AI项目立项评估五道门

Enterprise AI Project Assessor

面向企业 AI 产品经理与业务评审团队的 Agent Skill：通过五道门判断一个 AI 需求是否值得立项，并输出 GO、VALIDATE-FIRST 或 NO-GO、证据缺口与最低成本验证计划。兼容 Codex、OpenClaw、Claude Code 等支持 Agent Skills 的智能体。

适合谁

• 企业 AI 产品经理／AIPM：把业务需求转化为可评审的 AI 项目，并判断是否应进入下一阶段。
• 业务负责人、数字化负责人和创新团队：在投入预算与研发资源前，识别真实价值、关键假设和致命风险。
• 算法、研发与架构负责人：把业务节点映射为规则、人工与 AI 分工，并评审技术路线和验证口径。
• 财务、运营、数据、法务与风控协作团队：共同检查 ROI、数据责任、权限边界、人工兜底和退出机制。

适用场景

• 收到一个企业 AI 构想、业务需求或项目提案，想先判断“值不值得做”。
• 已有 PRD、用户访谈、业务数据或项目复盘，需要进行正式立项评审。
• 在 Demo、POC、MVP、试点、生产上线或规模化扩量前，判断能否进入下一阶段。
• 需要还原现有业务流程，确定哪些节点适合规则、人工或 AI，以及是否真的有必要使用 AI。
• 需要选择 AIGC、RAG、Workflow、Agent 与模型组合，并设计代表性 Demo／POC 验证。
• 材料不足或证据冲突，无法直接决策，需要输出关键证据缺口和最低成本验证计划。
• 项目涉及高风险决策、生产写权限、价格或赔偿等场景，需要检查一票否决、人工审批和运营兜底。

不适用场景

• 只需要撰写普通非 AI 功能 PRD、界面文案或原型说明，不涉及是否立项的判断。
• 只做孤立的模型跑分或技术选型，不评估业务价值、投资回报和上线治理。
• 希望在缺少证据时直接获得肯定结论，或把案例中的数据当作当前项目事实。
• 需要法律、医疗、财务、安全等顾问或企业授权责任人代为作出最终审批；本 Skill 只能辅助评审，不能替代专业签字。

为什么做这个 Skill

企业 AI 项目常见的问题不是“模型能不能演示”，而是需求是否真实、AI 是否优于规则或人工、方案能否在真实业务分布下稳定工作、规模化收益能否覆盖总成本，以及上线后是否有人运营和兜底。

这个 Skill 将立项评审封装为一套可复用、可追溯的决策流程，避免用模型演示效果、单点准确率或模糊的降本叙事代替立项证据。

五道门

五道门按顺序评审。重大合规、安全、权限或不可接受的失败模式可触发一票否决；加权总分不能覆盖致命风险。

决策口径

• GO：关键事实和可执行条件已经成立，可进入明确范围的下一阶段。
• VALIDATE-FIRST：方向有潜力，但关键假设尚未验证；先完成限定成本、周期和通过阈值的验证。
• NO-GO：核心价值不成立、存在不可接受风险，或在当前范围与条件下不值得继续。
• EVIDENCE-NEEDED：材料不足，尚不能形成上述三类立项结论；它是评估状态，不是第四种业务决策。

所有结论都绑定具体的项目阶段、业务范围和前置条件，避免把“可以做 Demo”误写成“可以规模化上线”。

工作方式

flowchart LR
    A["PRD、调研、数据与约束"] --> B["证据台账与冲突检查"]
    B --> C["五道门顺序评审"]
    C --> D{"一票否决或关键缺口？"}
    D -->|否| E["GO / VALIDATE-FIRST / NO-GO"]
    D -->|材料不足| F["EVIDENCE-NEEDED + 追问"]
    D -->|致命风险| G["NO-GO + 风险依据"]
    E --> H["结论、条件、风险和下一步"]
    F --> H
    G --> H

Skill 会区分已验证事实、文档陈述、相关方口述、假设、未知项和冲突证据。材料缺失不会自动等于“不通过”，案例中的数字也不会被带入新项目作为事实。

项目亮点

• 业务决策抽象：把分散的调研、方案、财务和运营问题沉淀为五道可复用的阶段门。
• AI 产品方案能力：先完成人工／规则／AI 分工，再进入 RAG、Workflow、Agent、AIGC 和模型选型。
• 可控性设计：显式定义证据等级、信息不足、证据冲突、一票否决和高风险权限边界。
• 工程化与评测：将方法论拆为输入输出契约、执行规则、兜底层和案例库，并用三类输入及断言做回归测试。

仓库结构

.
├── assess-enterprise-ai-project/
│   ├── SKILL.md                    # 索引、输入输出契约与执行工作流
│   ├── agents/openai.yaml          # Codex 专用展示配置，其他 Agent 可忽略
│   └── references/
│       ├── five-gates.md           # 五道门评审标准
│       ├── decision-rules.md       # 决策与一票否决规则
│       ├── evidence-fallback.md    # 缺失、冲突和降级评估机制
│       ├── output-template.md      # 固定输出模板
│       └── case-library.md         # 脱敏／模拟案例库
└── tests/
    ├── inputs/                     # 三类模拟输入
    ├── expected/                   # 可审计断言
    ├── outputs/                    # 示例评审结果
    └── results/                    # 回归测试记录

兼容平台

Skill 主体采用开放的 Agent Skills 目录结构：SKILL.md 负责元数据与执行工作流，references/ 按需提供评审规则、输出模板和案例。不同平台的区别主要是安装目录和显式调用语法。

agents/openai.yaml 仅用于 Codex 的界面展示。其他平台会使用 SKILL.md 和 references/，不依赖这个文件。

安装

Codex

方法一：使用 Skill Installer

在 Codex 中输入 $skill-installer，并发送：

请安装这个 Skill：
https://github.com/hope138/enterprise-ai-project-assessor/tree/main/assess-enterprise-ai-project

安装完成后新建一个 Codex 任务，以便重新加载 Skill 列表。

方法二：本地链接（macOS / Linux）

git clone https://github.com/hope138/enterprise-ai-project-assessor.git
cd enterprise-ai-project-assessor
ln -s "$PWD/assess-enterprise-ai-project" ~/.codex/skills/assess-enterprise-ai-project

OpenClaw（macOS / Linux）

git clone https://github.com/hope138/enterprise-ai-project-assessor.git
cd enterprise-ai-project-assessor
mkdir -p ~/.agents/skills
ln -s "$PWD/assess-enterprise-ai-project" ~/.agents/skills/assess-enterprise-ai-project

如果已经安装在 Codex 的个人 Skill 目录，也可以使用 OpenClaw 提供的迁移流程：

openclaw migrate plan codex
openclaw migrate codex

Claude Code（macOS / Linux）

git clone https://github.com/hope138/enterprise-ai-project-assessor.git
cd enterprise-ai-project-assessor
mkdir -p ~/.claude/skills
ln -s "$PWD/assess-enterprise-ai-project" ~/.claude/skills/assess-enterprise-ai-project

如果只想在单个项目中使用，可将完整的 assess-enterprise-ai-project/ 文件夹放到该项目的 .claude/skills/ 或对应平台的工作区 Skill 目录。

如何调用

在 Codex 中显式调用：

$assess-enterprise-ai-project

请评估下面这个企业 AI 项目是否值得立项。当前阶段是 POC 决策，材料包括 PRD、用户访谈、业务数据和安全约束……

在 OpenClaw 中使用 $assess-enterprise-ai-project，在 Claude Code 中使用 /assess-enterprise-ai-project。也可以直接提出“这个 AI 项目是否值得做”“请评审这份 PRD 能否立项”等问题，由支持自动触发的 Agent 根据 Skill 的 description 匹配。

建议至少提供：项目名称和当前阶段、目标用户与业务流程、问题证据、现有方案、期望指标、数据与系统条件、成本收益假设，以及运营／合规约束。缺失时 Skill 会优先追问影响决策的关键信息，并在无法补充时降级评估。

输出内容

• 执行结论、适用范围、前置条件与置信度
• 证据台账和证据冲突
• 五道门逐门状态、证据、阻塞项与判断
• 一票否决检查和致命风险
• VALIDATE-FIRST 对应的最低成本验证计划
• 下一阶段动作、责任人建议和停止条件

测试与示例

当前包含三条决策路径的模拟测试：

使用边界

• 案例和模拟数据仅用于展示决策方法，不代表通用行业基准。
• 输出是立项辅助意见，不替代企业内部的财务、法务、安全、隐私和业务负责人审批。
• 对高风险、零容错或涉及资金赔偿、价格承诺等权限场景，应由确定性系统或授权人员做最终决策。