实践与复盘

场景面对一个还没有被说清楚的业务问题，先把目标、角色、约束和当前卡点摊开。

问题很多 AI 需求表面上是在找工具，实际卡在流程节点、数据流和反馈机制没有拆清。

方法从业务问题进入，拆出流程节点、输入输出、责任人和判断点，再决定哪些环节适合 AI 辅助。

观察流程拆清楚之后，AI 的位置通常会变得更小但更具体，系统设计也更容易落到真实动作上。

场景一套流程能够稳定跑起来之后，需要判断哪些部分只是临时方案，哪些可以沉淀为下一次复用的资产。

问题如果过早包装成产品，容易忽略复用边界；如果完全不沉淀，又会让每次实践都从零开始。

方法优先看清单、提示词、表单结构、判断规则、工具连接方式和异常处理是否能跨场景复用。

观察值得复用的通常不是整套“案例”，而是更小的节点、规则和协作方式。

场景围绕一个小工具站或轻量产品实践，观察需求发现、功能取舍、内容结构和上线反馈。

问题工具能做出来不等于产品成立，真正困难的部分常在定位、使用路径、信任建立和持续反馈。

方法把产品化拆成问题定义、最小可用功能、信息呈现、转化路径和复盘指标，而不是只看功能完成度。

观察产品化更像持续缩小假设：先验证用户是否理解，再判断功能是否值得继续加深。