resources · v1.0

提示词与Skill 资源

每个框架配套可直接复制使用的提示词模板与操作清单。 点击「复制」即可粘贴到 Claude / ChatGPT / Gemini 等任何智能体里使用。

v1.0 已全量覆盖 40 个框架(F00 + F01-F36 + G01-G03),按模块分组。

index · 快速跳转
模块一 · 竞争重写
模块四 · 系统重写
模块五 · 价值重写
模块六 · 人类重写
治理神经 · Governance
F01 · AFFR

智能体五力重构 — 行业竞争分析

查看完整框架

用途:对一个具体行业做"智能体时代的五力分析",识别哪一力的来源在变。

你是一位智能体管理学(AMS)的战略分析顾问。请用 F01 · AFFR 框架,分析以下行业在智能体渗透后的竞争结构变化: 【目标行业】:[在此填写行业] 【主要参与者】:[列出 3-5 家代表企业] 请按以下结构输出: 一、两个假设的检验 - 这个行业里,"执行主体是人"这个假设在哪些环节开始失效? - "价值链是线性的"这个假设在哪些环节出现裂缝? 二、五力的重写 逐一分析(每力 ≥ 2 段,含具体场景): 1. 进入威胁 — 智能体如何改变壁垒厚度? 2. 供应商力量 — 新型供应商(模型平台/算力)的影响? 3. 买方力量 — 买方智能体是否进场?信息不对称如何被消除? 4. 替代品威胁 — 是否出现"能力替代"(跨行业的智能体服务)? 5. 同业竞争 — 编排能力是否已成为新的竞争维度? 三、第六力评估 - 这个行业里,"主权力"(数据/模型/执行/治理/经济五维)的高低如何分化? - 主权力高 vs 低的企业,未来 3 年的命运分化点在哪? 四、战略建议 基于以上分析,给出 3 条最具决策意义的战略建议,每条 ≤ 50 字。
F03 · APM

智能体组合矩阵 — 项目盘点与象限定位

查看完整框架

用途:盘点企业当前所有智能体项目,按"战略价值 × 自主化成熟度"定位到四象限。

你是一位智能体管理学(AMS)的组合管理顾问。请用 F03 · APM 框架,帮我对企业内部的所有 Agent 项目做盘点和资源配置建议。 【企业背景】:[在此填写企业规模、行业、当前 AI 投入情况] 【Agent 项目清单】: [以列表形式提供每个项目的:名称 / 用途 / 负责团队 / 当前状态] 请按以下结构输出: 一、双轴打分(每个项目逐一打分) - 战略价值(0-10):从收入贡献、成本节省、用户体验、风险控制、护城河贡献五维综合 - 自主化成熟度(L0-L5):稳定性、准确率、边界清晰度三维综合 - 给出具体依据,不允许凭感觉 二、四象限定位 - 明星象限(高价值 × 低成熟):列出项目 - 现金牛象限(高价值 × 高成熟):列出项目 - 问题象限(低价值 × 低成熟):列出项目 - 工具象限(低价值 × 高成熟):列出项目 三、资源配置建议 对每个象限给出明确的资源配置策略: - 明星:重点投入哪些瓶颈?预期升级到现金牛的时间线? - 现金牛:如何推向数据飞轮? - 问题:哪些值得快速验证?哪些应当砍掉? - 工具:哪些可以 Skill 化复用? 四、迁移追踪建议 建议 4-6 周复盘一次,追踪每个项目在矩阵里的迁移路径——给出复盘所需的最小数据集。
F17 · VERITAS ★

可信智能体七维评估

查看完整框架

用途:对一个智能体产品做"可信度"七维立体评估,安全维度单独审查。

你是智能体管理学(AMS)的质量评估专家。请用 F17 · VERITAS 七维框架,对以下智能体产品做立体质量评估。 【产品名称】:[名称] 【用途场景】:[场景] 【已知数据】:[准确率/响应延迟/错误模式/已知漏洞等] 请按 VERITAS 七维逐项打分(0-100)并给出依据: V · 可验证性(Verifiable)— 输出是否可被独立验证?提供推理路径或来源? E · 可解释性(Explainable)— 判断逻辑是否能被人类有意义地理解? R · 可靠性(Reliable)— 跨场景跨时间表现是否一致? I · 影响度(Impact)— 出错时的影响范围和严重程度? T · 可信度(Trustworthy)— 用户信任程度是否与实际能力匹配? A · 适应性(Adaptive)— 面对新场景和边缘案例是否合理处理? S · 安全性(Safe)— 是否存在可被恶意利用的漏洞?是否产生有害输出? ★ 重要规则: - 安全性(S)必须满分(100),否则阻止发布——不接受任何形式的补偿 - 六个其他维度可以互相补偿(如可解释性弱可由可靠性强+审计完善弥补) 输出格式: 1. 七维评分表 + 各维度具体依据 2. 互补关系分析:哪些弱维度被哪些强维度弥补? 3. 发布建议:通过 / 阻止 / 有条件通过(列出条件) 4. 改进路线图:未来 3 个月最该投入的 2 个维度
F22 · PRTD

执行链路四环诊断 — Agent 调试

查看完整框架

用途:当一个智能体出错,沿 P → R → T → D 四环逐节点定位根因,替代散弹枪调试。

你是 AMS 的工程诊断专家。请用 F22 · PRTD 四环框架,帮我定位智能体系统出现的故障根因。 【故障现象】:[详细描述出错的现象] 【输入示例】:[给出导致出错的 1-3 个典型输入] 【期望输出】:[给出对应的期望输出] 【实际输出】:[给出系统实际输出] 【已尝试的修改】:[列出已经做过的尝试] 请按以下方法系统定位: 第一步 · 初步定位 基于故障表现,判断最可疑的环节(一次只指向一个): - 问题只出现在特定类型输入上 → 倾向环 1(提示词/意图) - 输出缺少应有的内容 → 倾向环 2(检索) - 出现明确的错误信息或调用失败 → 倾向环 3(工具) - 推理逻辑前提对但结论错 → 倾向环 4(决策) 第二步 · 逐环假设-验证(一次只改一个变量) 给出针对目标环节的实验设计: - 实验 1:固定环 2/3/4 的条件,单独改变环 1 的提示词 - 实验 2:固定环 1/3/4 的条件,单独改变环 2 的检索逻辑 - ... 每个实验给出明确的"如果...则可以确认根因在...环" 第三步 · 修复后验证 设计验证方案确认: - 故障是否真的不再出现(不只是当前测试通过) - 修改是否对其他环节产生了副作用 第四步 · 回流评测集 建议把这次失败案例如何抽象为评测集条目,防止未来重演。
F27 · AOMM

AgentOps 成熟度自评

查看完整框架

用途:诊断企业当前 Agent 运营处于 M1-M5 哪一级,识别 M3/M4 跃迁缺口。

你是 AMS 的运营成熟度评估专家。请用 F27 · AOMM 五级框架,诊断我们的企业 Agent 运营目前处于哪一级。 【运营现状描述】: - 在生产的 Agent 数量:[填写] - 监控机制:[填写 — 有无日志/告警/SLI/SLO] - 质量基准:[填写 — 是否有业务级质量指标/Error Budget] - 问题发现方式:[填写 — 用户投诉/人工巡检/自动告警] - 自动化质量门禁:[填写 — 是否有变更前评测自动阻止机制] - 团队配置:[填写 — 是否有专职 AgentOps 角色] 请按以下结构输出: 一、当前级别诊断(M1-M5) 逐项对照五级标准,给出当前级别 + 具体依据。 注意:自评通常高估——按"实质达到的最低级别"判定。 二、距离 M3(实验/生产分水岭)的差距 - M3 需要:SLI/SLO 体系 + 业务级质量基准 + 退化预警 - 你们缺少哪些?预计建设周期? 三、距离 M4 的真正门槛 - M4 需要:自动化质量门禁 + Error Budget 管理 - 这两套机制目前的状态?最难建立的是哪一个? 四、6 个月行动路线 给出从当前级别到下一级的具体行动清单(≤ 10 条),按优先级排序。 特别标出:哪些是"建设型"工作(需要工程投入),哪些是"制度型"工作(需要管理层授权)。 五、风险预警 如果在当前级别停留超过 12 个月,最可能出现的业务风险是什么?
F31 · Agent ROI

四类价值盘点 + 盈亏平衡曲线

查看完整框架

用途:避免季度 ROI 误判——四类价值完整盘点 + 盈亏平衡点时间分析。

你是 AMS 的 ROI 评估专家。请用 F31 · Agent ROI 框架,帮我对一个 AI 投资项目做完整 ROI 分析——不只是季度 ROI 数字。 【项目描述】:[填写] 【已投入】:[人力+预算+时间] 【当前可量化收益】:[填写] 【当前阶段】:[投入第 X 个月] 请按以下结构输出,不要只看类 1: 一、四类价值完整盘点(每类必须显式回答) 类 1 · 直接效率价值(最易量化) - 替代/加速了哪些人工任务?时间节省 × 人力成本 = 多少? 类 2 · 间接业务价值(代理指标) - 加速了哪些业务决策?这些决策的加速带来多少收入/避免多少损失? - 客户体验改善了多少?历史上和留存率的关系? 类 3 · 能力积累价值(资产性增值) - 积累了多少数据资产?质量如何? - 团队 AI 能力成熟度提升了多少? - 可复用 Skill 资产价值多少? 类 4 · 战略防御价值(机会成本) - 如果不建,竞争对手建了会带来多大竞争劣势? - 时间窗口何时关闭? 二、盈亏平衡点时间分析 - 把成本和价值按月份展开,绘制累计曲线 - 估算盈亏平衡点(第几个月会发生) - 当前进展是否符合预期时间线? 三、决策建议 基于完整分析,给出: - 续投 / 调整 / 退出 的建议 - 如果是"暂时性 ROI 为负但正常积累中",给出说服董事会的关键证据点 - 如果是"项目本身有问题",说明问题根源在哪
F33 · IACMM

个人 AI 能力等级自评

查看完整框架

用途:诊断自己或下属在 L1-L4 哪一级,重点识别"L2→L3"跨越的卡点。

你是 AMS 的人才发展顾问。请用 F33 · IACMM 框架,对以下个人的 AI 协作能力做等级诊断。 【被评估对象】:[姓名/匿名 + 当前岗位] 【近 3 个月 AI 使用情况】:[列出主要场景] 【完成过的最复杂 AI 任务】:[描述] 【遇到的最大困难】:[描述] 请按以下结构输出: 一、四级等级诊断(L1-L4) 逐项判断: - L1 工具使用者:能否使用单个 AI 工具完成明确任务? - L2 协作设计者:能否设计 AI 辅助的工作流程? - L3 系统驾驭者:能否构建管理多 Agent 系统?需要三种能力——边界感知/组合设计/评估 - L4 能力创造者:能否将能力系统化为组织 Skill? 给出最终判定 + 具体依据。 二、L2 → L3 卡点诊断(如果当前在 L2 或以下) 重点考察三种 L3 特殊能力: 1. 边界感知 — 能否预见 AI 系统的失效模式?给个具体测试题 2. 组合设计 — 能否把多个 Agent 组合成整体优势?给个测试题 3. 评估能力 — 能否区分随机波动和系统性问题?给个测试题 三、定向培养建议 不要建议"再学更多提示词技巧"。要给出: - 应该参与什么样的真实项目(最好是真实多 Agent 系统构建) - 应该跟随什么样的导师/角色 - 应该阅读什么样的材料(非工具培训) - 6 个月里的关键里程碑
F36 · AC6 ★

人类核心能力六维自检

查看完整框架

用途:跳出"AI 做不到什么"的防御视角,主动盘点你的 AI 时代独特价值。

你是 AMS 的发展教练。请用 F36 · AC6 框架,引导我做一次"AI 时代核心能力六维自检"。 【我的基本信息】:[职业/年龄/工作年限] 【最近 6 个月让我有成就感的工作】:[3-5 件] 【最近 6 个月让我感到价值感缺失的工作】:[3-5 件] 【我面对 AI 时代的最大焦虑】:[描述] 请按以下结构引导我: 一、AC6 六维自检(每维独立反思) 1. 好奇心(Curiosity)— 我最近主动探索过哪些"无用但有趣"的方向? 2. 判断力(Judgment)— 我最近做过哪些有价值冲突的决策?我承担了什么后果? 3. 设计力(Design Thinking)— 我最近有没有质疑过"现有方案的前提"? 4. 关系力(Relational IQ)— 我和同事/客户的关系深度如何?有没有共同经历过困难? 5. 学习力(Meta-learning)— 我最近有没有重构过自己的认知框架? 6. 价值锚定力(Value Anchoring)★ — 我坚守的、不该被优化掉的事情是什么? 每维给我 1-2 个反思问题,引导我深入回答。 二、识别"被 AI 焦虑遮蔽的真正独特价值" 基于我的回答,指出: - 我哪些工作其实是"AI 做得到但人来做更有价值"? - 我哪些焦虑其实是错误归因?(焦虑的真正来源不是 AI) 三、6 个月发展行动 不要建议"学更多 AI 技能"。要建议: - 哪些 T3/T4 任务我应该主动争取深化? - 哪些 T1 任务应该主动让给 AI,把时间释放出来? - 我应该如何把"价值锚定力"显性化(与他人沟通、写下来、做出来)? 最后用一句话总结:"你在 AI 时代的真正独特价值是 ___"
G03 · HSCN ★

智能体主权五维评估

查看完整框架

用途:评估企业在数据/模型/执行/治理/经济五维的主权水平,识别锁定风险。

你是 AMS 的主权治理顾问。请用 G03 · HSCN 框架,对企业的智能体主权状态做五维评估。 【企业基本情况】:[行业/规模/AI 投入年限] 【当前 AI 供应商】:[列出主要的模型/平台/工具供应商] 【核心数据存放】:[在哪些系统] 【运行基础设施】:[自有/云/混合] 请按以下结构输出: 一、五维主权评估(0-100 分) D · 数据主权 — 核心数据所有权和控制权?能否随时迁移? M · 模型主权 — 是否可自主部署/切换?是否被单一供应商锁定? E · 执行主权 ★ — 智能体在可控基础设施运行?能随时暂停/调整/关闭? G · 治理主权 — 规则制定权和审计权在企业内部? Ec · 经济主权 — AI 能力能否独立变现?还是依附平台分发? 每维给出分数 + 具体依据 + 锁定风险。 二、锁定风险识别(最关键的产出) 哪些环节存在"被单方面决定后业务崩溃"的风险? - 某供应商涨价:影响多大? - 某供应商改变政策:能否切换? - 某平台出现问题:业务受多大冲击? 三、主权与开放的平衡建议 注意:主权不是"什么都自建"——是"保持选择权"。 请给出: - 哪些环节可以继续使用外部服务(已有选择权) - 哪些环节必须建立自主选项(消除锁定) - 哪些环节应该建立"飞轮型"自主能力(积累壁垒) 四、6-12 月主权提升路线图 按优先级排序,包括具体投入估算(人力/预算/时间)。
F00 · ECOT

企业能力编排论 — 战略认知校准

查看完整框架

用途:诊断企业是否仍在"科斯式"思维框架中,识别向"能力编排"转型的关键缺口。

你是 AMS 的战略哲学顾问。请用 F00 · ECOT 框架,帮我做企业 AI 战略认知校准。 【企业基本情况】:[行业/规模/AI 投入年限] 请按以下结构输出: 一、科斯三支柱当前状态评估(每支柱 5 段以内) - 执行成本支柱:企业 X% 的执行是否已被智能体承担? - 有限理性支柱:哪些决策已可由 AI 跨领域整合? - 资产专用性支柱:核心知识是否仍只在人身上?还是已沉淀为 Skill 资产? 二、三个根本性转变诊断 - 资源拥有 vs 能力编排:企业目前更像"资源仓库"还是"编排系统"? - 管理幅度 vs 编排幅度:管理者是在"管人"还是在"编排节点"? - 降低成本 vs 积累信任:企业 AI 战略的隐性目标是哪一个? 三、能力编排成熟度诊断 按 0-10 分,给企业的"能力编排能力"打分,依据来自:节点定义清晰度、跨节点流转效率、信任积累机制三方面。 四、战略下一步建议 给出 3 条最具决策意义的建议——必须从"企业是什么"的层级出发,不是"AI 怎么用"。
F02 · SDMA

七维护城河 + 半衰期评估

查看完整框架

用途:对企业做"传统 4 维 + 智能体原生 3 维"的护城河评估,并判断每维的半衰期方向。

你是 AMS 的护城河战略顾问。请用 F02 · SDMA 框架,对企业做七维护城河评估。 【企业基本信息】:[行业/规模/竞争对手] 【企业当前护城河自述】:[填写] 请按以下结构输出: 一、七维证据式评分(0-10) 传统校正版(4 维):转换成本 / 网络效应 / 流程优势 / 品牌规模 原生版(3 维):数据飞轮 / 编排能力 / 主权控制 每维必须给出具体事实依据,不允许凭感觉。 二、半衰期方向判断(每维) - 半衰期在变长(飞轮型,越来越宽) - 半衰期在变短(侵蚀型,越来越窄) - 维持中(基础条件类) 三、绝对评估 vs 相对评估 - 绝对:我们在每维当前是几分? - 相对:与最强对手的差距在扩大还是缩小? 四、12 个月强化路径 针对最弱 2 维 + 半衰期变短最快的维度,给出可执行强化计划。
F04 · TICA

三元能力获取决策(Build/Buy/Orchestrate)

查看完整框架

用途:对一项 AI 能力做 Build / Buy / Orchestrate 三元决策,避免在错误框架下做选择。

你是 AMS 的能力获取顾问。请用 F04 · TICA 框架,帮我决策一项 AI 能力的获取方式。 【目标能力】:[填写——比如智能客服、合同分析、风险评估……] 【内部现状】:[团队/数据/已有技术资产] 【外部供给】:[市场上的供应商/产品状况] 请按以下结构输出: 一、三维评估 - 战略重要性(高/中/低):是否构成核心差异化? - 构建可行性(高/中/低):内部资源时间能力是否足够? - 市场成熟度(高/中/低):外部供给质量如何? 二、决策结果 应用决策规则:三高→Build / 三低→Buy / 中间→Orchestrate 说明哪个维度权重最大,最终决策是什么。 三、若选 Orchestrate,编排架构设计 - 需要组合哪些外部能力? - 架构知识壁垒在哪里建立? - 编排数据飞轮如何启动? 四、6 个月复审节点 明确什么条件下决策需要被重新审视(市场成熟度变化、内部能力突破、战略调整等)。
F05 · DLAM

数字劳动力资产盘点(DKEP 四维)

查看完整框架

用途:把所有 Agent 重新分类为数字劳动力资产,建立 S/A/B/C 资产台账。

你是 AMS 的数字资产管理顾问。请用 F05 · DLAM 框架,把企业的 Agent 资产化盘点。 【现有 Agent 清单】:[列出所有运行中的 Agent] 请按以下结构输出: 一、DKEP 四维评估(每个 Agent) - D · 数据飞轮:是否持续积累数据并转化为能力提升? - K · 知识沉淀:承载多少企业专有知识?不可替代性? - E · 执行效能:相对人工的效能倍数? - P · 平台协同:与其他系统的嵌入深度? 二、S/A/B/C 资产分级 - S 级(战略核心):哪些?每个的专属负责人? - A 级(高价值运营):哪些?维护机制? - B 级(通用效率):哪些?是否可跨团队复用? - C 级(待评估或退役):哪些?应该修复还是退役? 三、双轨核算建议 - CapEx 型(自建的):摊销周期如何设? - OpEx 型(调用型):按何维度归集? 四、向 CFO 的汇报点 3 条最有说服力的"AI 不是费用,是资产"的论据。
F06 · AaaS

智能体能力商业化分层决策

查看完整框架

用途:对企业内部 AI 能力做 AaaS 三阶演进规划,并判断哪些能商业化、哪些必须保留。

你是 AMS 的 AI 商业化战略顾问。请用 F06 · AaaS 框架,对企业内部 AI 能力做对外变现规划。 【内部已有 AI 能力清单】:[填写] 【企业商业模式现状】:[B2B/B2C/订阅/许可等] 请按以下结构输出: 一、能力清单分类 对每项 AI 能力,判断是"飞轮型"还是"非飞轮型": - 飞轮型:使用过程中持续积累数据、能力越用越强 - 非飞轮型:执行特定任务但不产生积累效应 二、商业化决策 - 飞轮型能力 → 可以商业化(越卖越强) - 非飞轮型核心差异化能力 → 保留(不能卖) - 非飞轮型标准化能力 → 可工具化对外 三、三阶演进路径建议 - 哪些已具备工具化(SaaS)条件?按使用量定价 - 哪些可包装为流程化交付?按流程完成量定价 - 哪些可承诺结果化定价?敢承诺结果本身是壁垒 四、商业化路线图 给出 12-24 个月的分阶段推进计划。
F07 · HACNO

人机混合网络组织设计

查看完整框架

用途:把传统组织架构重新设计为五节点网络结构(人/Agent/工具/编排/治理)。

你是 AMS 的组织设计顾问。请用 F07 · HACNO 框架,重新设计一个业务部门的组织结构。 【目标部门】:[部门名/职能] 【当前人员配置】:[岗位结构] 【已部署的 Agent / 工具】:[列出] 请按以下结构输出: 一、节点识别 对当前的每个工作流程,识别五类节点: - 人类节点:处理价值判断、关系、责任承担的环节 - 智能体节点:可高频自主完成的执行环节 - 工具节点:被调用的能力(CRM/API 等) - 编排节点:协调多智能体的环节 - 治理节点:审计、权限、监控 二、三层结构对齐 - 战略层(纯人类):哪些决策必须保留? - 协同层(人机混合):管理者如何演化为"系统导演"? - 自动化层(Agent 自治):边界明确的任务有哪些? 三、编排幅度评估 现有管理者能编排多少个节点?瓶颈在哪?需要培养什么能力? 四、3 个月改造步骤 不是大爆炸式重组,而是渐进式节点演化。
F08 · DFAMP

双前台 + Agent 中台架构诊断

查看完整框架

用途:诊断企业当前 AI 中台是否走在"静态复用"老路,给出向"动态编排"演进的路径。

你是 AMS 的中台架构顾问。请用 F08 · DFAMP 框架,诊断企业 AI 中台的架构成熟度。 【现有中台状况】:[功能/接口/使用情况] 【前台业务部门反馈】:[填写] 请按以下结构输出: 一、当前中台诊断 - 中台是"静态能力库"还是"动态编排系统"?给依据 - 前台业务部门"用不起来"的根因是什么? 二、双前台设计 - Agent 前台:哪些任务可以划入?需要什么自动升级机制? - 人类前台:哪些低频高价值任务必须保留? - 边界画在哪里?是当前争议最大的判断 三、中台三模块完整性 - 编排引擎(动态任务规划):是否存在? - Skill 资产库(可调用能力单元):管理状态如何? - 治理中心(权限审计):覆盖完整吗? 四、数据后台进化能力 前台行为数据是否回流?反哺 Skill 优化的闭环是否运转?没有这个闭环,中台只是静态系统。 五、6 个月架构改造路线。
F09 · RACI-A × DAL

AI 决策治理矩阵 — 责任 × 自动化

查看完整框架

用途:对一个智能体系统做 RACI-A × DAL 治理填写,识别"治理死区"。

你是 AMS 的 AI 治理顾问。请用 F09 · RACI-A × DAL 框架,对智能体系统做治理矩阵填写。 【智能体系统】:[名称/用途] 【当前自动化程度】:[L0-L5] 【现有责任分配】:[填写] 请按以下结构输出: 一、RACI-A 五角色填写 对每个关键决策节点: - R 执行责任:人 or 智能体 - A 最终问责:必须是具名人类(不允许是部门) - C 咨询参与:专家 or 规则检查 Agent - I 知情通知:相关方 - Ag 自动化执行:Agent 角色(如有) 【强制规则】:Ag 和 A 必须同时存在,A 永远具名人类。 二、DAL 等级标注 每个决策节点的当前等级(L0 全人工 ~ L5 完全自治),评估是否过度自动化。 三、二维治理矩阵分析 - 治理死区识别:高 DAL × A 栏无具名人类 = 孤儿智能体 - 治理达标区:高 DAL × 具名 A = 可审计可追责 四、修复建议 对死区节点:要么降低 DAL,要么补 A,要么二者并行。 五、季度审查机制 建议每 90 天对所有 Ag 节点的 A 栏做一次复审。
F10 · ARRM

岗位 T1-T4 任务结构重构

查看完整框架

用途:把一个岗位的工作内容拆为 T1-T4 四类任务,规划重构路径。

你是 AMS 的岗位重构顾问。请用 F10 · ARRM 框架,对一个具体岗位做任务结构重构。 【目标岗位】:[岗位名 / 当前 JD] 【该岗位日常主要工作】:[列出 10-15 项] 请按以下结构输出: 一、T1-T4 任务分类 对每项工作分类: - T1 可自动化:规则清晰,无需情境判断 - T2 AI 增强:人机协同最优 - T3 人工主导:需要情境/关系/创造性判断 - T4 人类核心:需要价值判断/责任承担 给出每类占比(时间维度)。 二、重构方向 - T1 → 哪些可以被替代?释放时间多少? - T2 → 如何优化人机协作方式? - T3 → 应该如何深化拓展? - T4 → 应该如何更显性化、更受组织重视? 三、岗位演化路径 新岗位画像 = T1 减少多少 + T3/T4 拓展什么? 新 JD 草稿(保护"关键执行层",不要错误压缩)。 四、识别"编排者潜质" 当前岗位中有谁可能演化为编排者岗位?需要补什么能力?
F11 · ABERS

Agent 边界 + 升级 + 恢复三系统设计

查看完整框架

用途:为一个 Agent 系统设计完整的边界、升级、恢复三系统,防止"边界腐烂"。

你是 AMS 的 Agent 安全治理顾问。请用 F11 · ABERS 框架,为一个 Agent 系统设计三系统治理。 【Agent 系统】:[名称/用途/风险级别] 请按以下结构输出: 一、边界系统设计 - 任务边界:可执行哪些任务(授权 ≠ 能力)? - 资源边界:可调用哪些工具/数据/算力? - 决策边界:哪些风险级别可自主决策? 二、季度有效性审查机制 - 每季度审查谁负责? - 触发审查的业务/技术/使用漂移信号是什么? - 防止"边界腐烂"的具体动作是什么? 三、升级系统五触发条件 对每类触发条件给出阈值: 1. 不确定性超过阈值(置信度低于多少) 2. 资源需求超出权限 3. 输出影响不可逆 4. 意图歧义检测(智能体特有) 5. 环境异常感知(智能体特有) 【强制要求】:每个升级路径必须具名 + 时效要求。 四、恢复系统 + 根因闭环 - 即时遏制:发现越界后如何限制损害? - 影响评估:评估什么内容? - 根因回流:越界记录如何回流到边界系统,驱动边界更新?
F12 · Kotter-AI

AI 转型变革管理 — Kotter-AI 三调整

查看完整框架

用途:为 AI 转型项目设计"破除中层消极配合"的变革管理方案。

你是 AMS 的变革管理顾问。请用 F12 · Kotter-AI 框架,为 AI 转型项目设计变革方案。 【企业 AI 转型现状】:[已推进多久/技术就位但文化没跟上的具体表现] 【中层管理者的隐性担忧】:[访谈或观察到的真实焦虑] 请按以下结构输出: 一、共同认知构建(替代"建立危机感") - 找哪些证据让组织共同看见 AI 时代的变化? - 怎样把"必须变"的强制变成"为什么要变"的共识? 二、体验式短期胜利设计 - 选哪个早期试点最能让参与者感受到"AI 让我做得更好"? - 怎样让"做了 vs 没做"的差距最直接可见? 三、中层焦虑的正面回应 - 不要用"AI 不会取代人"的话术 - 显式回答"我的价值是什么"——给具体的新价值定义 四、持续进化能力建设(替代"固化文化") - 建立什么机制让组织持续感知 AI 新能力? - 安全实验新工作方式的试验机制? - 定期反思和调整的组织节律? 五、Agent-First 文化六特征当前状态 对六个文化特征逐项评估当前状态(萌芽/形成中/稳固/缺失)。
F13 · ARPS

Agent 产品双轴定位

查看完整框架

用途:为一个 Agent 产品在"自主性 × 人格化"双轴上明确定位,避免下游决策偏差。

你是 AMS 的 Agent 产品定位顾问。请用 F13 · ARPS 框架,对一个 Agent 产品做定位。 【产品基本情况】:[名称/目标用户/核心场景] 请按以下结构输出: 一、双轴定位评估 - 自主性维度(L0-L5):当前位置 + 目标位置 - 人格化维度(工具/助理/同事/化身):当前位置 + 目标位置 二、四象限定位结论 最终落在哪个象限?典型代表产品有哪些? 三、四个下游设计维度推导 - 交互范式:基于定位,主要交互方式应该是什么? - 信任机制:用户信任应该如何建立? - 合规义务:高人格化是否需要"代理人"合规设计? - 定价逻辑:席位/用量/结果——哪个最匹配? 四、定位错配风险 检查现有产品设计:是否存在"定位说一套、设计做一套"的系统性偏差? 五、12-24 月演进路径 能力提升会让自主性自然上移,需要哪些信任建设里程碑配套?
F14 · JTBO

JTBO 三层任务-结果-所有权设计

查看完整框架

用途:为 Agent 产品做"任务-结果-所有权"三层定义,明确结果归属。

你是 AMS 的 Agent 产品需求设计顾问。请用 F14 · JTBO 框架,对一个 Agent 产品做需求重写。 【产品场景】:[填写] 【当前 JTBD 表述】:[填写——用户雇佣这个产品做什么任务] 请按以下结构输出: 一、三层结构填写 - 任务层(Task):智能体实际执行的具体操作 - 结果层(Outcome):用户真正想要发生的业务变化(连追三次"然后呢") - 所有权层(Ownership): · 结果定义者:谁说"这个结果算达成"? · 结果监控者:谁持续追踪? · 结果响应者:偏离预期时谁有权介入? 二、可验证的结果达成标准 结果是否达成必须可量化验证。给出标准。 三、定价逻辑推导 基于结果可定义性: - 可精确定义结果 → 可按结果定价 - 仅方向性结果 → 混合定价(方向性 + 过程质量) 四、多 Agent 长链路时的结果归因 若涉及多个 Agent 协作,结果归因如何分配?防止"责任真空"。 五、产品 PRD 改写建议 当前 PRD 缺失"结果定义"和"所有权设计"的部分应该补什么?
F15 · CADM

上下文四层架构设计

查看完整框架

用途:为 Agent 设计完整的系统/任务/历史/动态四层上下文,避免"先优化能力再设计感知"的错误。

你是 AMS 的上下文工程师。请用 F15 · CADM 框架,为一个 Agent 设计完整的上下文架构。 【Agent 用途】:[填写] 【当前输出质量问题】:[填写——是否有质量不达预期的具体表现] 请按以下结构输出: 一、四层上下文盘点 - 系统上下文(最稳定):角色定义、工作原则、边界规则——当前是否清晰? - 任务上下文(按任务变化):目标、背景数据、约束条件——是否精准排除噪声? - 历史上下文(随时间积累):交互记录、偏好——记什么不记什么? - 动态上下文(最不稳定):实时数据、当前状态——运行时注入机制如何? 二、精准 > 丰富审查 当前上下文里是否有不相关的噪声信息?哪些应该删减? 噪声不是"读不懂",而是"分散注意力、模糊信号"。 三、优先级冲突规则 当四层信息冲突时,规则是动态 > 任务 > 历史 > 系统。 但系统上下文的边界规则不可被任何层覆盖——这些"硬规则"是哪些? 四、改进顺序 不要直接动模型升级或提示词工程。先审查上下文设计,问: - 是给了模型错误信息?还是没给它需要的?
F16 · D-PMF

托付型 PMF 三指标设计

查看完整框架

用途:判断 Agent 产品是真 PMF 还是"假 PMF"——用户喜欢但不托付重要任务。

你是 AMS 的 Agent 产品增长顾问。请用 F16 · D-PMF 框架,评估一个 Agent 产品是否达到真 PMF。 【产品当前数据】:DAU / 留存率 / NPS [填写] 【用户实际使用场景】:[列出典型使用场景,按重要性排序] 请按以下结构输出: 一、传统 PMF vs 托付型 PMF 对照 - 传统 PMF 信号:当前数据是否健康? - 托付型 PMF 信号:用户用这个产品处理的,是无足轻重的事,还是真正重要的事? 二、三个托付型指标设计 - 任务完成率(结果层定义):当前是多少? - Override 率(用户推翻 AI 决策):当前是多少?太高 = 不信任信号 - 再委托率(失败后是否再委托):失败任务的再次委托比例? 三、"假 PMF"陷阱诊断 - 用户用产品的场景,重要性分布如何? - 是否存在"喜欢但不托付"的明显证据? 四、信任建设路径 - 当前阻止托付的是能力信任还是可靠性信任? - 12 个月里如何系统性建立可靠性信任?
F18 · CATER

治理信任五维评估

查看完整框架

用途:区分能力信任与治理信任,对 Agent 做 CATER 五维评估,识别"可逆性"缺口。

你是 AMS 的治理信任顾问。请用 F18 · CATER 框架,对一个 Agent 产品做治理信任评估。 【Agent 产品】:[名称/用途/风险级别] 请按以下结构输出: 一、能力信任 vs 治理信任分离 - 能力信任(VERITAS 评估):当前状态? - 治理信任(本框架 CATER):当前状态? 两者必须分开评估,不可混淆。 二、CATER 五维评分(0-100) - C 可控性:任意时刻人类可接管的接口是否存在? - A 可审计性:日志完整可追溯? - T 透明性:当前状态对监督者实时可见? - E 可解释性:判断逻辑可被人类有意义理解? - R 可逆性 ★:错误结果可撤销/补偿? 三、可逆性深度审查(最关键) - 列出所有可能产生不可逆影响的操作节点 - 每个节点是否前置人工审批? - "补偿事务"是否在流程设计阶段就预先设计好? 四、是否值得进入高价值场景? 任一维度不达标 → 不允许上线高价值场景。 "先上线再补治理"是反模式。
F19 · MAAML

多 Agent 架构成熟度选型

查看完整框架

用途:为业务场景选择正确的多 Agent 架构级别——避免"越复杂越先进"的工程浪漫主义。

你是 AMS 的 Agent 架构选型顾问。请用 F19 · MAAML 框架,为一个业务场景选择合适的架构级别。 【业务场景】:[填写] 【任务复杂度描述】:[单一/线性/动态/并行/涌现] 请按以下结构输出: 一、当前选型评估 当前架构在 L1-L5 哪一级?是否过度复杂? 二、最低足够级别匹配 - L1(单 Agent):能解决吗? - L2(流水线):序列化任务用 L2 即可 - L3(监督者编排):动态任务调度 → 最佳实践 - L4(并行协作):仅当真正需要并行 + 状态一致性 - L5(自组织群体):研究级,不适合生产 三、L3 → L4 成本评估 若考虑 L4,必须明确: - 多出的 8-15 倍工程成本对应多少业务价值增量? - 这个比例是否合理? 四、"刚好够用"判断 最终建议级别 + 理由。 强制原则:除非有特殊需求,绝大多数生产场景的最优解在 L2-L3。
F20 · E³

评测驱动工程 — 评测集设计

查看完整框架

用途:写代码之前先设计评测集,让 Agent 项目有明确的"成功定义"。

你是 AMS 的工程方法顾问。请用 F20 · E³ 框架,为一个 Agent 项目设计完整的评测集。 【项目目标】:[填写] 【当前阶段】:[未开始/早期/已上线] 请按以下结构输出: 一、评测集结构(必须在写代码前完成) - 覆盖场景类型:正常 / 边缘 / 对抗(与 F25 联动) - 评估维度:哪些维度?每维度的合格基准线是多少? - 质量度量方式:分布描述(非"通过/失败") 二、典型评测样本设计 - 正常场景:5-10 个代表性输入 - 边缘场景:5-8 个偏离预期的输入(描述模糊、格式异常等) - 对抗场景:3-5 个主动尝试让系统失效的输入 三、运行机制 - 每次代码/提示词/模型变更后是否自动运行评测集? - 评测结果反馈到团队的频率和形式? 四、评测集是活的 - 生产失败场景如何回流到评测集? - 评测集 vs 代码的优先级——谁定义谁? 五、反模式警告 "先跑再说、后补质量"是 3-5 倍代价的反模式。
F21 · SAG

Skill 资产治理 — 从丛林到组织资产

查看完整框架

用途:把分散的个人 Skill 文件治理成 S/A/B/C 四级组织资产。

你是 AMS 的 Skill 资产治理顾问。请用 F21 · SAG 框架,对企业 Skill 库做治理盘点。 【现状】:[Skill 文件分布、责任人、质量参差程度] 请按以下结构输出: 一、Skill 文件标准化检查 对每个 Skill 文件,检查五组件: 1. 任务定义(输入输出规格) 2. 执行逻辑(提示词模板、上下文架构) 3. 质量标准(评测集示例) 4. 边界说明(不适用场景) 5. 维护信息(责任人、版本、下次审查时间) 二、S/A/B/C 四级分类 - S 级(战略核心):哪些?专属负责人?修改审批流? - A 级(高价值运营):哪些?维护机制? - B 级(通用效率):哪些?跨团队复用机制? - C 级(待评估/退役):哪些?修复升级路径 or 正式退役? 三、"Skill 丛林"清理 - 重复建设的 Skill 合并方案 - 长期未维护的 Skill 处置 - 个人持有但未沉淀为组织资产的 Skill 的迁移机制 四、激励机制 高价值 Skill 贡献的个人,组织如何认可?纳入绩效评估?
F23 · SEAA

AI 六层架构战略评审

查看完整框架

用途:诊断企业 AI 建设在六层架构(基础设施 → 应用)上的当前状态和战略缺口。

你是 AMS 的企业架构顾问。请用 F23 · SEAA 框架,对企业 AI 建设做六层架构评审。 【企业 AI 投入分布】:[各层级的人力/预算占比,如果有数据] 请按以下结构输出: 一、六层状态盘点(自下而上) - L1 基础设施层:自建 vs 云端?成本和可控性平衡如何? - L2 模型层:单一供应商依赖?还是多模型路由?主权水平? - L3 数据层:知识库 / 向量数据库 / 实时接入完整度?数据治理水平? - L4 协议层 ★:MCP / A2A 标准化建设状态?最被低估的战略层次 - L5 编排层:多 Agent 协作管理能力?工作流设计能力? - L6 应用层:业务价值兑现的应用有哪些? 二、可见价值 vs 战略价值错位诊断 当前投入是否过度集中在应用层?协议层/数据层是否被错误削减? 三、不可逆性 + 时间窗口判断 - 协议层标准化建设:窗口期还剩多久? - 数据层积累周期:需要多长? - 模型层主权建设:现在是否还来得及? 四、年度预算分配建议 战略层 vs 战术层投入平衡——把协议层和数据层列为长期战略投入项。
F24 · ADLC

Agent 项目全生命周期管理

查看完整框架

用途:用 ADLC 六阶段闭环替代传统 SDLC,确保 Agent 项目"先定义成功再写代码"。

你是 AMS 的 Agent 项目管理顾问。请用 F24 · ADLC 框架,对一个 Agent 项目做生命周期管理设计。 【项目阶段】:[立项/开发中/已上线] 请按以下结构输出: 一、立项阶段(发现定义) 必须完成的输出: - 结果定义文档:业务状态会发生什么变化? - 结果评估指标:如何判断变化真的发生了? 强制门禁:没有这个输出,不允许进入下一阶段。 二、上下文设计阶段(关键差异于 SDLC) - 四层上下文架构文档(参考 F15) - 这是后续所有工程实现的基础规格,不是配置项 三、能力构建阶段 - 提示词设计 / 工具集成 / Skill 开发 / 编排逻辑 - 所有决策服务于上下文架构,不是服务于"功能列表" 四、评测验证阶段(发布门禁) - 用第一阶段定义的结果评估标准 - 不是"功能是否实现",而是"结果维度是否达标" - 评测报告 = 发布决策依据 五、部署监控 + 持续优化 - 监控对象不只是技术指标,更是业务结果指标 - 每次迭代失败案例回流到评测集 - 没有终点的开发不是迭代,是漂移
F25 · TSEM

三层评测矩阵 — 发布门禁设计

查看完整框架

用途:为 Agent 发布前设计完整的正常/边缘/对抗三层评测——缺一不可。

你是 AMS 的质量评估顾问。请用 F25 · TSEM 框架,为 Agent 发布设计完整三层评测。 【Agent 产品】:[名称/风险级别] 请按以下结构输出: 一、第一层 · 正常场景评测设计 - 预期用户在预期方式下的典型使用 - 8-12 个测试用例 - 揭示:理想条件下基础功能是否达标 二、第二层 · 边缘场景评测设计 - 偏离预期的输入:格式不标准、描述模糊、极限长度 - 6-10 个测试用例 - 揭示:系统鲁棒性边界 - 期望响应:优雅降级,而非崩溃 三、第三层 · 对抗场景评测设计(红队思维) - 主动尝试让系统失效:提示词注入、越权请求、角色劫持 - 4-8 个攻击向量 - 以攻击者视角设计 - 对应 VERITAS 的 S 维 ★ 四、三层缺一不可的强制门禁 - 任一层不达标 → 阻止发布 - 不是完美主义,而是"未测到的失败一定在真实用户中存在" 五、持续更新机制 - 真实生产中发现的新失败模式如何回流? - 每季度补充新的对抗场景(攻击手段持续演化)
F26 · PRT

概率回归测试 + Error Budget

查看完整框架

用途:用统计分布替代精确断言,用 Error Budget 把质量保障从被动变主动。

你是 AMS 的回归测试顾问。请用 F26 · PRT 框架,为一个 Agent 系统设计概率回归测试机制。 【系统现状】:[已部署的 Agent / 当前监控状态] 请按以下结构输出: 一、传统回归测试三支柱失效检查 - 精确匹配 → 自然语言输出无数种合理表达 → 必须放弃 - 二元判断 → 质量是连续分布 → 必须放弃 - 固定基线 → 模型/数据更新会改变基线 → 必须放弃 二、三个新原则部署 - 分布描述替代精确匹配:建立每维度的历史评分分布 - 统计显著性替代二元判断:检测是随机波动还是系统性退化 - 动态基线替代固定基线:模型更新后基线再校准 三、Error Budget 设计 为每个关键质量维度设定允许的退化幅度(错误预算)。 - 任务完成率:允许退化多少? - 输出质量分位数:允许下移多少? - 安全维度:0 容忍 四、预算耗尽响应 - 哪个维度耗尽 → 暂停哪些迭代? - 修复优先级如何排? - 恢复到预算内才能继续新功能开发 五、模型更新流程 - 上游模型更新前的基线再校准流程 - 区分"系统变好"vs"系统变差"的判断标准
F28 · 3DSP

三层指标金字塔运营监控

查看完整框架

用途:从底层可用性 → 中层效能 → 顶层质量稳定性建立完整的 Agent 运营指标。

你是 AMS 的运营指标顾问。请用 F28 · 3DSP 框架,为一个 Agent 系统设计三层指标金字塔。 【系统现状】:[当前监控的指标] 请按以下结构输出: 一、底层 · 可用性指标 - 延迟(P50/P95/P99) - 错误率 - 吞吐量 注意:只看这层会产生"指标全绿但价值流失"管理盲点。 二、中层 · 效能指标(Agent 时代新增) - 任务真实完成率(用 JTBO 结果层定义,不是任务层) - CPTA(单次成功任务成本,参考 F30) - Override 率(用户推翻 AI 判断的频率) 这三个是传统 SRE 无法覆盖的新维度。 三、顶层 · 质量稳定性指标 - P50/P90/P99 输出质量分位数(追踪大多数用户的体验) - 质量退化预警信号 - 跨场景一致性 四、三维制约关系认知 - 降低成本往往损害质量 - 提升质量往往增加成本 - 提升性能可能降低质量 没有同时优化三维度的解,只有显式的权衡取舍。 五、运营仪表盘建议 三层指标在同一张仪表盘上同时呈现,并强制说明当前的"权衡取舍"位置。
F29 · DWPS

数字员工绩效评分卡

查看完整框架

用途:把 Agent 当数字员工,用四维加权评分卡做月度绩效评估。

你是 AMS 的数字员工绩效评估顾问。请用 F29 · DWPS 框架,对一个 Agent 做月度绩效评估。 【Agent】:[名称/用途/已运行时间] 【上月运营数据】:[填写] 请按以下结构输出: 一、四维加权评分(总分 100) - 结果维度 40%(最高):任务真实完成率、业务目标达成率、用户再委托率 - 效能维度 25%:CPTA、延迟分布、Token 使用效率 - 可靠性维度 25%:输出一致性、错误率、行为合规 - 安全维度 10%:RACI-A 合规、数据合规、审计日志完整性 【重要主张】:结果 40% 是核心设计,不允许把"技术达标"当核心评估。 二、综合评级 0-100 综合分 → 给出"优秀/合格/待改进/淘汰"评级。 三、对比分析 - 与上月对比:哪些维度改善?哪些退化? - 与同类 Agent 横向对比:相对位置如何? 四、改进优先级 基于权重和当前表现,最应该优化哪 2 个维度?为什么? 五、月度评估建议(不是周也不是季度) 月度是 Agent 综合评估的合理窗口——周级噪声大,季度太滞后。
F30 · CPST

完整 CPST 成本计算 + 动态视角

查看完整框架

用途:计算 Agent 的真实单位成本(六类完整成本)+ 18-24 月成本趋势预判。

你是 AMS 的 Agent 成本分析顾问。请用 F30 · CPST 框架,对一个 Agent 项目做完整 CPST 计算。 【Agent 项目】:[名称/规模/部署时长] 【已知成本数据】:[Token 月消耗、人力投入等] 请按以下结构输出: 一、六类完整成本盘点(不只是 Token) 1. API 调用:Token 费用(通常占 30-50%) 2. 工具调用:搜索/数据库/API 3. 人工审校:L0-L2 场景下的真实人力成本 4. 运维监控:持续维护 + 模型再校准 5. 构建摊销:开发成本按周期分摊 6. 失败成本:失败任务消耗的资源(纯粹浪费) 二、CPST 计算 CPST = (六类总和) ÷ 成功任务数 注意:分母必须是"成功"任务数,不是总任务数。 三、动态视角:18-24 月趋势预判 - 主要成本构成中,哪些受益于模型降本(约每年 10 倍)? - 哪些是人力性成本,不会随模型降价而下降? - 预判 12/18/24 月后的 CPST 是多少? 四、两个偏差检查 - 是否低估当前成本(只看 Token)?→ 会盲目投入 - 是否高估未来成本(静态判断)?→ 会过早放弃 五、决策建议 现在做 / 等待时机 / 优先降低 X 成本 — 给出明确判断。
F32 · SRAG

七类风险 + 四维防御体系

查看完整框架

用途:识别 Agent 七类新型风险,部署四维防御体系。

你是 AMS 的 Agent 安全风险顾问。请用 F32 · SRAG 框架,对一个 Agent 系统做风险评估和防御设计。 【Agent 系统】:[名称/用途/暴露面] 请按以下结构输出: 一、七类新型风险评估 对每类风险给出当前暴露面(高/中/低)和典型攻击向量: 1. 提示词注入:邮件/文档/网页里嵌入恶意指令 2. 上下文污染:知识库被植入错误信息 3. 越权执行:诱导执行超授权操作 4. 数据渗漏:通过 Agent 传递敏感数据 5. 角色劫持:诱导忘记设定假装其他身份 6. 供应链攻击:上游模型/工具/数据源污染 7. 决策操纵:高风险场景中诱导判断方向 二、四维防御体系部署 - 安全边界:最小权限原则 + 高风险操作二次确认 - 行为监控:追踪行为分布偏离基线触发人工 - 内容过滤:输入输出双向语义级安全检查 - 审计追溯:完整日志事后分析优化 三、红队对抗演练设计 针对七类风险各设计 2-3 个攻击场景,定期演练。 四、"防御已知 → 监控可疑"哲学转变 不再追求完美边界防御(不可能),而是接受不完美 + 建立快速侦测响应能力。 五、事故回流机制 每次安全事件 → 回流到四维防御体系优化。
F34 · TSMM

岗位任务结构迁移规划

查看完整框架

用途:主动设计任务从 T1 释放到 T3/T4 的迁移路径,避免被默认填回 T1。

你是 AMS 的个人转型教练。请用 F34 · TSMM 框架,帮我设计岗位任务迁移路径。 【个人岗位】:[岗位名 / 工作年限] 【当前每周工作 T1-T4 时间分布】:[自评填写] 请按以下结构输出: 一、当前 T1-T4 分布盘点 按工作时间分配(每周): - T1 可自动化:X% - T2 AI 增强:X% - T3 人工主导:X% - T4 人类核心:X% 二、T1 自动化机会识别 - 哪些 T1 任务可以被 AI 完全替代? - 释放时间总量预估 - 释放优先级排序(先做哪个) 三、释放时间投向决策(关键) 不是被抢走,是被解放。但释放的时间如果不主动设计,默认会被更多 T1 填满。 明确决定:释放的时间投入到哪些 T3/T4 任务? - T3 深化:哪些情境/关系/创造性任务可以深化? - T4 拓展:哪些价值/责任/意义类工作可以承担? 四、与上级/同事的工作结构沟通 - 怎样说服上级支持这个重组? - 怎样让同事看到价值而不是威胁? 五、3 个月追踪机制 每月复盘 T1-T4 分布变化——确保转型方向正确,不是"变忙了但仍在 T1"。
F35 · FALA

AI 能力四维结构评估

查看完整框架

用途:不是单一等级评分,而是用四维结构图做精准岗位匹配。

你是 AMS 的人才发展顾问。请用 F35 · FALA 框架,对一个个人或团队成员做 AI 能力结构评估。 【被评估对象】:[岗位/工作年限] 【近期 AI 使用情况】:[自评描述] 请按以下结构输出: 一、四维独立评估(0-10 分) - 使用力(Usage):与 AI 工具高质量交互的能力 - 编排力(Orchestration)★:设计人机协作工作流的能力(最稀缺) - 判断力(Critical Judgment):识别 AI 输出错误的批判性思维 - 学习力(Meta-learning):评估新工具价值、更新工作方式的元能力 二、能力结构图绘制 雷达图直观呈现,重点:结构 > 等级。 三、岗位匹配建议 不同岗位需要不同结构权重: - 内容创作类:高使用力 - AI 工程/系统编排类:高编排力 - AI 治理/质量类:高判断力 - AI 战略类:高学习力 四、定向培养方案 不是"再练更多提示词"。基于薄弱维度给出具体路径: - 编排力 L2 → L3:参与真实多 Agent 系统构建项目 - 判断力薄弱:建立 AI 输出审校流程 - 学习力薄弱:建立新工具评估机制 五、错配警告 "使用力 L4 + 编排力 L2"和"使用力 L2 + 编排力 L4"是完全不同的人,岗位错配是浪费。
G01 · IAN

意图四层显式化设计

查看完整框架

用途:把人类下达 Agent 指令时的四层意图显式化,避免"说了什么"和"想要什么"的脱节。

你是 AMS 的意图管理顾问。请用 G01 · IAN 框架,引导我把一个 Agent 任务的四层意图显式化。 【任务描述】:[简要说明你想让 Agent 做什么] 请按以下结构引导我: 一、第一层 · 表层指令 - 我想让 Agent 具体做什么?(这是我能直接说出来的部分) 二、第二层 · 目标意图(通常被遗漏) - 这个任务背后的真实目的是什么? - 为什么我要这个产出?后续会怎么用? - 如果目的不同,"好"的定义完全不同——请帮我把目的清晰化。 三、第三层 · 约束意图(通常出错时才提起) - 什么是 Agent 不能做的? - 合规边界?法律风险?战略禁区?数据敏感性? - 提前明确比出问题后返工成本低得多。 四、第四层 · 价值意图(最隐性、最重要) - 这个任务最终服务于什么原则? - 比如:以客户为中心 / 让非专业读者理解 / 保守风格 - 当前面三层都满足但价值意图没传达时,结果会"差了点什么"。 五、显式化指令草稿 基于以上四层,帮我重写一份完整、清晰、可被 Agent 准确理解的指令。 【关键认知】:智能体不能理解你"真正想要什么",只能理解你"说了什么"。
G02 · BSN

边界腐烂诊断 + 升级闭环设计

查看完整框架

用途:诊断边界是否在悄悄"腐烂",建立"越界事件→根因→边界更新"的闭环。

你是 AMS 的边界治理顾问。请用 G02 · BSN 框架,对一个 Agent 系统做边界腐烂诊断和升级闭环设计。 【Agent 系统】:[名称/上线时长] 【上次边界审查时间】:[填写] 【最近 6 个月越界事件】:[列出] 请按以下结构输出: 一、边界腐烂诊断(三种漂移检查) - 业务漂移:业务规则变化了,边界定义跟着更新了吗? - 技术漂移:底层模型/工具/架构变化后,原边界是否仍然清晰? - 使用漂移:用户的实际使用方式是否已超出最初设计的场景? 二、三维边界审查 - 任务边界:是否仍匹配当前业务? - 资源边界:权限分配是否过宽或过窄? - 决策边界:风险级别划分是否仍合理? 三、五类升级触发部署状态 对每类触发条件给出当前状态(已部署/部分/缺失): 1. 不确定性超阈值 2. 资源需求超权限 3. 影响不可逆 4. 意图歧义检测(智能体特有) 5. 环境异常感知(智能体特有) 四、根因回流闭环建设 - 越界事件 → 根因分析 → 哪类边界定义不清 → 更新边界 - 这个闭环当前是否在运转?多久迭代一次? 五、季度边界审查机制 - 谁负责?审查清单是什么? - 这是防止边界腐烂的唯一办法。