AI Skills To Measure Anything - Part 1
本文介绍了作者基于《How To Measure Anything》一书开发的两个实用AI技能,旨在解决产品管理中的量化难题。首先是“费米分解法”,通过将难以测量的未知量拆解为可估算的组件并进行结构化计算,适用于市场规模评估和成本估算。其次是“澄清链”,通过“可探测性、可观察量、可测量性”三个环节,将抽象概念(如质量、风险)转化为具体的量化指标。这两种方法为PM提供了强大的分析框架。
本文介绍了作者基于《How To Measure Anything》一书开发的两个实用AI技能,旨在解决产品管理中的量化难题。首先是“费米分解法”,通过将难以测量的未知量拆解为可估算的组件并进行结构化计算,适用于市场规模评估和成本估算。其次是“澄清链”,通过“可探测性、可观察量、可测量性”三个环节,将抽象概念(如质量、风险)转化为具体的量化指标。这两种方法为PM提供了强大的分析框架。
文章提供了两个高度可操作、结构完整的 AI 提示词模板,对产品管理的量化分析极具实用价值,且发布日期非常贴近当前时间,具有很强的时效性和可读性。
文章介绍了 AI PM OS——一套面向产品经理的 Agent Skill 体系。作者强调:与其信任模型凭提示词自由发挥,不如为 Agent 配备结构化技能,确保输出质量稳定。核心方法论是'监督比你更聪明的人':通过间接提示让 Agent 自己复述问题、避免被先入为主的假设带偏,并用 /first-principles、/mckinsey-issue-tree、/causal-tree、/jtbd-forces 等技能栈按'定义问题、选择赌注、理解用户、定义成功、塑造构建、写作、推动组织'分阶段组织工作。同时利用记忆和历史会话,让 Agent 继承过往决策背景,提升产品判断力。
本期早报精讲三篇文章:一是 Every CEO Dan Shipper 介绍在 AI 快速演进中如何用小型实验室机制筛选产品创意,通过内部采用、早期客户测试等管线判断原型价值,其 AI 编辑助手已减少 12% 编辑工作量;二是 Elastic 分享用原子声明验证减少 LLM 幻觉的方法,将知识库文章合并拆解为可逐项核对的声明,把合并时间从一小时缩短到五分钟;三是 Thoughtworks 作者探讨健康的同行反馈机制,强调人类反馈不可被 AI 替代。速览部分涵盖 AI 代码现代化、机器人仿真资产、京东 AI 知识库、视觉模型 Skills 封装和 TPU 大模型训练复现等内容。
文章系统讲解如何编写 AI Skill:从用一句话加 SOP 封装出第一个 60 分的 skill,到通过把目标改写为动作、补充约束、设计自由度和提高词表颗粒度来提升到 90 分。作者拆解了摄影 skill 和封面 skill 两个开源案例,指出高手的秘诀在于将模糊概念拆成可执行的词表和明确的「不要」清单。还介绍了如何让 AI 递出陌生领域的行话词表,并澄清了 skill 与提示词、智能体的区别。全文强调约束和颗粒度决定 skill 的专业程度。
作者参加 B 站 Build in Public 大会,记录卡比老师关于「Skill 将死,方法论永生」的分享。随着模型训练进步,通用知识和标准流程逐渐被模型内化,长篇 Skill 说明将变得多余,重点转向方法论。文章总结了 8 个可加入日常 Prompt 的方法论:第一性原理、对抗式审查、消融实验、奥卡姆剃刀、列出不确定点、保持独立思考、批判性思维、高内聚低耦合。作者认为 Skill 中的视觉参考和工具调用仍有存在价值,但重复性通用说明已可被精简的提示词替代。
作者因 Codex 额度消耗过快,探索通过 OpenCodex + xAI OAuth 将 Grok 4.6 接入 Codex 的方法。教程详细介绍了环境准备(Node 18+、安装 OpenCodex 2.28.0)、初始化时先选 OpenAI 登录、执行 ocx login xai 完成授权与模型同步,并强调需发送真实请求验证。文章还总结了 5 个实测坑:原生模型消失、菜单有模型但请求报错、external_web_access 400、重启后服务未加载、本机代理导致 502,以及卸载还原的完整流程。
本文探讨了在软件工厂中验证循环(verification loops)对产品经理(PM)的重要性。文章指出,随着AI代理的普及,人类不再直接提示模型,而是通过编写循环让代理自主工作。验证循环是代理工作、评分、再工作的迭代过程,其中评分器(grader)是关键部分,PM应参与定义评分标准,以确保产品符合用户需求。文章详细介绍了验证循环的五个组成部分、五种评分方法(确定性检查、LLM作为评委、浏览器视觉验证、模拟环境和离线实验),并举例说明如何在构建循环和优化循环中应用这些方法。最终强调,PM在优化循环中可以利用验证循环来评估产品上线后的用户行为,从而推动产品改进。
作者从内容创作和小说写作的实践出发,发现把所有约束堆在一条长提示词里反而失效。核心问题是所有限制都放在顶层,AI 每次都要重新判断哪条重要。作者提出将 Prompt 分为三级:快速原型级解决能不能做,开发级解决能不能稳定做,管理级负责调度 CLI、Skill、MCP、脚本、Agent 等执行单元。顶层 Prompt 像经理,只保留目标、路由、验收和异常处理,具体规则下沉到各执行单元自带的说明中。写 Prompt 最关键的能力不是表达,而是组织能力。
DeepSeek 发布了坚持'一切皆插件'理念的 DeepSeek Harness,模型适配器、工具、文件系统、沙箱甚至 Agent Loop 都可通过插件组合。但其使用门槛偏高,界面仍处开发者预览阶段。作者基于此前 CodePilot 的经验开发了 Pilot Harness,为其加上桌面外壳和一组客户端插件:优化了项目切换、会话 Hover 卡片、输入区和设置页等交互,新增项目文件树、服务商配置等插件,并提供 macOS、Windows、Linux 三平台安装包。作者认同 Harness 拆分组件、允许重组的架构思路,认为这为 Agent 参与调整自身配置预留了接口。