AI 打法工具箱：40 个即拿即用 Prompt 总汇
全站 Prompt 的单一入口 用法：每个条目链到对应实践卡，卡内每个 Prompt 都可独立复制。全部 Prompt 遵循同一约定：替换
{大括号}占位符，贴给任意对话式 AI（GLM / GPT / Claude 均可）。
怎么用这个工具箱
Section titled “怎么用这个工具箱”- 按步骤找：先定位问题属于 FDE 工作流哪一步，再进对应卡。
- 在客户现场：直接用 FDE 现场交付的五步枢纽页导览，每页都链到本步的卡。
- 组合使用：单卡解决单点问题，组合拳解决端到端场景（见文末「经典组合拳」）。
总览 · 五步工作流卡（5 个）
Section titled “总览 · 五步工作流卡（5 个）”FDE 现场交付工作流：用 AI 把说不清的需求变成跑得通的系统
- 驻场第一周：现场价值流速写（步骤①）
- 模糊需求澄清工作坊（步骤②）
- MVP 垂直切片与探针实验（步骤③④）
- 演示反馈转 Backlog（步骤④）
- 交付复盘与模板沉淀（步骤⑤）
① 现场观察（5 个）
Section titled “① 现场观察（5 个）”- 总览识别 7 类浪费 — 从流程描述快速定位浪费在哪
- 量化增值比与瓶颈 — 算前置时间与增值比，找头号瓶颈
- 交接与瓶颈定位 — 数清藏在组织缝隙里的手递手
- 逐类改进建议 — 浪费清单转成「高收益 × 低难度」改进项
- 改进前后对比报告 — 产出可直接汇报的简报
② 需求澄清（10 个）
Section titled “② 需求澄清（10 个）”- 把 Epic 拆成用户故事
- 用 INVEST 校验故事质量
- 区分「用户故事」与「技术任务」
- 生成验收标准（Given-When-Then）
- 找出被遗漏的故事与边界
- 按用户画像拆分（Persona-driven）
- 估算相对规模（故事点 / T 恤码）
- 切出 Sprint 可交付的垂直切片
- 把模糊需求澄清成故事（FDE 工作流步骤②）
- 生成测试要点与 DoD 检查项
③ 探针验证（5 个）
Section titled “③ 探针验证（5 个）”- 需求转可验证假设
- 设计最小验证实验（探针 / 影子模式 / 小流量）
- 设计 LLM 评测方案（三层 Eval）
- 实验复盘与决策（Persist / Pivot / Kill）
- 规划迭代节奏（双轨制）
④ 切片交付
Section titled “④ 切片交付”这一步暂无独立深挖卡——直接用总览卡的 Prompt 3（MVP 垂直切片与探针实验）与 Prompt 4（演示反馈转 Backlog）；系统性打法与阶段门禁见 ④ 切片交付枢纽页。
⑤ 反馈闭环（10 个）
Section titled “⑤ 反馈闭环（10 个）”- 梳理 AI 产品价值流全景
- 识别 ML 专有浪费
- 数据就绪度诊断
- 部署与监控闭环（影子 → 金丝雀 → 全量）
- MLOps 成熟度与改进路线
- 一揽子归纳 5 大洞察
- 情绪与士气温度计（匿名化）
- 阻塞聚类 + 5 Whys 根因
- 跨 Sprint 遗留问题追踪
- 提炼可行动改进项（含闭环）
规模化现场（5 个）
Section titled “规模化现场（5 个）”- WSJF 优先级排序
- 依赖与关键路径分析
- 团队产能平衡
- 路线图风险扫描
- What-if 权衡推演
- 现场首周：FDE-1 流速写 → VSM-1/2 浪费识别与量化 → FDE-2 需求澄清工作坊
- Sprint 体检：Retro-1 归纳 → Retro-3 根因 → Retro-5 改进项 → 下期 Retro-4 追踪闭环
- PI 规划：规划-1 WSJF → 规划-2 依赖关键路径 → 规划-4 风险扫描 → 规划-5 what-if 备选
- AI 功能上线：LLM-1 假设 → LLM-3 评测方案 → MLOps-4 上线闭环 → MLOps-5 成熟度复盘
新实践卡发布后，其 Prompt 在本页对应工作流步骤登记——工具箱是全站 Prompt 的唯一总入口，保持总汇不漂移。