产品专家设计Skill product-expert-design

---

name: product-expert-design description: 设计面向用户的自适应UX和个性化代理专家。用于构建学习用户行为的产品功能、创建每用户专家文件或实施AI驱动的个性化。 allowed-tools: Read, Grep, Glob, Write

产品专家设计

设计服务于终端用户的自适应、个性化体验的代理专家指南。

代码库专家与产品专家

方面	代码库专家	产品专家
范围	每个领域一个	每个用户一个
存储	文件系统（YAML）	数据库（JSONB）
更新	代码更改后	用户操作后
大小	300-1000行	通常较小
延迟	不关键	必须快速
隐私	仅内部	用户数据关注

何时使用

• 构建学习用户行为的产品功能
• 创建用于个性化的每用户专家文件
• 实施AI驱动的自适应UX
• 设计具有用户心智模型的推荐系统
• 评估产品专家是否适合您的用例
• 构建考虑延迟的渐进式个性化

产品专家架构

┌─────────────────────────────────────────────────────┐
│ 用户操作（查看、点击、购买等）                     │
└──────────────────────┬──────────────────────────────┘
                       │
                       ▼
┌─────────────────────────────────────────────────────┐
│ 操作跟踪器                                          │
│ • 捕获操作类型                                     │
│ • 记录上下文（时间、设备等）                       │
│ • 排队专家知识更新                                 │
└──────────────────────┬──────────────────────────────┘
                       │
                       ▼
┌─────────────────────────────────────────────────────┐
│ 用户专家知识存储（数据库）                          │
│ • 每用户JSONB列                                    │
│ • 结构化偏好模型                                   │
│ • 行为模式                                         │
└──────────────────────┬──────────────────────────────┘
                       │
                       ▼
┌─────────────────────────────────────────────────────┐
│ UI生成代理                                          │
│ • 加载用户专家知识                                 │
│ • 生成个性化UI                                     │
│ • 适应推荐                                         │
└─────────────────────────────────────────────────────┘

用户专家知识模式

{
  "user_id": "uuid",
  "created_at": "timestamp",
  "updated_at": "timestamp",

  "preferences": {
    "categories": ["tech", "sports"],
    "price_range": {"min": 50, "max": 500},
    "brands": ["Apple", "Sony"],
    "style": "minimalist"
  },

  "behavior_patterns": {
    "active_hours": [9, 10, 11, 14, 15, 20, 21],
    "device_preference": "mobile",
    "session_length_avg": 420,
    "purchase_frequency": "monthly"
  },

  "interaction_history": {
    "views": [
      {"item_id": "123", "timestamp": "...", "duration": 45}
    ],
    "cart_adds": [
      {"item_id": "456", "timestamp": "..."}
    ],
    "purchases": [
      {"item_id": "789", "timestamp": "...", "amount": 299}
    ]
  },

  "inferred_interests": {
    "high": ["wireless headphones", "smart home"],
    "medium": ["fitness trackers"],
    "low": ["gaming"]
  },

  "recommendations_context": {
    "last_shown": ["item1", "item2"],
    "clicked": ["item1"],
    "dismissed": ["item3"]
  }
}

为产品的行动-学习-重用

行动：用户执行操作

async function trackUserAction(
  userId: string,
  action: UserAction
): Promise<void> {
  // 记录操作
  await db.userActions.create({
    userId,
    actionType: action.type,
    context: action.context,
    timestamp: new Date()
  });

  // 排队专家知识更新
  await expertiseQueue.add({
    userId,
    action,
    priority: getActionPriority(action.type)
  });
}

学习：更新用户专家知识

async function updateUserExpertise(
  userId: string,
  action: UserAction
): Promise<void> {
  // 加载当前专家知识
  const expertise = await loadUserExpertise(userId);

  // 根据操作类型更新
  switch (action.type) {
    case 'view':
      updateViewPatterns(expertise, action);
      break;
    case 'cart_add':
      updatePurchaseIntent(expertise, action);
      break;
    case 'purchase':
      updatePreferences(expertise, action);
      break;
  }

  // 重新计算推断兴趣
  expertise.inferred_interests = inferInterests(expertise);

  // 保存更新后的专家知识
  await saveUserExpertise(userId, expertise);
}

重用：个性化体验

async function generatePersonalizedUI(
  userId: string
): Promise<UIConfig> {
  // 首先加载用户专家知识
  const expertise = await loadUserExpertise(userId);

  // 基于专家知识生成UI
  return {
    recommendations: await getRecommendations(expertise),
    layout: selectLayout(expertise.behavior_patterns),
    promotions: filterPromotions(expertise.preferences),
    navigation: prioritizeCategories(expertise.inferred_interests)
  };
}

延迟考虑

产品专家面临的延迟挑战是代码库专家没有的：

问题

用户请求 → 加载专家知识 → 生成UI → 响应
                    ↓
              代理思考时间（秒）
                    ↓
              用户等待...（不良UX）

解决方案

1. 预计算

// 异步更新专家知识，而非按需
// 在低流量期间预生成UI组件

2. 渐进式加载

// 立即显示通用UI
// 异步加载个性化元素
// 准备就绪时交换

3. 专家知识缓存

// 在Redis中缓存热门用户专家知识
// 仅重大变化时失效

4. 分层个性化

// 级别1：即时（缓存偏好）
// 级别2：快速（简单推断）
// 级别3：深度（完整代理，异步）

隐私和数据处理

数据最小化

只存储所需内容：

// 好：存储模式，而非原始数据
{
  "preferred_price_range": {"min": 100, "max": 300},
  "category_affinity": {"tech": 0.8, "fashion": 0.3}
}

// 坏：存储每个视图的完整上下文
{
  "views": [/* 数百个详细条目 */]
}

用户控制

提供透明度和控制：

interface UserExpertiseControls {
  viewExpertise(): UserExpertise;
  clearExpertise(): void;
  disablePersonalization(): void;
  exportData(): DataExport;
}

保留政策

// 衰减旧数据
function decayOldInteractions(expertise: UserExpertise): void {
  const cutoff = daysAgo(90);
  expertise.interaction_history =
    expertise.interaction_history.filter(i => i.timestamp > cutoff);
}

何时使用产品专家

用例	是否适合？	说明
电子商务推荐	是	高价值，清晰信号
内容个性化	是	参与度提高
搜索排名	是	用户特定相关性
简单偏好	否	传统设置即可
合规重的领域	可能	隐私关注
低流量产品	否	数据不足

实施清单

数据库设置

• [ ] 用户专家知识JSONB列
• [ ] 操作跟踪表
• [ ] 用户ID索引以快速查找专家知识

后端服务

• [ ] 操作跟踪端点
• [ ] 专家知识更新工作线程（异步）
• [ ] 专家知识查询API
• [ ] 缓存层（Redis）

代理集成

• [ ] 专家知识加载提示
• [ ] UI生成提示
• [ ] 推荐提示

前端

• [ ] 渐进式加载UI
• [ ] 个性化时的骨架状态
• [ ] 回退到通用体验

隐私

• [ ] 数据保留政策
• [ ] 用户控制仪表板
• [ ] 导出/删除功能

反模式

反模式	问题	解决方案
同步更新	阻塞用户	异步队列
无界历史	数据库膨胀	滚动窗口
无回退	新用户失败	默认体验
过度个性化	过滤气泡	注入多样性
无衰减	过时偏好	时间加权数据

示例：电子商务产品专家

## 用户专家知识结构

preferences:
  price_sensitivity: high|medium|low
  brand_loyalty: [首选品牌列表]
  category_interests: {category: 亲和力得分}

behavior:
  browse_vs_buy_ratio: 0.15
  cart_abandonment_rate: 0.4
  avg_time_to_purchase: 3 days

purchase_history:
  total_orders: 12
  avg_order_value: 150
  last_purchase: 2025-01-10

## 个性化操作

1. 向价格敏感用户优先显示促销商品
2. 在搜索结果中高亮首选品牌
3. 提醒高放弃率用户的购物车商品
4. 为重复购买建议重新订购

相关技能

• agent-expert-creation: 核心专家模式
• expertise-file-design: 模式设计原则
• self-improve-prompt-design: 保持准确性

---

最后更新： 2025-12-15

版本历史

• v1.0.0 (2025-12-26): 初始发布

---