直播里被问最多的两个问题：找不到能上AI的场景，场景塞过来又不知道怎么拆。这篇把方法捋成文字版，先判断环节适不适合AI，再拆成IPO原子化节点，最后决定哪些做成Skill。

昨晚直播讲了两个多小时AI赋能怎么落地，这篇是整理后的文字版。

全文由MiMo基于录音妙记撰写整理，可能有未修正的转录错别字，我通读了一遍问题不大。

直播里被问得最多的就两个问题：找不到可以引入AI的场景；场景被塞过来，不知道怎么拆。

下面按直播的顺序把方法捋成文字。

给业务加AI，不用先做一个AI产品

2025年还常见的做法，是拿一个场景做成应用：搭个Dify工作流，包一层界面，交给业务用。今天没必要这么做了。

更好的策略是给员工配通用Agent，产品经理去做Skill和插件。发票审核、行政流程、运营杂活，都吃这一套。

有个例外。公司想集中管理AI的使用，或者不想让内部资料流到外部产品的API里，可以用Dify的Agents功能搭内部Agent，链接发给员工就能用。

卖SaaS的公司分两种看。产品高频使用、带看板或操作交互的，在原有产品里叠加AI功能是成立的。工具属性的SaaS走这条路会很难受：用户进来就是单点解决一个问题。工具型SaaS更可靠的做法是把能力API化，封装成MCP或CLI交给Agent调用。

工具一多就得配套Skill。一个SaaS随便几十个功能点，MCP的description里塞不下用法组合，得靠Skill告诉Agent什么任务调什么接口。WorkBuddy的连接器就是这两种形态：飞书走CLI，腾讯文档走MCP加一套官方Skill。MCP会常驻Agent上下文，工具多了还要靠连接器开关和router管理。WorkBuddy的router只给Agent写工具名和描述，需要细节时再按需拉取schema。

找场景：卡住大家的三个点

第一类，不知道这个环节能被AI干，找不到切入点。注意别硬造场景。帮行政写通知、做贺卡，人家自己两句话就搞定，轮不到你赋能。要找的是想干干不成的：不知道能干的，能力不足干不了的，试过一次没干好就说AI不行的。

第二类，知道能干，不知道AI该在哪个环节介入、介入多深。最常见的失败是整段活一股脑丢给AI。让AI写调研报告，不给方向不给需求，AI自己扩写搜索整理，交上来方向不对；加需求再改，改完又把前面改坏了。

这类活通常有三段，第一段本来就该人干：理思路、定方向、给大纲、给会议纪要。AI不知道你开过这个会。产品经理要做的是把分工写进产品：哪些信息必须人给，没给够就让AI反过来问用户，问不到就明确说干不了。也可以在入口上要求填完必填项才允许提交，体验硬一些，但比跑偏强。

第三类，知道该在哪个环节用，不知道上下文要给到什么程度。这分两块。

一块是必备输入。炒菜的例子最直观：人找不着酱油，会关小火先去找；AI找不着酱油，会拿生抽或者醋糊弄过去。必备的材料不给全，活一定干不好。

另一块是规则规范和判断条件。什么叫断生，少许是多少，怎么算合格。不给，AI就按它认为最好的规则干。这些属于行业基本认知，也正是赋能要补的东西。

用不好AI的人，多数是本身不会干这个活。人教不明白，可以教明白AI。把那部分认知交给AI，让这个人只干最基础的操作。

四个维度，判断一个环节适不适合AI

规则那条展开说。判断一条评论是不是负面情绪，给三五条样例就能说明白，但情绪没法用程序算出来，以前的NLP只能抽关键词。说得清、算不了，交给AI合适。能写成计算规则的，给程序。

容错那条同理。必须可丁可卯输出具体金额的场景给不了AI；四五个字的弹性、错了有人审的场景可以。一次性任务没必要做成产品，用户直接用通用Agent就行。

想批量找场景，把公司里的日历、日报周报、各部门周例会纪要丢给AI，让它按这几个维度筛一遍，看哪些环节值得引入AI。

IPO原子化拆解

场景确认能做之后就该拆了。我一直讲的IPO，是Input、Process、Output的缩写。

整个流程是一个IPO，先套上面的维度判断一遍，然后每个P再拆成IPO，I接着上一步的O，一层层往下拆，拆到不能再拆为止。

拆完逐个节点判断执行者：程序、AI，还是人。

能用程序干的，尽量别用AI。我分享过的写PRD、画原型那几个Skill，里面都有一步是运行脚本生成模板。模板内容固定，写进Python脚本里，Agent一运行就生成，每次一模一样零错误。让AI现场生成五份几百字的模板，没个二三十秒写不完，誊抄的过程中还特别容易抄错。

还有一种分工是AI先生成程序，再由程序算出结果。上游输出不稳定、不规范的时候，AI当中间的解析缓冲。这其实是两个节点：AI节点接程序节点。

拆完的结构本身就是工作流或者Skill。直播里我拿销售线索分层演示了一遍，AI两分钟拆出12个节点：读Excel、字段校验、缺失字段丢给人补全、抽取线索信息、权重打分、SLA分级、映射到销售、输出跟进建议、组装回写CRM、人工兜底。每个节点对应产品里的一个功能，也对应工作流里的一个节点。

这套拆解是产品经理的基本功。点一个交互，能反推背后每一步怎么实现的，算过了合格线；能拆到原子节点，就有机会复现别人的产品；能看出哪一步做得烂、提示词里大概写了什么、该怎么约束它，才算能做优化。

举个例子。我让WorkBuddy写一个调用真实大模型API的ChatBI，它为了调试，直接去读了我存API密钥的models.json。DeepSeekHarness、Codex这些工具遇到密钥会提醒你删掉、记得重置，提交代码时还会把密钥段加进.gitignore。WorkBuddy这个行为背后必然有一段提示词在驱动。遇到这种设计，要能反推出它写了什么，以及怎么反制。

认知劳动产品化：什么该做成Skill

有清晰方法论的内容，都可以做成Skill。我把这叫认知劳动产品化：脑子里的经验复刻成产品，直接垫给用的人。

要赋能的对象，是短期教不会、也不愿意学的那批员工。一教就会的人不用赋能，他自己会去找工具。教不会的那些，过去得靠三年五个项目练出来的东西，现在把方法论固化成Skill，让他照着干。

AI会做PPT，但默认不会按你的偏好做。你喜欢三栏布局，有自己习惯的配色和版式，这些才是Skill要固化的东西：你的流程、你的规则、你的审美。

通用的做法会被模型内化。GitHub上一万star以上的AI做PPT项目，火过一个版本，这套审美就被训进模型了。现在通用模型做HTMLPPT默认就是那种文字压英文的排版，看多了觉得廉价，这种默认视觉现在叫AISlop。个性化的偏好难被复刻，垂直流程里的玩法也一样。

Skill本质上是提示词加脚本加工具。工具一般外挂在MCP或者CLI上，全塞进Skill会臃肿，开发维护成本都高。

好多公司纠结要不要开发垂直场景的Agent，我觉得大部分没必要。通用Agent加一套Skill就是垂直Agent，真正需要单独做一个Agent的理由，剩下权限、规范、边界这几类。

用户90%的活都在通用Agent里干完，单独一个垂直Agent会很难受。你懂的场景不只有你懂，竞对做出Skill的那天，用户立刻就迁过去。吃一年半年的信息差可以，长期还是Agent加Skill。

写好Skill要懂Agent和模型的底层原理。不懂的人写出来的Skill，干一个轻松活要二三十分钟，各种规则反复读，时灵时不灵。

两个可以上手试的东西

Dify1.17.1之后的Agents功能值得玩一玩。可以选模型、预设提示词、装Skill、传文件、配工具，工具既可以是连接器，也可以把工作流封装进来。它的Skill市场做集中管理，市场里更新版本，所有Agent实时同步，省掉了员工本地改乱版本的问题。知识库也能接进来。

它是沙箱机制。每个Agent一套Docker沙箱和独立workspace，会话之间互相隔离，员工改不坏预设配置。代价是产出的文档跨会话不保留，运维成本高一些。适合流程管控类的Skill，写PRD这类完全没问题；依赖后端服务、要拉起页面、环境依赖重的Skill会费劲。

另一个是开源项目Pi。它新上的PiDurable支持长时间运行，状态管理做得好，崩了数据能找回，适合部署在云端跑长周期任务。它有本地和云端两套Agent，云端那套两核两G的服务器就够，手机上用快捷指令唤起，读剪贴板、读选中文件、语音输入都行。既能做中英互译这种单次请求，也能配Skill跑长程任务。

找工作，看三类公司

业务本位的公司，卖的是实体、咨询、代运营这类和趋势无关的东西。AI加进来是给业务环节提效：内部协作、营销获客、数据分析、生产流程。卖的东西不因AI变。这类岗位最看重的就是AI赋能的能力。

行业门槛没有想象的高。金融、医疗这类要专业积累，通用业务大多能快速补上。广告投放看着专业，拆开就是素材、竞价、盯盘、出价优化，把巨量引擎的优化师手册看一遍，一天能入门。面试前还可以照着做个小demo。

趋势本位的公司，是原来卖效率工具的SaaS和互联网产品。AI本身成了效率来源，它们必须把自己AI化，不转就掉队。现在两条路都在试：把自身能力抽象成工具给Agent调用；在原有产品里改交互、叠AI功能。没有成熟的普适方案，还有一层风险是被模型和Agent的进展直接推平。

第三类是做Agent和大模型的公司。门槛高，对harness、模型原理的要求高，薪资也高。这类团队的增长机会来自模型能力的突破：模型足够强，就能带着自己的入口涨用户。第三方小团队做的Agent产品，很难再出现爆发式增长。

前两类公司现在都在招FDE类岗位，考的核心能力就是分析场景和拆解场景。大部分通用行业的知识，AI都能帮你快速消解，只要你问得出问题。

学习设计可控可用的skill

我在《AI产品经理转型实战营》线下课程中，有从LLM底层特性到AI赋能场景验证、落地实施方案、Agent原理和AgentSkill开发的全流程内容。

课程授课时长共两天。不是单独教大家“写一个Skill”，而是沿着一条完整的产品能力链往下走。

第一天先从产品经理最常见的工作开始，从实践中掌握LLM的底层特性。

我会带大家用AI做市场调研、写PRD、画高保真原型几个产品经理最高频的工作，在实操中理解LLM的知识为什么不可靠、生成为什么不可靠，以及为什么产品经理必须学会质疑、约束和监控AI。

下午会进入真实业务场景，用IPO模型把业务场景拆成Input、Process、Output，再从规则结构化程度、信息充分度、数据量、容错率、人类决策和创造性等维度，判断一个环节究竟应该交给AI、程序还是人。

然后把合适的流程做成Workflow，并通过RAG给模型构建更可靠的上下文、构建一个基于内部知识的客服系统、AI知识库。

第二天是AI-Native产品，会带你亲手开发一个Agent，理解它“模型推理—工具调用—消息拼接—循环”的底层逻辑。

完成了以上内容学习，开发设计高质量、稳定的skill就如探囊取物了。

课程不是从“提示词技巧”开始，而是从LLM这个新用户的底层特性开始，一路走到场景拆解、上下文工程、Workflow、RAG、Agent、Skill和最终交付。

如果你此刻正想从传统产品经理转向AI产品经理，或者想抓住WorkAgent用户快速增长带来的这波机会，强烈推荐你来线下完整学一遍。

课程仍然在进行，接下来的安排如下：

城市时间状态

上海-9期10月24日-25日

招募中（今年最后一场）

课程原价3999元，限时早鸟价2999元将在二期开营前结束。