AI Native 系统构建 Skill

使用场景

• 试验展开已验证能力成立，需要转为可维护、可交付、可治理的产品系统
• 需要设计 AI Native 产品架构，而不是简单把模型 API 接入旧系统
• 需要判断实验代码中哪些可以继承，哪些必须重写

执行步骤

1. 实验证据输入：从试验展开阶段继承能力边界、产品形态建议、资料缺口、风险边界和失败案例。
2. 系统边界定义：定义能力范围、用户角色、权限分层，回答"这项能力如何被稳定调用"。
3. 能力模块设计：按 Agent → Skill → Tool → Model → Data 的分层结构设计 AI Native 架构。
4. 失败处理策略：为每种失败场景定义触发条件、处理策略和人工接管规则。
5. 治理与观测补齐：设计可观测性、可审计性、可回退性、可更新性四个治理维度。
6. 输出系统构建方案：整合系统边界、能力模块图、失败处理策略和治理方案，定义进入审计放行的条件。

核心概念