每周失败模式仪式

仪式一：让模型做明显错误的事（2分钟）——目标：理解模型"给混乱强加结构"的倾向 拿每个 PM 每天都会遇到的混乱、半成型、情绪不一致的数据（Slack 讨论串、会议笔记、Jira 评论），让模型从中提取"战略决策"。这是生成式模型最危险的模式暴露的地方：面对混乱时，它们会自信地编造结构。具体操作：

1. 把同一段混乱上下文（比如乱七八糟的 Slack 讨论）喂给模型，让它做一件容易引发幻觉的事（比如"基于这段讨论起草 Q4 路线图"）——通常会得到编造的功能和错误的负责人
2. 加一句话说明期望行为再跑一次（比如"只包含讨论中明确提到的条目，缺信息就说'信息不足'"）
3. 并排比较两次输出（自信的幻觉 vs. 谦逊的清晰）——对比这两种输出正是 AI product sense 提升最快的地方。关注：变化了什么？哪个护栏修复了幻觉？模型需要什么才能可靠地运作（更明确的约束？更好的上下文？更窄的范围）？
4. 把发现的差距记录下来——这会变成一条产品需求

仪式二：让模型做模糊的事（3分钟）——目标：理解模型的"语义脆弱性" 模糊对概率系统来说是"氪石"——模型不完全理解用户意图时会用自己最好的猜测去填空（也就是幻觉、烂点子）。例如把一份 PRD 丢进 NotebookLM，让它"给 VP of Product 总结这份 PRD"。观察：是否过度总结？是否揪住一个无关细节？是否忽略了关键限定条件？是否假设错了受众？这些失败暴露的是模型"技术上理解了你的字面意思，但完全没抓住你的意图"的地方——语义脆弱性。发现的差距应该转化成让用户明确目标（"给谁总结？"）、给模型更多上下文，或收窄任务范围这类产品设计工作。

仪式三：让模型做意外困难的事（3分钟）——目标：找到模型第一个失败点 挑一个对人类 PM 来说很简单、但会考验模型推理/上下文/判断力的任务（例如"把这40个 bug 归类主题并提出路线图"，或"总结这份 PRD 并给管理层标出风险"）。不是要穷举测试模型，而是要找到它第一个开始出错的地方——那正是产品需要组织结构、设计护栏、收窄输入或把任务拆成更小步骤的地方。注意：这一步找到的只是"期望行为"，还不是最终解法，护栏设计是后续步骤。

仪式四：在系统提示词里加入明确的失败应对（3分钟）——衔接护栏设计 把同一个真实的混乱输入（会议记录、Slack 讨论、支持日志）反复喂给同一个 AI 对话，问同样的问题（比如"前五个决定是什么？"），并排比较多次回答：每次挑的"决定"是否不同？是否编造了文本里没有的决定？是否反复漏掉同一个重要决定？问自己：如果用户看到这些输出里最差的一个版本，他们还会信任这个产品吗？根据观察加一条护栏。