# Ai Product Proposal

> AI 产品架构正向设计 — 基于"四层骨架 + 数据流转"方法论,把一个 AI 产品想法推导成完整的文字版产品架构方案。当用户说"帮我设计 XX 的产品架构""我想做 XX,帮我搭骨架""给 XX 写一份立项方案""帮我准备 PRD 前期架构""帮我把 XX 的产品方案理出来""帮我面试答题 XX 产品架构""设计一个 AI 产品方案"等触发。适用于产品立项、PRD 前期规划、AI 产品方案设计、面试案例分析。不用于逆向拆解已有产品的架构(那是 product-architecture skill)。

- **Type:** Skill
- **Install:** `agentstack add skill-echoyu1025-a11y-ai-product-skills-ai-product-proposal`
- **Verified:** Yes — security-reviewed for prompt injection and unsafe behavior
- **Seller:** [echoyu1025-a11y](https://agentstack.voostack.com/s/echoyu1025-a11y)
- **Installs:** 0
- **Category:** [Agent Skills](https://agentstack.voostack.com/c/agent-skills)
- **Latest version:** 0.1.0
- **License:** MIT
- **Upstream author:** [echoyu1025-a11y](https://github.com/echoyu1025-a11y)
- **Source:** https://github.com/echoyu1025-a11y/ai-product-skills/tree/main/ai-product-proposal

## Install

```sh
agentstack add skill-echoyu1025-a11y-ai-product-skills-ai-product-proposal
```

Requires the [AgentStack CLI](https://agentstack.voostack.com/docs/cli). Works with Claude Code, Cursor, and any MCP-compatible agent.

## About

# AI 产品方案 SKILL — 从想法到完整方案

## 这个 SKILL 是什么

把"一个 AI 产品想法"通过结构化问卷推导成**产品经理可交付的完整方案**:

- **四层骨架文字版**:触达 / 场景 / 能力 / 数据 各层有几个模块、每个模块做什么、为什么这么切
- **数据流转**:至少 1 条向下沉淀 + 1 条向上回流的清晰描述
- **关键判断**:为什么选这个层级粒度、哪些是核心假设、哪些是待验证空白点
- **输出 Markdown 文字方案**(不是可视化图)

**正向产出**,不是逆向拆解。如果用户要拆解一个已有产品,转 `product-architecture` skill。

## 跟 product-architecture 的关系

| | product-architecture | ai-product-proposal(本 skill) |
|---|---|---|
| 方向 | 逆向拆解 | 正向设计 |
| 输入 | 已有产品名 | 产品想法 + 问卷回答 |
| 输出 | HTML 可视化 | Markdown 文字方案 |
| 核心问 | "他怎么搭的?" | "我应该怎么搭?" |

**两个 skill 共享同一套方法论**(四层骨架 / 数据流转 / 粒度判断)。本 skill 不重写方法论,直接调用老 skill 的 references。

## 触发后的工作流程

### 第 0 步:确认场景与用途

如果用户给的信息不够,**先问 5-7 个核心问题**,信息齐了再生成。

**问卷模板**(按顺序问,可以一次性问完也可以分批):

| # | 问题 | 用途 |
|---|---|---|
| 1 | 产品名 + 一句话定位 | 锁定输出主体 |
| 2 | ToC 还是 ToB? | 决定是否需要 4A 体系/生态层 |
| 3 | 目标用户 + 核心痛点 | 撑起场景层的"为什么用" |
| 4 | 你设想的核心场景有哪些?(3-5 个) | 直接对应场景层模块 |
| 5 | 已知的能力/数据约束?(可选,留空我会推理) | 撑起能力层和数据层的现实性 |
| 6 | **输出用途**:① 立项汇报 ② PRD 前期 ③ 面试案例 ④ 其他 | **决定输出形态(完整方案 vs 精简大纲)** |
| 7 | 详细程度:精简大纲(快速看判断)/ 完整方案(可直接贴 PRD) | 用户没说就默认完整方案 |

**关键判断**:
- 如果第 6 题选了**面试案例**,跳到[第 4 步:面试草稿模式](#面试草稿模式)。
- 如果用户提供的产品是他不熟悉的(常见于面试题),用最少假设 + 最常见的 AI 产品形态推理,**明确标注哪些是假设**。

### 第 1 步:阅读方法论

读同级目录下 `../product-architecture/references/methodology.md`,这是四层骨架方法论的核心,跟本 skill 共享。重点掌握:
- 四层骨架定义(触达/场景/能力/数据各层是什么)
- 数据流转的颜色和方向语义(虽然本 skill 输出文字,但语义要对)
- 粒度判断("能描述功能帮用户做什么"就够了)
- 归类判断("砍掉 A 后 B 是否受影响"测试)
- ToB/ToC 差异(ToB 多 4A 体系,AI ToC 可能有生态层)

### 第 2 步:阅读正向推导示范

读本 skill 的 `references/methodology.md`(正向推导版本)和 `references/examples.md`(AI 客服完整方案示范)。

老 skill 的 examples.md 是"逆向拆解后的形态",本 skill 的 examples.md 是"从想法正向写到方案的形态",两者侧重点不同。

### 第 3 步:六步法正向推导

按顺序推导,**输出方案前自查每一步**:

1. **从用户痛点出发**(对应问卷 Q3),确认目标用户和核心痛点
2. **穷举设想场景**(对应问卷 Q4),如果用户给的少于 3 个,引导补齐
3. **归类成场景层模块**(3-6 个,用"砍掉 A 影响 B"测试)
4. **反推能力层**:每个场景需要什么 AI/通用能力?共用的只画一次
5. **反推数据层**:每个能力消费什么数据?用业务语言不用技术语言
6. **设计数据流转**:至少 1 条向下沉淀(产品 → 数据)+ 1 条向上回流(数据 → 产品)

### 第 4 步:生成输出

**完整方案场景**(立项/PRD):
- 复制 `templates/proposal-full.md` → 当前工作目录
- 文件名:`-proposal.md`
- 填充所有占位符,标注待验证假设

**面试草稿模式**:
- 复制 `templates/proposal-interview.md` → 当前工作目录
- 文件名:`-interview-draft.md`
- 简化版结构,只保留四层 + 1 条流转 + 一句话总结
- **明确标注哪些是基于公开信息的合理假设**

### 第 5 步:输出后告诉用户

完成后告诉用户:
- 文件路径
- 一句话总结产品架构特点
- 1-2 条值得讨论的设计判断(为什么这么分层)
- 2-3 个**待验证的关键假设**(用 ⚠️ 标记的那些)
- 引导下一步:"哪一层你最想推翻重做?" 或 "哪个假设最不确定?"

## 关键原则

1. **不替用户决定**。架构是判断题,你提供推理,用户做最终判断。生成后引导讨论。
2. **假设要明确**。用户没说清的地方做合理假设,但**用 ⚠️ 显式标出**,不能糊弄过去。
3. **拒绝凑数**。某层只有 1 个模块要么是漏穷举、要么是真的薄 — 如实告诉用户。
4. **AI ToC 必问生态层**。如果是 AI ToC 但用户没提社区/UGC/智能体广场,要主动问"有没有生态层?没有的话增长引擎在哪?"
5. **ToB 必问 4A**。如果是 ToB 但用户没提认证/授权/账户/审计,要主动问。
6. **数据层用业务语言**。写"用户对话记录",不写"chat_logs 表"。

## 常见误判

| 现象 | 误判 | 纠正 |
|---|---|---|
| 把"语音输入"放在场景层 | ❌ | 它是能力层,场景层是"语音对话/语音笔记"这类业务 |
| 触达层只写"App" | ❌ 太粗 | 拆"iOS App / Android App / Web 端 / 小程序" |
| 数据层写"MySQL" | ❌ 技术细节 | 写"用户对话记录 / 企业存量文档" |
| 没有数据流转箭头 | ❌ 不完整 | 至少补 1 ↓ + 1 ↑ |
| 场景层 >7 个 | ⚠️ 颗粒度太细 | 用"砍掉 A 影响 B"测试合并 |
| 场景层 <3 个 | ⚠️ 颗粒度太粗或穷举不足 | 引导用户补充 |

## 输出之后

引导用户做两件事:

- **深度路径**:讨论这个架构**为什么这么分层**?反映了什么业务判断?
- **空白路径**:哪一层最薄弱?哪类数据没沉淀?哪类场景没覆盖?**那就是优化方向**。

## Source & license

This open-source skill is cataloged on AgentStack and links to its original source — we do not rehost the code.

- **Author:** [echoyu1025-a11y](https://github.com/echoyu1025-a11y)
- **Source:** [echoyu1025-a11y/ai-product-skills](https://github.com/echoyu1025-a11y/ai-product-skills)
- **License:** MIT

Install and usage instructions live in the source repository linked above.

## Pricing

- **Free** — Free

## Security capabilities

Automated source analysis of v0.1.0 — what this tool can access:

- **Network access:** no
- **Filesystem access:** no
- **Shell / process execution:** no
- **Environment & secrets:** no
- **Dynamic code execution:** no

*"Yes" means the capability is present in the source — more access means more to trust, not that it is unsafe.*


## Versions

- **0.1.0** — security scan: passed — Imported from the upstream source.

## Links

- Listing page: https://agentstack.voostack.com/l/skill-echoyu1025-a11y-ai-product-skills-ai-product-proposal
- Seller: https://agentstack.voostack.com/s/echoyu1025-a11y
- Browse the marketplace: https://agentstack.voostack.com/browse

---
Listed on AgentStack — the marketplace for AI agent skills and MCP servers. Every listing is security-reviewed. Creators keep 70%.