第3章 模型能力粒度分析：区分原子能力、复合能力、系统能力
3.1 用户场景：模糊需求下的能力粒度困境
某电商平台产品经理小王接到业务方需求：“做一个智能导购，像真人导购一样理解客户、推荐商品、还能讨价还价。”小王翻看竞品文档，发现同类产品有的只用分类模型，有的搭载多轮对话，有的还支持拍照识物。他面临一个典型困境：同一个“导购”诉求，在能力粒度上存在巨大解读空间——选错粒度将直接导致方案方向偏差、资源浪费或交付失败。
这类场景在AI产品起步阶段普遍存在：业务方用自然语言描述“最终体验”，而产品经理必须将其翻译成具体的模型能力，并判断哪些能力可以内部自研、哪些需要调用外部API、哪些需做多模态融合。能力粒度分析成为产品第一道分水岭。
3.2 业务问题：粒度失焦带来的连锁风险
能力粒度判断失误会在产品全流程引发连锁反应。以下三类风险最为常见：
- 颗粒度过粗（把系统能力当原子能力）：认为“智能导购=一个分类模型”，方案过于简单，上线后用户发现无法多轮交互、无法理解上下文，产品迅速被弃用。
- 颗粒度过细（把原子能力当系统能力）：为“风格匹配”这个分类任务配备多模态对话团队，导致3倍以上资源消耗，交付周期从2周拉长为3个月。
- 粒度描述模糊（需求文档写“智能推荐”）：研发理解为“协同过滤推荐”，业务方预期“能根据用户心情推荐”，产品验收时双方对“智能”的认定完全错位，返工率超过60%。
3.3 用户访谈：三类角色对同一需求的粒度认知差异
以“智能导购”为统一需求，分别访谈业务负责人、算法负责人和一线运营，三者的粒度认知呈现出系统性的层级错位。以下访谈摘要对比直观展示了这种差异：
| 访谈对象 | 对“智能导购”的核心描述 | 隐含的粒度层 | 典型偏差后果 |
|---|---|---|---|
| 业务负责人（张总） | “能像真人导购一样聊天、看图片、砍价，体验要自然。” | 系统能力（多模态交互） | 期望过高，认为“上线即完美”，无法接受分阶段交付 |
| 算法负责人（李博士） | “先确认是文本对话还是多轮推荐，数据标注量和模型选型完全不同。” | 复合能力（对话 / 推荐） | 过早进入技术选型，忽略业务对多模态的长期诉求 |
| 一线运营（小刘） | “用户经常问‘这件衣服适合我吗’，需要快速判断风格是否匹配。” | 原子能力（分类 / 匹配） | 只看单点任务，缺乏整体交互链路设计 |
访谈结论：同一需求在三个角色眼中对应三个完全不同粒度的能力层。产品经理必须在访谈阶段主动引导各方对齐粒度认知，否则后续需求拆解将基于错误的前提展开。
3.4 需求拆解：从模糊诉求到三层能力映射
需求拆解的核心动作是将业务方一句自然语言诉求，逐层拆解为原子能力、复合能力、系统能力，并建立它们之间的“组合-集成”关系。以下是以“智能导购”为例的三层映射过程：
- 第一层拆解（系统能力识别）：识别需求中涉及多种输入（文本+图像+语音）或多种输出（推荐列表+对话+视觉展示）的场景，判定是否属于多模态系统能力。智能导购涉及“看图问衣”“语音砍价”“图文对比”，判定为系统能力（多模态）。
- 第二层拆解（复合能力识别）：在系统能力内部，识别承载业务逻辑的子能力模块。智能导购包含“多轮商品对话”和“个性化推荐”两个核心复合能力，分别对应对话和推荐。
- 第三层拆解（原子能力识别）：对每个复合能力继续下钻，找到不可再分的模型任务。对话依赖“意图分类”“情感回归”“话术生成”；推荐依赖“用户偏好分类”“评分回归”“候选生成”。最终得到分类×3、回归×2、生成×1 共6个原子能力单元。
3.5 方案表达：三层能力粒度架构
完成需求拆解后，需要将三层能力的组合关系可视化表达，作为方案文档的核心架构图。下图展示了从原子能力到复合能力再到系统能力的逐层集成路径，帮助产品、研发、测试三方在同一张图上对齐粒度认知。
架构图使用三层虚线框划分能力层级：底部原子能力（分类 / 回归 / 生成）通过箭头向上组合为中部复合能力（对话 / 推荐），再进一步集成为顶部系统能力（多模态）。方案文档中嵌入此图，可让所有干系人在一分钟内理解能力的组织关系和交付依赖顺序。
3.6 指标验证：不同粒度的度量方式
能力粒度不同，验证指标的选择逻辑也完全不同——原子能力关注模型精度，复合能力关注交互效率，系统能力关注体验闭环。以下是三层能力的核心指标对照：
| 能力层 | 典型能力 | 核心指标 | 指标解读 |
|---|---|---|---|
| 原子能力 | 分类 / 回归 / 生成 | 准确率、F1、MAE、BLEU、Perplexity | 反映单一模型的任务精度，可独立在测试集上验证 |
| 复合能力 | 对话 / 推荐 | 对话轮次、任务完成率、CTR、NDCG@10、用户留存 | 反映多模型协作后的业务效率，需在模拟环境中验证 |
| 系统能力 | 多模态 | 模态对齐准确率、端到端任务成功率、净推荐值（NPS） | 反映全链路体验质量，需在真实用户流量中验证 |
3.7 验收标准与交付物模板
验收标准需要为每一层能力分别设定“可量化、可复现”的通过条件，避免用笼统的“体验好”“建议准”作为验收依据。以下是一份标准的三层验收对照表：
| 验收维度 | 原子能力验收标准 | 复合能力验收标准 | 系统能力验收标准 |
|---|---|---|---|
| 功能完整度 | 所有分类/回归/生成任务均有独立测试用例覆盖，边界case通过率≥90% | 对话/推荐主流程走通，异常流程（拒答、重复推荐）有预设兜底 | 文本+图像+语音三种输入模态均可触发完整导购流程 |
| 性能基线 | 模型推理时延 < 200ms（P99），单机QPS ≥ 100 | 多轮对话单轮响应 < 1s，推荐列表生成 < 500ms | 端到端全链路时延 < 3s（含多模态解析+对话+推荐） |
| 指标阈值 | 分类准确率 ≥ 92%，回归MAE < 0.15，生成BLEU ≥ 35 | 任务完成率 ≥ 80%，CTR ≥ 5%，对话轮次 ≥ 3轮 | 模态对齐准确率 ≥ 85%，端到端成功率 ≥ 70% |
| 可观测性 | 单模型日志结构化，支持按标签维度的指标下钻 | 全链路traceID贯通，可定位到具体是哪一次原子能力调用失败 | 用户session级别体验评分，支持按模态拆分满意度 |
交付物模板：能力粒度分析表
每个需求在完成拆解后，必须输出一份能力粒度分析表，作为产品需求文档的强制附件。以下模板可直接复用：
| 业务需求描述 | 粒度判定 | 所属能力层 | 推荐模型方案 | 核心指标 | 验收优先级 |
|---|---|---|---|---|---|
| 判断用户输入的意图是“问价格”还是“求推荐” | 原子能力 | 分类 | BERT-base 微调 / GPT 零样本分类 | 意图分类准确率 ≥ 93% | P0 |
| 根据用户尺码和风格偏好生成推荐结果排序 | 复合能力 | 推荐 | 双塔模型 + 多目标排序（MMoE） | NDCG@10 ≥ 0.72 | P0 |
| 用户上传衣服图片，要求推荐搭配的下装 | 系统能力 | 多模态 | CLIP 图像编码 + 跨模态检索 + 对话排序 | 端到端成功率 ≥ 75% | P1 |
| 生成一段符合品牌语气的商品介绍文案 | 原子能力 | 生成 | LLM 指令微调（LoRA） | BLEU ≥ 38 + 人工通过率 ≥ 85% | P1 |