recommendation-canvas
作者 deanpetersrecommendation-canvas 是一個結構化的 AI 產品推薦技能，適合 Product Management 團隊使用。它可協助你在決定是否投入開發某個 AI 功能或產品之前，先評估商業成果、客戶成果、問題定義、解決方案假設、定位、前提與風險。透過 recommendation-canvas 指南，你可以把粗略想法整理成一份站得住腳的推薦建議。
此技能評分為 76/100，表示它很適合納入目錄，特別是想用結構化方式評估 AI 產品提案的使用者。這個 repository 提供了足夠具體的工作流程內容與範本指引，值得安裝；不過使用者應預期它更偏向策略型技能，而不是高度自動化的工具。
- 觸發情境與用途清楚：它明確用於在決定某個 AI 產品方案是否值得投資或推薦時，進行評估與提案。
- 操作結構完整：`SKILL.md` 定義了核心 canvas 組成，範本也提供了可直接使用的 recommendation canvas 格式。
- 安裝決策價值高：repo 內包含範例 canvas 與非占位內容，讓 agent 更容易快速理解預期輸出。
- 沒有提供安裝指令、腳本或支援檔，因此採用方式仰賴閱讀 markdown skill 與範本，而不是執行一套已封裝的工作流程。
- 內容偏策略與框架導向，對於需要快速戰術處理，或需要高度明確逐步自動化的 agent 來說，幫助可能較有限。
recommendation-canvas 技能概覽
recommendation-canvas 是一個結構化的決策技能，專門用來在你真正投入開發之前，評估 AI 產品點子。它會把模糊提案整理成一份站得住腳的建議，並以商業成果、客戶成果、問題定義、解決方案假設、定位與風險來建立判斷框架。
recommendation-canvas 是用來做什麼的
當你需要判斷某個 AI 功能、工作流程或產品值不值得投資時，就該使用 recommendation-canvas 技能。它特別適合需要向利害關係人分享 recommendation canvas，而不只是做腦力激盪的 Product Management 團隊。
誰適合使用
這個技能適合 PM、創辦人、產品策略師，以及需要用證據和假設來證明某個想法合理性的 AI 解決方案負責人。如果你已經有完整定義好的功能說明，只需要實作細節，那它就不太適合。
它和一般方法有什麼不同
recommendation-canvas 不像一般的 prompt，會強迫你同時看見價值、不確定性與風險。這也讓 recommendation-canvas 對 Product Management 更有幫助，因為它能協助你說明這個點子為什麼重要、哪些條件必須成立，以及你要如何及早判斷它是否值得繼續投入。
如何使用 recommendation-canvas 技能
安裝並載入 recommendation-canvas
先依照技能檔案中的 repository 安裝流程進行，然後從 skills/recommendation-canvas/SKILL.md 開始。如果你是手動瀏覽，也請一起打開 template.md 和 examples/sample.md，這樣在自己撰寫 canvas 之前，就能先看懂預期的輸出格式。
給它一個決策題目，不要只給一個主題
recommendation-canvas 的安裝與使用，在你提供的是具體產品選擇時效果最好，例如「我們要不要替支援工單加入 AI 摘要？」而不是「探索 AI 在客服上的應用」。這個技能需要明確的目標使用者、商業目標，以及決策背景。
把粗略想法轉成有力的提示詞
如果只說「幫我做一份 AI 點子的 recommendation canvas」，那就是很弱的 brief。更好的 recommendation-canvas 使用提示詞，會清楚交代產品是給誰用、哪個成果最重要、有哪些替代方案，以及最大的風險是什麼。
範例輸入結構：
- 產品或功能名稱
- 目標 persona
- 期待的商業指標
- 客戶痛點或待完成工作
- 已知限制、風險或未知數
- 偏好的競品或目前替代作法
先看這些檔案
先看 SKILL.md 理解框架，再看 template.md 了解輸出結構，最後讀 examples/sample.md 掌握預期的具體程度。這三個檔案能最快讓你理解 recommendation-canvas 的邏輯與格式。
recommendation-canvas 技能 FAQ
recommendation-canvas 只是策略模板嗎？
不是。recommendation-canvas 技能是給 AI 產品提案用的決策工具。它的目的是把假設攤開來看，而不是產出潤飾過的行銷文案或功能規格書。
什麼情況下不該用？
如果你只是需要簡單的點子整理、技術設計文件，或 roadmap ticket，就不適合用 recommendation-canvas。它最強的地方在於選擇很關鍵，而且你需要一份能通過利害關係人審查的建議。
它適合初學者嗎？
可以，只要你能用白話描述產品想法就行。真正的難點不是寫作能力，而是要給 canvas 足夠的背景資訊，讓它能分清商業價值、客戶價值與風險。
它怎麼放進 AI 產品工作流程？
它適合放在探索期的早期，也就是在解決方案設計與實作規劃之前。團隊通常會在初步發想之後、實驗之前使用它，因為 canvas 可以幫助你先決定哪些假設最值得優先驗證。
如何改進 recommendation-canvas 技能
提供更精準的輸入
最好的 recommendation-canvas 結果，來自具體限制條件：目標族群、現有替代作法、成功指標與決策期限。如果你只給一個大方向，輸出就會過度概括，抓不到真正重要的取捨。
明確要求假設與風險
請清楚告訴這個技能哪些地方還不確定：使用者信任、資料品質、工作流程相容性、法律風險，或採用阻力。這會讓 recommendation-canvas 的產出更好，因為 canvas 能把已被證實的部分和仍需探索的部分分開。
從建議迭代到實驗
完成第一版 canvas 後，可以再要求一個更聚焦的版本，只針對一個受眾、一個成果或一個風險。接著再請它提出實驗、存活訊號，或定位替代方案，讓建議從抽象變成可驗證。