用Skill做產品規劃？聊聊我踩過的3個坑
整理版優先睇
AI Skill 唔係萬能，作者親身踩過3個坑：拆細、畀Context、務實用
呢篇文章係一位產品經理分享佢喺業務入面落地近10個AI Skill之後，對AI侷限嘅真實反思。作者最初對AI抱有唔少幻想，以為畀個簡單指令，AI就可以自動完成產品規劃、競品分析、需求優先級判斷等複雜任務。結果踩咗三個大坑，最後先明白到AI只係一個工具，需要正確嘅使用方式先至發揮到作用。
第一個坑係忽略AI嘅單一職責原則。作者嘗試一個Skill做曬所有嘢，結果乜都做唔好。解決方法係將複雜任務拆成多個獨立Skill，每個專注一個職能。第二個坑係過度迷信AI抓取私有數據嘅能力。AI只能夠根據公開資料拼湊，真正有價值嘅內部日誌需要自己提供。第三個坑係過度信賴AI對業務嘅推理同理解。AI無法準確合併需求，只能夠幫手判斷優先級，最終要由人嚟做決策。
總括嚟講，AI好似一個頂級大廚，但如果你唔畀佢足夠嘅食材同秘方，佢都煮唔出啱你口味嘅菜。使用Skill嘅時候，要嚴格遵循單一職能原則，同時提供充足嘅上下文(Context)，然後透過組合多個Skill完成複雜工作流。呢篇文章俾到一個務實嘅視角，提醒大家唔好高估AI，要回歸工具本身嘅定位。
- AI Skill應遵循單一職責原則，一個Skill只做一件事，例如競品分析、需求優先級判斷、產品規劃分開做。
- 唔好指望AI可以自動抓取私有數據，要自己準備好行業日誌、需求清單等材料。
- 過度信賴AI嘅業務理解能力會出錯，特別係需求合併呢類需要深度領域知識嘅任務。
- 務實做法：要求AI只做判斷優先級，人再做後續嘅合併同決策。
- 核心啟發：AI係輔助工具，你係負責提供上下文同最終決定嘅人。
第一個坑：忽略AI嘅單一職責原則
作者最初期望一個Skill可以同時輸出產品方案同評估工作量，結果兩樣都做唔好。之後佢嘗試用一個Skill做競品分析、需求優先級判斷同產品規劃，結果又一團糟。
期望一個Skill可以做曬所有嘢係最常見嘅錯
- 1 競品分析 Skill：只負責分析競品日誌，輸出路線圖同差異化策略。
- 2 需求優先級判斷 Skill：按P0-P4方法論為上千條需求打分，輸出優先級清單。
- 3 產品規劃 Skill：結合前兩個Skill嘅結果同企業戰略，輸出產品規劃路線圖。
單一職責原則係設計Skill嘅核心
第二個坑：過度迷信AI對私有數據嘅抓取能力
作者輸入競品名稱，期望AI自動抓取升級日誌同財務報表，結果AI只係用公開嘅營銷軟文同公關稿拼湊出內容，完全冇參考價值。
真正嘅競品升級日誌係企業私有資產
AI只能夠根據公開資料拼湊
上下文環境(Context)缺失係呢個坑嘅本質
解決方案係自己整理好競品升級日誌，然後將呢啲真實資料投餵畀AI，叫佢基於呢啲日誌分析路線圖。
第三個坑：過度信賴AI對業務嘅推理與理解
作者有1000多條需求，想用一個Skill同時做合併同類項同判斷優先級，結果AI合併結果憑空臆想，邏輯漏洞百出。
呢個坑係前兩個坑嘅綜合
高估AI對業務嘅理解能力
- 放棄合併需求嘅幻想，只要求AI按方法論判斷優先級（P0-P4）。
- AI原封不動輸出1000條需求，只喺後面加上優先級標籤。
- 人重點睇P0同P1嘅需求，自己做合併同決策。
唔好畀AI做需要深度領域知識嘅任務
總結：AI係大廚，你先係飯
作者總結三個坑後，對AI使用姿勢有全新認知：Skill創建要嚴格遵循單一職能原則，同時提供充足Context。
組合多個單一職能Skill完成複雜工作流
正確使用姿勢：拆細+畀Context
- 1 第一步：提供內部收集嘅競品升級日誌，調用競品分析Skill。
- 2 第二步：導出1000條需求清單，調用需求優先級判斷Skill。
- 3 第三步：自動結合前兩者輸出，加上公司戰略同資源，調用產品規劃Skill。
原本今日呢篇文章，我係想繼續分享點樣將產品方法論封裝到 AI Skill（智能技能）裏面嘅實操案例。
但係隨住呢排我喺業務裏面瘋狂落地咗差唔多10個Skill，慢慢發現咗一個更值得傾嘅話題——AI 嘅侷限性。
我發現，將 AI 當工具用同將佢當「萬能許願池」用，完全係兩回事。喺呢個將大模型吹到神乎其技嘅風口上，我都冇例外咁踩咗唔少坑。
今日唔講啲高大上嘅成功案例，淨係講我寫咗差唔多10個產品輔助 Skill 之後，實打實踩過嘅三個坑。希望可以俾一啲真實嘅啟發畀正在嘗試將 AI 融入日常工作嘅你。
第一個坑：成日忽略 AI 嘅「單一職責原則」
喺上次分享嘅時候，我已經踩過呢個坑。
當時我希望一個 Skill 可以幫我輸出完整嘅產品方案，同時順手將對應嘅研發工作量評估埋。結果呢？佢一樣都做唔好，方案寫得好水皮，評估都離曬譜。
尋日寫「產品規劃 Skill」嘅時候，我又犯咗同樣嘅錯。
我想用一個 Skill一步到位：叫佢先去分析關鍵競品最近兩年嘅迭代情況；跟住再去分析我積壓咗近千條嘅需求清單；最後再結合我哋公司嘅戰略方向，直接俾我吐出一份完美嘅「年度產品規劃」。
第一坑
結果可想而知，一鑊泡。
最後嘅解決方案係乜？分拆。我老老實實咁將佢拆成三個獨立嘅 Skill：
競品分析 Skill：淨係負責分析我餵俾佢嘅競品日誌，輸出路線圖同差異化策略。
需求優先級判斷 Skill：淨係負責拎住我嗰上千條需求，嚴格按照我嘅方法論（P0-P4）打分，輸出優先級清單。
產品規劃 Skill：最後拎住前兩個 Skill 嘅結果，結合企業戰略，輸出最終嘅產品規劃思路同路線圖。
小結一下：呢個係最常見、亦最易踩嘅坑。本質上，係我哋對 AI 抱有不切實際嘅幻想。我哋成日覺得佢已經強大到可以透過一句簡單嘅指令，理解曬所有複雜嘅訴求。
就好似你對啱啱請返嚟嘅應屆高材生話：「你將競品同我哋嘅需求池睇一睇，下晝俾我一份出年嘅產品規劃。」——除咗得到一份根本冇辦法落地嘅PPT，你乜都拎唔到。
第二個坑：過度迷信 AI 對「私有化數據」嘅抓取能力
做競品分析嘅時候，我一開始嘅想法好豐滿：我只要輸入競品名稱（例如北森、薪人薪事、飛書等），AI 就可以自動上網抓取佢哋最近 1-2 年嘅升級日誌同財務報表，自動幫我分析出一份產品路線圖同戰略變化。
佢的確輸出咗一篇洋洋灑灑嘅內容。但仔細一睇，基本上係基於網上公開嘅營銷軟文、發版通稿、甚至發佈會公關稿拼湊出嚟。對於產品底層究竟點樣迭代，幾乎冇任何參考價值。
其實，只要諗多一步，我都唔會有不切實際嘅幻想。
原因好簡單：對 SaaS 企業嚟講，真正嘅「用戶手冊」、「升級日誌」呢啲核心更新記錄，都需要登錄鑑權先睇到，呢啲屬於企業嘅私有化資產。AI 再犀利，都突破唔到呢層物理隔離。
最後嘅解決方案：回歸「外腦」定位。我換咗個思路，將之前人手辛苦整理落嚟嘅「競品升級日誌」作為原材料餵俾 AI。同佢講：「根據呢啲真實嘅迭代日誌，幫我分析佢哋演進嘅路線圖同對我哋嘅啟示。」
今次，佢畀出嘅結果完全符合預期。
第二坑
小結一下：呢個坑嘅本質係「上下文環境（Context）」缺失。你可以將大模型想像成一位享譽世界嘅大廚。但如果你唔將你哋屋企祖傳嘅秘方同特定嘅原材料交俾佢，佢絕對做唔出一道符合你口味嘅家鄉菜。
唔好對 AI 有超出常理嘅預期，以為淨係俾個簡單提示詞，你就坐喺度等收成。
第三個坑：過度信賴 AI 對自身業務嘅「推理與理解」能力
我負責嘅兩個子系統，最近一年半積壓咗 1000 幾條需求。以前，我每星期都要花半個鐘去人手標記呢啲需求屬於邊個模塊（例如：排班-循環排班-大小周）。
我一開始嘅如意算盤係：建立一個 Skill，將呢 1000 條需求掉俾佢。叫佢唔單止幫我將同類場景嘅需求合併（例如將5條循環排班需求合併成1條），仲要結合我嘅優先級方法論（產品價值 = 客戶價值 + 商業價值 - 情緒成本x2），直接俾我輸出一份精簡後嘅高優需求表。
結果呢？我又一次俾現實打面。我高估咗 AI 對我哋特定業務嘅理解能力，亦高估咗業務端提需求時描述嘅清晰度。AI 根本冇辦法好似我預期咁準確地「合併同類項」，佢畀出嘅合併結果，幾乎全部係憑空臆想，邏輯錯漏百出。
最終嘅妥協與務實：除錯咗幾次之後，我放棄咗叫佢「深度理解同合併」嘅幻想。我退而求其次，揀咗更務實嘅路徑：唔要求佢合併需求，只要求佢判斷優先級。
我輸入 1000 條需求嘅 Excel 表，佢原封不動咁輸出 1000 條需求，只係喺後面嚴格按照我嘅方法論加上優先級判斷（P0-P4）。咁樣，我只需要重點去撈啲被判為 P0 同 P1 嘅需求自己睇就得。
第三坑
小結一下：呢個第三個坑，其實係前兩個坑嘅綜合體。我既犯咗「叫佢同時做幾件事（合併需求+判斷優先級）」嘅錯，又犯咗「冇俾夠業務 Context 嘅情況下，指望佢好似我咁有業務直覺」嘅錯。
寫在最後
踩完呢三個大坑，我對 AI 嘅使用姿勢有咗全新嘅認知：
Skill 喺創建嘅時候，必須嚴格遵循「單一職能」原則。同時，需要提供足夠Context（即上下文）
但呢個唔代表我哋嘅工作流程只能係零碎。喺實際使用時，我哋可以將多個單一職能嘅 Skill 組合起來，將Context當做輸入素材利用起來。
例如，我而家要做2026年半年度規劃，我嘅工作流程變成咗：
提供內部收集嘅競品升級日誌文件，調用【競品分析 Skill】。
導出 1000 條需求清單文件，調用【需求優先級判斷 Skill】。
自動結合前兩者嘅輸出，加上我哋公司嘅戰略同投入資源，調用【產品規劃 Skill】，輸出最終產品規劃；
AI 終歸只係嗰個揸住鑊鏟嘅大廚，而你，先係嗰個決定煮乜餸、同埋負責準備頂級食材買得好唔好嘅飯。
原本今天這篇文章，我是想繼續分享如何把產品方法論封裝到 AI Skill（智能技能）裏的實操案例。
但隨着這段時間我在業務裏瘋狂落地了近10個Skill，逐漸發現了一個更值得聊的話題——AI 的侷限性。
我發現，把 AI 當工具用和把它當“萬能許願池”用，完全是兩碼事。在這個把大模型吹得神乎其神的風口上，我也沒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個產品輔助 Skill 之後，實打實踩過的三個坑。希望能給正在嘗試把 AI 融入日常工作的你，一點真實的啓發。
第一個坑：總是忽略 AI 的“單一職責原則”
在上一篇分享時，我就踩過這個坑。
當時我期望一個 Skill 既能幫我輸出完整的產品方案，又能順手把對應的研發工作量給評估了。結果呢？它哪件事都沒幹好，方案寫得很水，評估也很離譜。
昨天在寫“產品規劃 Skill”的時候，我又犯了同樣的錯。
我想用一個 Skill一步到位：讓它先去分析關鍵競品最近兩年的迭代情況；然後再去分析我積壓的近千條需求清單；最後再結合我們公司的戰略方向，直接給我吐出一份完美的“年度產品規劃”。
第一坑
結果可想而知，一團糟。
最後的解決方案是什麼？分拆。我老老實實地把它拆成了三個獨立的 Skill：
競品分析 Skill：只負責分析我投餵的競品日誌，輸出路線圖和差異化策略。
需求優先級判斷 Skill：只負責拿着我那上千條需求，嚴格按照我的方法論（P0-P4）打分，輸出優先級清單。
產品規劃 Skill：最後拿着前兩個 Skill 的結果，結合企業戰略，輸出最終的產品規劃思路和路線圖。
小結一下：這是最常見、也最容易踩的坑。本質上，是我們對 AI 抱有不切實際的幻想。我們總以為它已經強大到能通過一句簡單的指令，理解所有複雜的訴求。
這就像你對剛招進來的應屆高材生說：“你去把競品和咱們的需求池看一看，下午給我一份明年的產品規劃。”——除了得到一份根本沒法落地的 PPT，你什麼也得不到。
第二個坑：過度迷信 AI 對“私有化數據”的抓取能力
在做競品分析的時候，我一開始的想法很豐滿：我只要輸入競品名稱（比如北森、薪人薪事、飛書等），AI 就能自動去網上抓取他們最近 1-2 年的升級日誌和財務報表，自動給我分析出一份產品路線圖和戰略變化。
它確實給我輸出了一篇洋洋灑灑的內容。但仔細一看，基本全是基於網上公開的營銷軟文、發版通稿、甚至發佈會公關稿拼湊出來的。對於產品底層究竟是怎麼迭代的，幾乎沒有任何參考價值。
其實，但凡多想一步，我都不會有這種不切實際的幻想。
原因很簡單：對於 SaaS 企業來說，真正的“用戶手冊”、“升級日誌”這些核心的更新記錄，都是需要登錄鑑權才能看到的，這屬於企業的私有化資產。AI 再厲害，也突破不了這層物理隔離。
最後的解決方案：迴歸“外腦”定位。我換了個思路，把之前人工辛苦整理下來的“競品升級日誌”作為原材料投餵給 AI。告訴它：“基於這些真實的迭代日誌，幫我分析他們演進的路線圖和對我們的啓示。”
這一次，它給出的結果完全符合預期。
第二坑
小結一下：這個坑的本質是“上下文環境（Context）”缺失。你可以把大模型想象成一位享譽世界的大廚。但如果你不把你們家祖傳的秘方和特定的原材料交給他，他也絕對做不出一道符合你口味的家鄉菜。
不要對 AI 有超出常理的預期，以為只要給個簡單提示詞，你就能坐享其成。
第三個坑：過度信賴 AI 對自身業務的“推理與理解”能力
我負責的兩個子系統，最近一年半積壓了 1000 多條需求。以前，我每週都要花半個小時去人肉標識這些需求屬於哪個模塊（比如：排班-循環排班-大小周）。
我一開始的如意算盤是：建一個 Skill，把這 1000 條需求丟給它。讓它不僅幫我把同類場景的需求合併（比如把5條循環排班的需求合併成1條），還能結合我的優先級方法論（產品價值 = 客戶價值 + 商業價值 - 情緒成本x2），直接給我輸出一份精簡後的高優需求表。
結果呢？我又一次被現實打臉。我高估了 AI 對我們特定業務的理解能力，也高估了業務端提需求時描述的清晰度。AI 根本無法像我預期那樣準確地“合併同類項”，它給出的合併結果，幾乎全是憑空臆想的，邏輯漏洞百出。
最終的妥協與務實：調試了好幾次後，我放棄了讓它去“深度理解併合並”的幻想。我退而求其次，選擇了更務實的路徑：不要求它合併需求，只要求它判斷優先級。
我輸入 1000 條需求的 Excel 表，它原封不動地輸出 1000 條需求，只是在後面嚴格按照我的方法論加上了優先級的判斷（P0-P4）。這樣，我只需要重點去撈那些被判定為 P0 和 P1 的需求自己看就行了。
第三坑
小結一下：這第三個坑，其實是前兩個坑的綜合體。我既犯了“讓它同時幹多件事（合併需求+判斷優先級）”的錯，又犯了“在沒有給足業務 Context 的情況下，指望它能像我一樣擁有業務直覺”的錯。
寫在最後
踩完這三個大坑，我對 AI 的使用姿勢有了全新的認知：
Skill 在創建的時候，必須嚴格遵循“單一職能”原則。同時，需要提供足夠Context（即上下文）
但這並不意味着我們的工作流只能是零碎的。在實際使用時，我們可以把多個單一職能的 Skill 組合起來，把Context當做輸入素材利用起來。
比如，我現在要做2026年半年度規劃，我的工作流變成了：
提供內部收集的競品升級日誌文件，調用【競品分析 Skill】。
導出 1000 條需求清單文件，調用【需求優先級判斷 Skill】。
自動結合前兩者的輸出，加上我們公司的戰略和投入資源，調用【產品規劃 Skill】，輸出最終產品規劃；
AI 終究只是那個拿着鍋鏟的大廚，而你，才是那個決定要做什麼菜、並且負責準備頂級食材買得好不好的飯。