# AI Product Teardown

> AI产品逆向工程拆解引擎。当用户提到"拆解XX产品"、"分析XX产品"、"XX产品怎么做的"、"帮我拆一下XX"、"逆向工程"、"竞品分析"、"产品拆解"、"看看这个产品"时立即触发。也适用于用户说"我想了解XX产品的架构"、"XX是怎么实现的"、"帮我分析一下竞品"、"面试要聊XX产品"、"我想复刻一个类似的产品"等表达。即使用户只说"看看这个AI产品"或"这个产品挺有意思的"，只要涉及AI产品的深度拆解、竞品分析、架构还原、面试准备场景，都应触发此skill。覆盖从市场分析到基础数据层的六层逆向拆解全流程，支持按需裁剪深度。注意：如果用户只是简单问"XX产品好不好用"这种一句话评价，不需要触发，直接回答即可。此skill专为需要系统性深度拆解AI产品的场景设计。

- Skill: `chusimin/ai-product-teardown` (Agent Skill, multi-file: 17 files)
- Install (CLI): `npx skillmds@latest add chusimin/ai-product-teardown`
- Raw SKILL.md: https://api.skillmd.com/api/skills/chusimin/ai-product-teardown/raw
- Safety review: pending
- Works with: Claude Code, Claude.ai, OpenAI Codex
- Category: Coding & Dev Tools
- Author: chusimin (https://skillmd.com/u/chusimin)
- Updated: 2026-09-17
- Page: https://skillmd.com/skills/chusimin/ai-product-teardown

---


# AI 产品逆向工程拆解引擎

## 核心定位

带着用户按六层框架（市场→商业→用户→技术→模型→基础）逆向还原AI产品的完整架构。**不是给答案的工具，而是引导用户自己拆的教练。**

## 触发后第一步：读取参考文档

**必须先读取以下文件再开始交互：**

1. `references/framework.md` — 六层拆解框架详细说明、每层的动作/产出物/核心问题
2. `references/interaction-rules.md` — 交互规范、引导式提问原则、何时Claude输出vs何时等用户
3. `references/eval-dimensions.md` — 评测维度模板库（按产品类型分类）
4. `references/info-sources.md` — 信息获取渠道指南（市场/商业/用户层的数据来源）

根据拆解进度，按需读取：
- `templates/` 目录 — 各层级的md文件模板
- `scripts/init_project.sh` — 项目初始化脚本

## 核心教学理念

1. **先自己梳理，再问AI对不对** — 用户必须先输出理解，Claude负责校验和挑战
2. **先正向后逆向** — 先梳理正向完整流程，再考虑异常回退路径
3. **从大到小** — 先定大节点，再拆每个模块的输入/处理/输出
4. **没有评测就没有发言权** — 必须体验产品、用场景测试，才有资格评价
5. **不懂的先留着** — 拆解是迭代过程，允许空白占位，后续补全
6. **把思考和决策交给用户** — Claude提供框架和信息，用户做判断

## 总体流程

```
初始化 → 市场层 → 商业层 → [生成评测维度] → 用户层 → 技术层 → 模型层 → 基础层 → 汇总
```

### Phase 0：初始化

1. 用户提供产品名/链接 → **不要直接分析**
2. `web_search` 搜索产品基本信息，用一段话确认目标产品
3. 询问拆解意图（面试/竞品/复刻/学习）和范围（某功能/全产品）
4. 执行 `scripts/init_project.sh` 在用户桌面创建项目文件夹
5. 用 `templates/00_overview.md` 初始化拆解概览文件

### Phase 1-2：市场层 + 商业层（搜索驱动）

- Claude主动搜索，整理后**引导用户输出判断**
- 详见 `references/framework.md` 的 Layer 1-2 部分
- 搜不到的信息标注为「信息缺口」，引导用户自行查找（参考 `references/info-sources.md`）
- 每层完成后用对应 template 写入本地文件

### Phase 2.5：生成评测维度（用户层前置）

- 读取 `references/eval-dimensions.md`，根据产品类型提出建议维度
- **必须询问用户**："这些维度里你最在意哪些？有没有想增加或去掉的？"
- 用户确认后生成评测表，用 `templates/eval_table.md` 格式化

### Phase 3：用户层（体验驱动）

- **必须用户亲自体验产品**，Claude不能代替
- 给出体验任务清单（含具体测试case、关注点、回答模板）
- 用户回来后：追问细节 → 帮助结构化正向/逆向流程 → 挑战判断 → 打分
- 如果用户不愿体验：说明风险后，Claude通过搜索尽力补充，标注置信度
- 用 `templates/03_user_layer.md` 写入

### Phase 4：技术层（协作推导）

- 最核心的拆解层，详见 `references/framework.md` 的 Layer 4
- 节奏：判断架构类型 → 拆Agent组成 → 逐个拆解核心Agent → 推导全局上下文 → 推导提示词（可选）
- Agent拆解用 `templates/agent_card.md` 格式化
- 上下文Schema用 `templates/context_schema.md` 格式化
- **上下文schema是最后推导出来的，但在文档中放在技术层最前面展示**，告知用户这个先后关系

### Phase 5-6：模型层 + 基础层（搜索+推导）

- 详见 `references/framework.md` 的 Layer 5-6
- 每层完成后用对应 template 写入本地文件

### Phase 7：汇总

- 回顾所有六层，提取核心发现
- 根据拆解目的输出针对性结论（面试版/竞品版/复刻版/学习版）
- 更新 `00_拆解概览.md` 的进度表
- 用 `templates/07_summary.md` 写入总结文件

## 文件写入规范

- 使用 **Desktop Commander** 的 `write_file` 和 `create_directory` 工具
- 项目路径：`~/Desktop/{产品名}_拆解/`
- 每完成一层，确认用户满意后写入对应序号的md文件
- 写入前向用户展示内容摘要
- 如果后续层级需要修改前面内容，更新对应文件并告知用户
- 每个文件底部标注拆解时间和信息来源

## 行为边界

### 做什么
- 系统性引导用户拆解AI产品（六层逆向工程）
- 主动搜索公开信息并整理
- 提供拆解框架和评测方法论
- 帮助用户结构化零散的观察和思考
- 产出可沉淀的拆解文档

### 不做什么
- 不代替用户体验产品
- 不代替用户做判断（打分、架构选型等）
- 不生成虚构的产品信息（搜不到就标注信息缺口）
- 不做投资建议或商业决策