用Skill做產品規劃？聊聊我踩過的3個坑

AI技能的落地并非一帆風順，從萬能許愿池到精準工具的認知轉變，背后是無數踩坑經驗的積累。本文首次披露作者在10個Skill實戰中遇到的三大典型陷阱：違背單一職責原則、高估私有數據抓取能力、盲目信任業務理解深度。

———— / BEGIN / ————

這段時間我在業務里瘋狂落地了近10個Skill，逐漸發現了一個值得聊的話題——AI 的局限性。

我發現，把 AI 當工具用和把它當“萬能許愿池”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 之后，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，一點真實的啟發。

第一個坑：總是忽略 AI 的“單一職責原則”

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？

它哪件事都沒干好，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；然后再去分析我積壓的近千條需求清單；最后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”。

結果可想而知，一團糟。

最后的解決方案是什么？

分拆。

我老老實實地把它拆成了三個獨立的 Skill：

1. 競品分析 Skill：只負責分析我投喂的競品日志，輸出路線圖和差異化策略。

2. 需求優先級判斷 Skill：只負責拿著我那上千條需求，嚴格按照我的方法論（P0-P4）打分，輸出優先級清單。

3. 產品規劃 Skill：最后拿著前兩個 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，理解所有復雜的訴求。

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，你什么也得不到。

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 年的升級日志和財務報表，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，基本全是基于網上公開的營銷軟文、發版通稿、甚至發布會公關稿拼湊出來的。對于產品底層究竟是怎么迭代的，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：對于 SaaS 企業來說，真正的“用戶手冊”、“升級日志”這些核心的更新記錄，都是需要登錄鑒權才能看到的，這屬于企業的私有化資產。AI 再厲害，也突破不了這層物理隔離。

最后的解決方案：回歸“外腦”定位。我換了個思路，把之前人工辛苦整理下來的“競品升級日志”作為原材料投喂給 AI。告訴它：“基于這些真實的迭代日志，幫我分析他們演進的路線圖和對我們的啟示。”

這一次，它給出的結果完全符合預期。

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，我每周都要花半個小時去人肉標識這些需求屬于哪個模塊（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并（比如把5條循環排班的需求合并成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后的高優需求表。

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“合并同類項”，它給出的合并結果，幾乎全是憑空臆想的，邏輯漏洞百出。

最終的妥協與務實：調試了好幾次后，我放棄了讓它去“深度理解并合并”的幻想。我退而求其次，選擇了更務實的路徑：不要求它合并需求，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，只是在后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。

小結一下：這第三個坑，其實是前兩個坑的綜合體。我既犯了“讓它同時干多件事（合并需求+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。

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）

但這并不意味著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：

1. 提供內部收集的競品升級日志文件，調用【競品分析 Skill】。

2. 導出 1000 條需求清單文件，調用【需求優先級判斷 Skill】。

3. 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】。

AI 終究只是那個拿著鍋鏟的大廚，而你，才是那個決定要做什么菜、并且負責準備頂級食材買得好不好的飯。

本文來自公眾號：產品方法論集散地 作者：產品方法論集散地