Enhancing an AI writing skill with a specialized 'product story' branch to generate analytical, human-like narratives for product cases, project reviews, and personal portfolios.

## 背景

现有 Skill 已经能很好地处理现实材料的事实边界、中文节奏和模型腔，但在产品案例、个人作品集项目故事、项目复盘和 AI 产品故事中，还缺少一套专门的产品推理约束。

这类文章只靠通用的现实写作规则，容易出现两种结果。

- 写成背景、痛点、方案、功能、成果、展望的标准作品集模板。
- 有真实场景和语言质感，但读者看不清作者如何重构问题、作出取舍并推动项目。

产品经理、招聘者和专业评审真正需要看见的内容通常包括问题如何被重新定义、功能为什么这样设计、AI 创造了什么增量、作者具体负责什么，以及项目真实完成到哪一步。

## 建议方案

建议增加一个按需加载的 `references/product-story.md`，并在 `SKILL.md` 中为以下场景增加路由。

- 产品案例
- 个人作品集项目故事
- 项目复盘
- AI 产品故事

主 Skill 继续保留通用写作流程，产品项目特有的方法放进 reference，避免扩大所有写作任务的上下文负担。

这个 reference 可以重点处理以下内容。

1. 在写作前区分已确认事实、作者判断、合理推测、目标体验和待验证事项。
2. 沿着真实场景、表层问题、问题重构、产品判断、完整体验、关键决策、结果与限制形成一条隐形推理链。
3. 先从用户视角走完一次端到端体验，再展开少数真正改变结果的设计决策。
4. 要求每个重点功能都能追溯到前文的用户动作、事实或产品判断。
5. 涉及 AI 时，明确输入、处理、输出、真实数据来源、生成空间、信息充足性、人工确认和失败降级。
6. 分开作者独立负责、共同完成、他人负责和仍待验证的部分。
7. 区分已上线、真实服务端到端验证、可交互原型、静态页面、模拟数据流程和未来方案。

这些内容只作为后台检查框架，不要求文章机械使用固定章节。最终成稿仍然应该像一个具体的人在讲自己怎样发现问题、改变判断并作出选择。

## 验收建议

- 材料不足时不创造方便开场的亲历，最多询问三个高信息量问题。
- 目标体验与当前已经实现的流程不混写。
- 重要功能能回答它来自哪个问题或判断。
- AI 的责任与边界可以被具体复述，避免只写调用大模型或智能生成。
- 作者责任和项目完成状态服从证据。
- 删除方法论术语以后，文章仍然能依靠人物、动作、事实和取舍站住。

## 当前验证

我已经在本地按上述结构实现了一版参考方案，并通过 `skill-creator` 的 `quick_validate.py` 结构校验。当前完成的是 Skill 结构、引用路径和规则一致性验证，还没有用多组真实项目材料做前后效果对比。

如果维护者认可这个方向，我可以继续整理为 PR，并补充一到两组去身份化的产品项目材料作为效果验证。