原型设计与预原型设计Skill：用最便宜的方式，先把"想法"验一遍
核心结论速览
- 这个技能解决的不是"怎么画原型"的技法问题，而是"该不该做、值不值得做"的决策问题——先用最便宜的手段验证需求、定价、工作流程与技术可行性。
- 它把验证活动拆成一条清晰的保真度阶梯：预原型 → 纸质原型 → 可点击原型 → 编码原型 → MVP，每个级别都标注了耗时、成本、适用假设与优缺点。
- 内置 5 步工作流程：识别最风险假设 → 选择方法 → 构建最小测试 → 运行实验 → 分析并决定（转向/坚持/迭代）。
- 覆盖假门测试、管家式MVP、Wizard of Oz（奥兹巫师法）、落地页测试、烟雾测试等经典低成本验证手法。
- 最实用的部分是"防护栏"：告诉你哪些是常见错误，比如测试琐碎假设、临时挪动成功标准、拿朋友当用户、把原型代码直接上线。
该技能叫什么？如何下载安装 AI 技能提升开发效率？
技能基本信息
| 项目 | 内容 |
|---|---|
| 技能中文名 | 原型设计与预原型设计Skill |
| 技能英文名 | prototyping-pretotyping |
| 技能ID | 12958 |
| 技能定位 | 在产品/功能全面开发之前，用最低成本的实验验证核心假设 |
它解决什么问题？
团队最常见的浪费不是"做错了功能"，而是"根本不该做这个功能，却做完了才发现"。这个技能针对的正是这段高风险期：
- 关于用户需求、付费意愿、技术可行性的假设长期未经验证；
- 手上有一堆想法、资源有限，需要数据来决定优先级；
- 考虑转向（pivot），需要快速、便宜地验证新方向；
- 需要证据去说服高管或投资人；
- 定价不确定，不知道用户愿意付多少；
- 不确定新方案是否符合用户的心智模型；
- 遇到新技术、新集成、新架构，需要先探路。
用一句它的原话来概括："预原型在原型之前，原型在产品之前。"也就是：先伪造、再简做、最后真做。
如何"一键安装"这个 AI 技能？
AI 技能的安装本质上是把你的 AI 助手从"通用聊天"升级为"带着方法论和模板工作的专业助手"。通用安装思路如下（具体命令、入口与账号要求以官方说明为准）：
- 确认前提：你使用的 AI 工具/平台支持"技能（Skill）"机制，并已登录账号；部分平台需要先开通技能市场或工作区权限。
- 找到技能：在技能市场/技能列表中按英文名
prototyping-pretotyping、中文名"原型设计与预原型设计"或技能ID12958搜索。 - 执行安装：点击安装/添加按钮，按提示完成授权。若平台提供命令行安装方式，请以官方文档给出的命令为准，不要使用来源不明的脚本。
- 验证是否生效：安装完成后新建一次对话，直接输入触发语句，例如"我们该不该做这个功能？"“如何在构建前验证这个想法？”“帮我设计一个假门测试”。如果助手能按"识别最风险假设 → 选择方法 → 设计最小测试"的结构回应，说明技能已生效。
- 确认资源可访问：该技能附带实验模板、方法论说明与质量评估清单（技能内的
resources/template.md、resources/methodology.md、resources/evaluators/rubric_prototyping_pretotyping.json）。若你的平台支持读取技能内资源，可让助手引用模板来产出实验设计。
该技能的主要功能和特点
- 假设分类与风险排序：把假设分成需求、定价、工作流程、可行性、价值主张五类，并按"错误的概率 × 错误的后果"排序，优先测最高风险的那一个。
- 预原型方法论库：假门测试（落地页 + “立即购买"实际跳"即将推出”）、预购与等待列表、管家式MVP（先人工服务、后自动化）、Wizard of Oz（表面自动化、幕后人工）、模拟视频。
- 保真度阶梯（级别0到级别4）：明确每个级别"测什么、花多久、花多少钱、优点、缺点"，避免过度构建。
- 实验设计模板：提供实验设计模板，帮助把"我想验证一下"变成"我设定了量化成功标准、样本量与决策规则"。
- 成功标准前置：强制在测试前写下判据，例如"2周内10%访客注册等待列表"，防止事后挪动目标（确认偏误）。
- 实验规模建议：定性建议 n=5–10，定量建议 n=100+ 才有置信度。
- 防护栏与常见错误清单：8 条质量守则 + 8 类高频错误，直接可当评审清单使用。
- 明确的替代方案边界：告诉你什么时候不该用它，而应该去做 A/B 测试、问卷调查、客户访谈、Beta 测试。
和"通用 AI 聊天"比强在哪？ 通用助手往往会直接给你写一堆功能清单和PRD；这个技能会先反问你"最风险的假设是哪个"，然后按阶梯推荐最低成本的验证方式，并给出可执行的判据——它把讨论从"怎么做"拉回到"该不该做"。
如何使用该技能？
步骤1：用一句话把问题交出去
不要问"帮我做个原型"，而是说清楚决策场景。示例输入：
我们想做一个"农场到餐桌"的半成品餐包订阅服务，团队3个人，预算有限。我最担心的是没人愿意为它付月费。帮我在两周内设计一个最便宜的验证方案。
步骤2：让技能列出并排序假设
期望输出：一张假设清单表格（假设内容 / 类型 / 错误概率 / 错误后果 / 风险分 / 测试优先级），并明确指出"本周只测第一项"。
步骤3：按保真度阶梯选择方法
期望输出：一个推荐方案 + 一个降级备选。例如主推"级别0 预原型：落地页 + 等待列表"，备选"级别1 纸质原型测下单流程"。同时给出耗时与预算区间（技能内对每个级别有参考量级，实际花费视自身情况而定）。
步骤4：写出实验设计（可套用模板）
一份合格的实验设计至少包含：
| 要素 | 示例 |
|---|---|
| 假设 | 目标用户愿意以 49 元/份 订阅餐包 |
| 方法 | 落地页假门测试 + 两档价格 A/B |
| 成功标准（测试前写下） | 2 周内访客注册率 ≥10%，且选择 49 元档占比 ≥40% |
| 样本量 | 定量 ≥100 次有效访问；定性访谈 5–10 人 |
| 数据采集 | 注册数、点击率、价格档位选择、访谈原话 |
| 决策规则 | 达标→进入管家式MVP；部分达标→迭代文案再测；不达标→转向 |
步骤5：运行实验并只记录行为
技能会反复强调"观察行为，不要听意见"。也就是说，"用户说他们会付 99 元"不算证据，"50% 点击立即购买但 0% 完成支付"才是证据。
步骤6：分析并做三选一决策
把结果对比预先设定的标准，输出明确结论：转向 / 坚持 / 迭代，并把学到的东西写成一页复盘分享给团队。
步骤7：升到下一级保真度
例如：验证需求后做管家式MVP（人工采购、打包、配送 10 位注册用户），验证付费意愿和工作流程；再往后才是编码原型与 MVP。每一步都遵循同一个循环。
同类型竞品对比分析
| 方案名称 | 定位 | 核心功能 | 安装/使用门槛 | 适用场景 | 优势与不足 |
|---|---|---|---|---|---|
| 原型设计与预原型设计Skill | 建前的"该不该做"决策助手 | 假设排序、假门/管家/Wizard of Oz、保真度阶梯、实验设计与判据、防护栏清单 | 低：安装技能后直接用自然语言对话，无需额外工具 | 想法早期、高风险决策、资源有限、需要说服干系人 | 优势：方法论成体系，强调行为数据与前置判据；不足：不替代真实用户招募与投放，执行落地仍需人力 |
| 通用 AI 对话助手 | 通用问答与内容生成 | 直接产出 PRD、功能清单、原型文案 | 极低：打开即用 | 已有明确方案、只需产出文档 | 优势：快、门槛最低；不足：容易顺着你的想法往下做，缺少"先验证再构建"的纪律与量化判据 |
| A/B 测试与增长实验平台 | 上线后的方案对比 | 流量分流、转化指标统计、显著性检验 | 中高：需已有产品和足够流量，需埋点与工程配合 | 已有成熟产品，比较两个变体 | 优势：数据可靠、可规模化；不足：不适用于"还没有产品"的从 0 到 1 阶段 |
| 用户访谈/可用性测试工具与服务 | 理解问题与验证可用性 | 招募用户、访谈记录、任务完成率与错误统计 | 中：需招募真实目标用户并安排时间 | 理解用户真实问题、验证工作流程 | 优势：洞察深；不足：成本与周期较高，且"用户说什么"不能替代"用户做什么" |
如何选？ 如果产品还不存在、你需要判断"值不值得做"，优先用这个技能规划预原型；如果产品已上线且有流量，做 A/B 测试；如果你连问题本身都没搞清楚，先去做客户访谈——技能里也明确写了这条边界。
该技能的典型应用场景与实际体验情况
场景1：独立开发者想验证一个付费小工具
- 角色与痛点：一个人、预算有限、怕做三个月没人买。
- 使用方式：让技能按"需求假设 + 定价假设"设计落地页假门测试，设定"2周内 10% 注册、5% 以某价位转化"的判据。
- 实际体验：输出结构非常规整，直接给到可复制的实验设计表和决策规则。上手难度低，唯一麻烦的是投放与素材要自己搞定。注意：落地页必须诚实标注"即将推出"，不要收款后不交付。
场景2：产品经理要在评审会上争取资源
- 角色与痛点：多个想法争抢同一批研发资源，谁声音大谁上。
- 使用方式：让技能把 3 个想法各自的最高风险假设列出来，配一套低成本并行测试（多个纸质原型或落地页同周跑）。
- 实际体验：把"我觉得"变成"我测过"，说服力提升明显。技能强调"多个廉价测试优于一个昂贵测试"，很适合这种优先级之争。
场景3：创业团队考虑转向
- 角色与痛点：老方向增长停滞，新方向不确定，不敢 all in。
- 使用方式：用保真度阶梯制定"两周内完成管家式MVP验证"的计划，包含成功标准与转向/坚持/迭代的触发条件。
- 实际体验：技能最大的价值是把"转向"变成一个有判据的决策，而不是情绪化的豪赌。注意事前一定要把判据写下来，否则事后很容易自我说服。
场景4：技术负责人评估新架构
- 角色与痛点：不确定新方案能否扛住性能要求，怕投入后返工。
- 使用方式：走"级别3 编码原型"，用真实数据子集（如 1 万文档而非 1000 万）做技术尖峰，把延迟、成本作为成功标准。
- 实际体验：思路清晰，能有效避免"为了验证可行性顺手写了个生产级系统"的过度构建。注意原型代码要丢弃重建，不要直接上线。
该技能能为用户带来的价值
- 省钱省时间：把验证成本从"月级 + 万元级"压到"小时到天级 + 极低预算"，先花小钱排除错误方向，再投入大钱。
- 把决策变可审计：测试前写判据、记录行为数据、明确转向/坚持/迭代规则，让"要不要做"成为可复盘的组织决策，而不是拍脑袋。
- 降低门槛：不需要你是资深产品专家，也能按模板跑完一次规范的假设验证；技能内的方法论与清单相当于一位随叫随到的产品教练。
- 减少返工与技术债：明确"原型代码不可上线"，避免把验证性质的代码变成生产系统的隐患。
- 长期价值：反复使用会沉淀出一套团队自己的假设库、实验记录与判据标准，形成"先验证、再构建"的组织习惯。
常见问题 FAQ
Q1：怎么安装这个技能？装完怎么确认它生效了？
在支持技能机制的平台中，按英文名 prototyping-pretotyping、中文名或技能ID 12958 搜索并安装；具体命令与入口以官方说明为准。验证方式：新建对话输入"如何在构建前验证这个想法？"，若助手按"识别最风险假设 → 选择保真度 → 设计最小测试 → 设定成功标准"的结构回应，即为生效。
Q2：这个技能收费吗？
技能本身通常随平台/市场规则提供，是否收费、是否有额度限制取决于所在平台的策略，以官方说明为准。它不包含任何第三方工具（如落地页搭建、原型工具、用户招募）的费用，这部分需按实际选择另行安排。
Q3：它适合谁用？不适合谁用？
适合：创业者、独立开发者、产品经理、设计负责人、技术负责人，尤其是面对高不确定性、资源有限、需要在构建前拿到证据的团队。不太适合：产品已成熟、主要工作是优化转化率的团队——那种情况更适合直接做 A/B 测试；如果你连用户的问题都还没搞清楚，应该先做客户访谈。
Q4：预原型里的"假门测试"会不会算欺骗用户？
技能对此有明确防护栏：要做到对伪造透明。推荐做法是"注册早期访问"“即将推出”，明确告知尚未上线；反面做法是对假产品收取信用卡费用、承诺不会实现的功能，这属于欺诈。判断标准很简单：用户事后知道真相时，是否仍觉得被尊重。
Q5：和直接做 A/B 测试、做问卷、做用户访谈相比，应该怎么选？
看阶段和目的：还没有产品、想知道"值不值得做"，用本技能规划预原型；已有产品和流量、要比较两个变体，用 A/B 测试；需要规模化收集主观意见，用问卷（但要记住意见不等于行为）；想理解用户真实问题和背景，用客户访谈。技能里也明确列出了这些"何时改用替代方案"的边界。