用途：为构建 AI 驱动功能（聊天机器人、副驾驶、AI 搜索、推荐、异常检测、生成式输出）提供可复用的设计判断、领域约束与工作流，并可用于审查 AI 功能的信任度、透明度与品质感。
核心能力： 1）RETCH 五项原则——Restate（行动前复述理解）、Calibrate（表达置信度、低置信回退）、Explain（说明决策原因与引用）、Transparent（说明所用数据与存储）、Human oversight（保留停止、暂停、覆盖控制）。 2）用户心智模型：用户要结果不要 AI；算法厌恶真实存在；AI 不应宣称替代专家；期望上下文智能；警惕技能退化。 3）打造高级感：领域数据微调或 RAG；有状态优于无状态；按任务重要性选择侧边栏、全页等形态；上下文感知的初始建议；用 Promptbooks 减少提示词工程；定义明确人格；用真实 AI 输出测试而非占位文本。 4）错误状态与降级：主产品须能抵御坏输出；AI 输出须包在业务规则护栏内；按价值矩阵权衡误报与漏报成本；逐步提升准确率；为 LLM 输出设计显式护栏。 5）引导：低风险场景零设置激活；首屏即显价值；用 Promptbooks 解决冷启动；先用故事板验证用例；上线前用 2000+ 领域样例训练。 6）渐进披露：先做好「一件事」；用上下文下一步引导而非文档；复杂配置用 Mad Lib 填空句；信息架构仍重要。 7）人机协作：人类承担接受/拒绝证据的角色；智能体需启动、停止、暂停、审批控制；需 RBAC、数据隔离与版本管理。 8）反模式：直接替代专家、只优化准确率、大面积覆盖式面板、纯聊天信息架构、盲抄 ChatGPT 模式、用合成用户做研究、忽视 UX 监督、无人工选择的全自动报告。
使用方式：先读 SKILL.md，再按需加载引用的深度文件；按顺序应用指导、清单与决策规则，而非摘取片段；产出设计、代码、审查、迁移、审计或文档等交付物，并显式说明假设、风险与后续工作。
适用场景：设计或审查任何 AI 功能界面时。不适用：与 ux-for-ai 无关的任务，或只需琐碎回答、本技能约束无实质帮助时。
限制与说明：官方文本暂未提供；本技能引用来源为 Nudelman（2024），更深入上下文需使用文件内已引用的链接与配套技能。