用途：当客户或内部团队提出 AI 功能、AI 转型、智能体工作流、分析、自动化或 AI 应用需求，且需要按商业价值、可行性、数据就绪度、风险与可维护性排序时使用；也用于把 AI 能力转化为提案、PRD、路线图、SRS、架构或实施计划。若请求与 AI 价值、产品选择、ROI 或投资排序无关，或已有明确 AI 功能只需更窄的实现、评估、安全、RAG、智能体运行时技能，则不应使用。
核心原则：AI 必须改善经济系统，包括收入、利润、生产力、质量、速度、风险、合规、留存或决策准确性，不因新奇而推荐 AI。
必要输入：目标用户与业务流程；当前痛点、基线指标、痛点成本及受影响的决策/行动；可用数据、数据所有者、时效、质量、敏感性与访问限制；风险容忍度、法律合规约束与人工审批要求；预算、时间线、运营负责人与成功指标。
工作流：映射工作流（触发、参与者、数据、决策、行动、交接、延迟与失败点）；识别 AI 杠杆（洞察、预测、生成、抽取、搜索、推荐、决策支持或行动自动化）；估算价值（节省时间、增加收入、减少泄漏、减少错误、加快周转、降低服务成本或降低风险敞口）；评估可行性（数据就绪、集成复杂度、模型可靠性、评估难度、安全与维护负担）；选择架构（优先确定性工作流、RAG、分析或简单模型调用，再考虑智能体或微调）；定义评估（质量、成本、延迟、安全、业务与采用阈值）；规划运营（负责人、监控、反馈闭环、事件响应、模型/提示更新节奏与客户报告）。
机会评分卡：每项 1-5 分，维度包括商业价值、用户拉动、数据优势、可行性、风险控制、评估清晰度与可维护性。优先高价值、高可行性、低后悔的用例；即使技术亮眼，低价值或不可衡量的想法也应推迟。
AI 产品模式：决策驾驶舱、知识工作者助手、运营副驾驶、预测引擎、自主工作流、AI 分析层。
输出：AI 机会地图（价值、可行性、风险与建议顺序）；商业论证（假设、ROI 模型、成本驱动与非财务收益）；AI 产品简报或 PRD（用户故事、验收标准、数据需求、评估计划与推广阶段）；架构建议（模型、RAG/工具/工作流选择、治理与运营模式）；当 AI 无法被证明合理时给出不构建建议。
质量标准：每条建议都关联可衡量的业务、运营、风险、质量或采用结果；明确假设、基线、数据就绪度、运营负责人与失败模式；当不构建、确定性工作流、分析或 RAG 比智能体创造更多价值时优先推荐。
反模式：因技术可行而非经济合理推荐 AI；把模型准确率当作唯一成功指标；忽视采用、归属、数据就绪、成本、风险与上线后运营。
硬性规则：绝不跳过基线测量，若无基线则提出收集方法；绝不承诺完美准确率，需说明置信度、失败模式、人工复核与回退；在确定性自动化或工作流设计更安全时绝不构建智能体；绝不忽视上线后归属，AI 产品缺乏监控与反馈会退化。
限制：资料未提供具体收费、价格、平台支持范围或效果数据；使用前需自行准备上述必要输入，并在机会被经济论证后，再配合 AI 实现、评估、安全、RAG、分析或智能体技能。