名副本。启动前会先要四类信息：

• 目标用户、业务目标与当前产品阶段（是 PoC、灰度还是全量）
• 用户反馈、行为数据、竞品或市场证据
• 研发、运营、预算和时间约束
• 与当前任务直接相关的历史结果和失败案例

信息不足时，它会先列出缺口和影响，而不是自行假设。涉及价格、时间、案例、资质、平台规则或经营结果时，不会替你补写数据。

执行流程分六步走：

1. 明确本次任务的业务目标、使用对象、成功标准和停止条件
2. 整理与输入、输出、流程直接相关的事实、数据、素材和约束
3. 把任务拆成可检查模块，确定优先级、负责人和依赖关系
4. 依据原能力边界执行，围绕 agents can use tools effectively 与架构裁剪（architectural reduction）来设计工具形态
5. 生成产品决策与运营包，同时标注事实依据、风险、缺口和人工确认项
6. 按目标、事实、可执行性、合规和交付完整性做发布前复核

最后产出四类交付物：目标与范围卡、执行步骤与模板、决策与运营包（含负责人和时间点）、证据与待确认清单。事实、推断、建议、待确认信息会分开标注，每条建议都要能落到具体的负责人、动作或检查标准上。

适用边界与注意点

有几条硬性边界不能碰。未经验证的用户意见、市场规模、增长预测，不能写成事实。本地文档和模板建议，不能冒充已执行的平台操作。涉及真实发送、发布、付费、删除、权限或生产变更时，必须由用户明确授权。密钥、Token、密码和无关个人信息一律不读取、不记录、不输出。

如果任一硬门槛没满足——比如业务目标说不清、成功标准缺失、或者关键信息缺口太大——输出会直接标记为 暂不可交付，并列出需要补充的信息、责任人和下一步动作。这比硬凑一份方案出来更有价值。