我现在想使用之前的语音整理skill(https://github.com/grapeot/intake-skill.git)和这个两个sills(https://github.com/sunyuzheng/ask-lizheng.git和https://github.com/sunyuzheng/lizheng-open-context.git)结合做一个类似于产品经理的agent,可 以一键整理语音、整理成需求点,然后再生成一个原型图或者其他的一 份精美的展示文件,可以是需求的优先级展示也可以是输出可执行文件,要做到这些,我需 要给你提供什么东西

提问

AI根据立正公开的文章和视频整理,不是他本人回复

先别急着把三个 skill 串成一条流水线。你需要给 agent 的是:一段真实录音、一份“整理成什么样才算对”的样例输出,以及原型图或展示文件要回答谁的哪个问题。

先定“整理对了”长什么样

语音转成需求点这一步,最容易出的错是 AI 替你下结论、把犹豫和前提抹平,最后只剩几条确定建议⁠1。所以你要提供的不是“帮我整理成需求”,而是一份你认可的样例:同一段录音,你自己或让 AI 整理一版,标出哪些是原始诉求、哪些是推断、哪些还不确定。有了这个对照,agent 每次输出你才能判断是变好了还是只是变长了。Intake 那套做法值得借鉴的地方也在这里:录音、转录、Markdown 都留在自己目录里,可以搜索、修改、换模型继续加工⁠2。

原型图要回答一个具体问题

AI推演

“生成原型图或精美展示文件”这个目标太宽,会同时要求排版、信息取舍和判断,很难判断哪一步坏了。先选一个用途,比如“给三个人看,让他们决定先做哪个需求”,然后提供这个用途下的成功标准:看完能不能排出优先级、会不会追问同一个问题。立正提到,很多正确的决定在看到错误版本之前根本不存在,第一版的作用是让你发现原来的想法哪里不完整⁠3。所以第一版原型不必精美,它的价值是暴露你没说清的地方。

分清哪些值得自己做

转录、文件保存、调用模型这些是通用基础设施,交给现成工具就行;真正体现你判断的是“什么算一条好需求”“优先级按什么排”这部分⁠3。如果这个 agent 只有你自己用,先跑通一条录音到一份展示文件的链路就够了;如果以后别人要依赖它,就要考虑需求变了、录音格式变了时谁来维护⁠3。先想清楚这一点,再决定要不要现在就把三个 skill 拼成完整系统。

现有材料讲的是 Intake、访谈整理和 demo 与产品的差距,没有专门讲如何把多个 skill 串成产品经理 agent 的工程做法。

回到3份原文

我觉得之前整理的信息很全,也有分类,但是很多没有优先级我也知道如何开始做,而且也不知道做了这些对于业务会有什么价值,原型图这个事情我只是要一个可视化的结果,不需要很多产品设计的东西,但是这只是我的一家之见,

追问

AI根据立正公开的文章和视频整理,不是他本人回复

整理得全不等于能开始:先挑一件做完后业务上看得见差别的事,用原型去验证它,而不是先补全分类和优先级。

优先级来自价值,不来自分类

立正讲过,工作量和价值不成比例,真正拉开差距的是少数做完成果明显、不做后果明显的事;与其被杂事填满,不如用这类高价值工作占住时间⁠1,2。放到你整理的那堆信息上,判断顺序可以反过来:先问哪一条需求做完之后,业务上会有别人能看见的变化,哪一条不做也没人受影响。分类只是把东西摆整齐,它回答不了“先做哪个”。另外,找到一件有价值的事也不会立刻见效,立正提到通常还要经过多次推向市场、拿反馈、再调整,才会产生大的影响⁠3。所以“不知道做了对业务有什么价值”很可能不是想得不够,而是还没把其中一条真的交到业务那边试过。

原型只用来验证一个判断

你说原型只要可视化结果、不要很多产品设计,这个定位本身没问题:立正写过,原型最擅长的是顺利的情况——需求清楚、数据简单、用户只有你自己,而真正的难点在别人会怎么用、数据出错、需求变化这些地方⁠4,5。所以原型不必做得精致,但要能回答一个具体问题,比如业务方看到这个流程后,会不会说“这不是我们要的顺序”。立正也提到,很多正确的决定在看到错误版本之前根本不存在,第一版做出来才会发现原来的想法哪里不完整⁠6。反过来说,如果原型只是把整理好的信息画得更好看,它验证不了任何东西,业务价值也就无从谈起。

先选一条需求,做出可被否定的东西

AI推演

一个可以试的做法:从整理结果里挑一条你认为业务最可能在意、又最容易做错的需求,只做它的原型,然后拿给一个真正会用它的业务同事看,观察他第一反应是问“这个怎么用”还是“这不是我要的”。前者说明方向大致对,可以继续往下做;后者说明你对需求的理解还停在名词层面,需要先改判断再改图。这一步的价值不在产出物,而在让你知道哪条需求值得排到前面——这比先给全部信息排一遍优先级更快得到答案。

出处 6 3

这些材料讲的是判断价值和原型定位的一般道理,没有针对你所在业务的具体信息,哪条需求真有价值仍需你拿实际反馈去验证。

回到6份原文

4 超线性学院 2026-09-30

假学习的终结 ↗

区分原型擅长的情况和从原型到产品的难点,适合定位“只要可视化”的边界。