附录 全书模板与工具
正文讲为什么和怎么想，这里是你上手干活时抄的家伙。 这本书的正文负责把道理讲透，附录负责让你少翻书。下面十个模板，全部在正文里完整出现过、解释过，这里只留可以直接照抄的骨架，按章节顺序排开。这份附录不必从头读到尾，更适合作为案头参考：干到哪一步、卡在哪一问，回来翻对应的那一页。每个模板前有几句话，说清它什么时候用、配合哪一章。
一、AI 能力雷达图自评（配第 2、16 章）
动手之前先称体重。这张表帮你给自己画一张基线，配合第 2 章的四级台阶和第 16 章的三年路径使用——先给八力打分，再用四级台阶表定位你现在站在哪一格，三个月后回来重打一次，看曲线而不是看单点。打分凭直觉就行，不用纠结 3 分还是 4 分，这张表的作用是逼你把「我觉得自己还行」拆成八个维度去想。打完分，别忘了第 16 章那个坐标系：横轴是 AI 使用深度（工具、工作流、系统），纵轴是产出形态（任务级、产品级、资产级）。雷达图告诉你能力长什么样，坐标系告诉你该往哪走。 八力自评（每项 1–5 分）
| 维度 | 自评问句 | 打分 |
|---|---|---|
| 前瞻力 | 我能感知尚未爆发的难题吗？ | ☐ |
| 判断力 | 我分得清症状和真难题、能在多个方案间取舍吗？ | ☐ |
| 创新力 | 我能从 0 构造一个新方案吗？ | ☐ |
| 表达力 | 我的方案说出去，别人接得住吗？ | ☐ |
| 共情共识力 | 我的方案能在他人那里被认可吗？ | ☐ |
| 流程管理力 | 我能把方案拆成可执行的事件序列吗？ | ☐ |
| 领导力 | 我能在一件事里调度资源——人，也包括 Agent 吗？ | ☐ |
| 结果塑造力 | 我做的事真的成了转折点，还是发生过就过去了？ | ☐ |
四级台阶定位（对照第 2 章）
| 台阶 | 你在干什么 | 跳级判据 |
|---|---|---|
| 1 执行 | 用 AI 干你原本就干的活 | 70% 日常任务已有可调用的模板 |
| 2 增强 | 用 AI 做你原本做不到的活 | 至少交付 1 件靠 AI 突破能力边界的成果 |
| 3 驱动 | 让 AI 跑系统，不是跑任务 | 至少一条工作流「你睡觉时它也在跑」 |
| 4 超级个体 | 让系统产生资产 | 超过 50% 的收入或影响力来自昨天你没动手的产出 |
二、三层颗粒度拆解脚手架（配第 4 章）
任何一个 AI 需求，必须从「愿望」拆到「输入输出字段」，中间走三层，跳层就翻车。这是第 4 章的核心脚手架，每次接到一句话需求都先把它铺开。最常见的错误是从第 1 层直接跳到第 3 层：老板说「用 AI 做客服」，你就直接去想输入输出，干到一半才发现连做售前还是售后都没对齐。第 2 层是你真正做产品判断的地方，跳过它，就等于不知道为什么要做这件事。
| 层级 | 内容 | 谁负责 | 拆到位的标志 |
|---|---|---|---|
| 第 1 层 方向层 | 一句话愿望，如「用 AI 做客服」 | 老板 / 客户 | 对齐了方向，但不能开干 |
| 第 2 层 场景层 | 具体场景 + 用户角色 + 期望效果 | 你 | 能跟老板讨论 ROI 和优先级 |
| 第 3 层 字段层 | 输入 + 输出 + 规则 + 兜底 | 你，写进 PRD | 工程师可以开始干活 |
字段层四项的颗粒度参考：
- 输入：「工单」不行，要写「工单文本，50–500 字 string，超过截断，不足报错」
- 输出：「分个类」不行，要写「主类目 7 选 1，子标签 0–3 个，优先级高中低」
- 规则：写清例外和禁区，如「涉及退款金额的不分类，直接转人工；禁止输出任何金额承诺」
- 兜底：写清出口，如「置信度低于 80% 转人工；API 超时走关键词匹配」
成熟一点的版本可以加第五项「评估标准」：在多大的测试集上、达到什么数字才算能用，比如「200 条标注工单上主类目准确率不低于 90%」。
三、拆解自检 5 问（配第 4 章）
字段层拆完别急着交，先用这五问自己过一遍。拆错了还能当场发现，靠的就是这一遍自查，配合上面的脚手架使用。
- 输入字段，工程师能照着造测试数据吗？
- 每个输出字段都有明确取值范围吗？
- 边界四问写了吗——最长、最短、为空、超长各怎么处理？
- 兜底入口具体吗？AI 失败转哪、转人工的按钮在哪、几秒可达？
- 核心一问：工程师只看你这一页，会来问你几个问题？ 超过 5 个就回去补；如果他只能问「你到底想干啥」，说明你还停在场景层。
四、用户访谈 5 问（配第 4 章）
拆场景之前，先找一个目标场景的真实从业者聊 15 分钟，五个问题按顺序问。对象要选对：你拆的是客服分类，就去访谈客服，而不是另一个产品经理。访谈完写 500 字纪要，重点写「让你意外的话」——预期中的话只是确认，没想到的话才是发现。
- 你现在做这件事的具体流程是什么？（让他讲流水账，别让他总结）
- 这个流程里，哪一步最让你烦、最浪费时间？（找真痛点）
- 你之前用过什么工具？为什么没解决？（识别已有方案的不足）
- 如果有个工具帮你省 1 小时，你最想它干什么？（用户视角的需求）
- 假设我做出来了，你愿意每天花 5 分钟用吗？（验证频次，「可能用可能不用」就是闭环断了）
五、Prompt 最小 PRD 四要素检查单（配第 5 章）
Prompt 不是话术，而是把你的判断标准写清楚。写完一条重要的 Prompt，对照这四要素查一遍，每一项都能在 PRD 里找到对应物。
| 要素 | 对应 PRD 概念 | 自查 |
|---|---|---|
| 角色定义 | 用户画像 | 它知道自己是谁、服务谁吗？ |
| 任务说明 | 功能描述 | 要做的事有歧义吗？ |
| 输入约束 | 前置条件 | 它知道拿到的材料长什么样吗？ |
| 输出要求 | 验收标准 | 你能一眼判断结果合不合格吗？ |
要长期用的 Prompt，再加三支柱：可维护（版本化保存）、可评估（配 10 条测试集）、可回归（每次改完重跑一遍测试集）。
六、Skill 设计文档 7 要素（配第 7 章）
把重复的事封装成 Skill 时，先写设计文档再动手。这七要素不绑定平台，在 Claude、Coze、Dify、GPTs 上都能直接套用。
- Skill 名字：snake_case，描述性强，如 user_interview_pain_point_extractor
- 触发描述：50 字以内，告诉 AI 什么任务下加载它
- 输入定义：必填什么、选填什么、怎么校验
- 核心流程：3–5 步，流程清晰则 Prompt 是结果，流程模糊则怎么写都没用
- 输出格式：字段、结构、格式约束
- 失败兜底：输入不足怎么提示、识别不出怎么降级、输出不合规怎么重试
- 共享与版本：谁能用、当前版本号、已知限制
记住三个反直觉原则：越窄越好；流程比内容重要；失败比成功重要——七要素里最难写的从来不是 Prompt，而是输入定义和失败兜底。
七、兜底四件套清单（配第 8、12 章）
任何一个 AI 节点上线前，这四件必须想清楚。第 8 章讲它为什么是 demo 和产品的分界线；第 12 章另有一套长在产品体验上的四件套（引用、责任、场景、出口兜底），保险条款案例靠那一套把不稳定区压成可控区，两套配合使用。
| 兜底 | 一句话定义 | 示例（工单分类） |
|---|---|---|
| 阈值兜底 | 置信度低于 X 就不让 AI 做 | 低于 80% 不写入分类，转人工 |
| 规则兜底 | AI 失败或超时，走原有规则系统 | API 超时走关键词匹配 |
| 人工兜底 | 转人工入口明显、1 秒可达 | 客服一键纠正 |
| 数据兜底 | 错误案例自动收集，定期喂回 | 纠正数据每周回流训练 |
没有兜底设计的方案，工程师不会接，老板不敢上，用户用一次就不再用第二次。
八、ROI 速算公式（配第 9 章）
算投入产出比（ROI），不用做精细财务模型，估出数量级、分得出哪个场景优先就够了——场景 A 省 3 万还是省 3.2 万不重要，场景 A 省 3 万还是场景 B 账面省 5 万但风险极高，这个区分能做出来才重要。三行公式加四条提醒。
收益 = 节省人力 × 人力成本 + 提升转化 × 客单价 × 流量 成本 = 开发投入 + 推理费 + 维护费 回收周期 = 总投入 ÷ 月度净收益
- 显性成本算完，乘 1.5–2 倍估隐性成本：数据标注、Eval 维护、模型更新适配都不在报价里
- 输出 token 比输入贵 3–5 倍，生成长文本的场景成本远超直觉
- 回收周期老实报：算出 17 个月就说 17 个月，别说 10 个月
- 账面收益要做风险调整：错误率 × 调用量 × 单次失败成本，扣完再比较
向老板汇报时三类收益都说：硬收益算数字，软收益讲故事，战略价值画路线图。但硬收益是入场券。
九、真伪需求判断 7 问（配第 9 章）
第 9 章五个案例（三真两伪）背后的判断尺子。一个 AI 需求摆在面前，七问过一遍，任何一问含糊都先别动手。
- 用户痛点真不真？
- 场景对不对？（用户对象有没有错位）
- AI 是必要解，还是锦上添花？
- 兜底有没有？
- 完美叙事是否成立？（demo 里的理想用户，现实中存在吗）
- 设计能否驯服不稳定？
- ROI 算不算得过来？（用上面的速算公式，记得做风险调整）
伪需求不等于假场景，而是「听起来对、但现在做亏」的真场景——要用账算出来，不是凭感觉否掉。
十、单 / 多 Agent 架构决策五问（配第 10 章）
默认起点永远是一个打磨到位的单 Agent 基线——编排不是免费的，独立 Agent 集群最多能把基线错误放大 17.2 倍。只有任务特性确实需要时才升级，五问帮你判断。
| 问题 | 答案指向 |
|---|---|
| 集成是否工具密集（超过 10 种）？ | 是 → 选单 Agent；非用多 Agent 不可，用去中心化拓扑 |
| 系统是否因推理深度不足而失败？ | 是 → 留在单 Agent，在提示词里加「作答前先分析」的脚手架 |
| 系统是否因上下文质量下降而失败？ | 是 → 转多 Agent，让它们过滤和组织噪声 |
| 是否存在天然的拆分边界？ | 子任务完全独立 → 多 Agent；必须按顺序 → 单 Agent |
| 输出是否需要严格合规审核？ | 是 → 中心化多 Agent，编排器做验证关卡 |
经验法则：单 Agent 在任务上的准确率没掉到 45% 以下，先别考虑多 Agent。
工具清单（以在线更新版为准）
最后说工具。这个领域的工具迭代极快，任何印在纸上的清单都注定过时——可能在这本书付印之前就已经过时。所以这里只列类目和写作时点的代表，不写版本和功能细节；完整清单维护在在线更新页，扫描本书勒口的二维码获取最新版。
- 原型生成：v0、Bolt、Lovable
- 设计：Figma AI、Midjourney
- 演示：Gamma
- 编码 Agent：Claude Code、Cursor
- 工作流编排：Coze、Dify、n8n
- Eval 评估：Ragas、DeepEval、LangSmith
挑工具的原则比工具本身耐用：先用第 9 章的七问确认值得做，再选趁手的。工具会换代，但你沉淀在模板里的判断标准，搬到任何新工具上都能用。这也是这份附录存在的理由。