核心用法
该技能是一套面向知识工作者的工具决策与 workflow 设计方法论，覆盖「发现→评估→连接→维护」全生命周期：
1. 问题驱动的工具发现：不追逐热门或功能最全的选项，而是从具体场景、摩擦点、历史失败经验和资源约束出发，匹配主流方案、细分领域替代方案或现有工具的优化空间。
2. 结构化评估框架：建立可复用的试用流程与决策标准，量化「隐性成本」（学习曲线、认知负荷、迁移风险），识别长期可用 vs 短期弃用的信号。
3. Workflow 分子化设计：将单点工具连接为自动化、集成化、触发-动作可靠的系统，同时定期审视并简化过度复杂的遗留流程。
4. 工具切换综合征干预：区分「工具不适配」与「使用不充分」，支持基于证据的切换决策与承诺式投入。
5. AI 时代导航：鉴别「真价值 AI 功能」与「跟风式特性」，评估新兴品类，理解 AI 特有失效模式。
显著优点
- 反直觉的成本意识：将「免费试用」重新定义为高时间成本行为，建立理性评估纪律。
- 系统思维导向：超越单点工具推荐，聚焦工具间的连接与整体 workflow 效能。
- 动态适应性：针对 AI 加速迭代的工具市场，提供持续更新的评估框架而非静态清单。
潜在局限
- 执行依赖度高：框架有效与否高度依赖用户的自我觉察与信息收集能力；无自动化工具推荐引擎，需人工调研。
- 时效性挑战：AI 工具迭代极快，具体案例可能迅速过时，需持续跟进。
- 组织场景覆盖有限：侧重个人/小团队 workflow，大型企业 IT 治理、合规采购流程涉及较少。
适合人群
- 频繁遭遇「工具囤积症」或「切换疲劳」的自由职业者、创作者、项目经理
- 希望系统提升个人生产力系统的知识工作者
- 对 AI 工具爆发感到选择焦虑、需建立评估锚点的技术采纳者
常规风险
- 框架误用：过度分析导致「工具决策瘫痪」，反增认知负担。
- AI 功能幻觉：将演示级 AI 特性误判为生产级能力，需配合技能内的「失效模式」 checklist 使用。
- 沉没成本忽视：技能本身倡导的「评估」若执行过度，可能合理化不必要的工具囤积行为。