1. 项目概述一个为AI编程工具打造的“产品经理大脑”如果你和我一样日常工作中重度依赖Claude Code、Cursor这类AI编程助手那你肯定也遇到过类似的困境想让AI帮你写个PRD产品需求文档它给你生成一堆漂亮但空洞的废话想让它分析SaaS业务指标它只会泛泛而谈“要提升留存率”想让它帮你规划产品路线图它给出的建议往往缺乏实际的权衡和优先级判断。这感觉就像你请了一个只会说漂亮话的实习生而不是一个能和你并肩作战、有实战经验的产品搭档。今天要聊的这个项目——product-manager-skills就是为了解决这个痛点而生的。它不是一个简单的提示词合集也不是一个模板包而是一个专门为AI编程工具设计的“产品经理技能包”。你可以把它理解为一个插件安装后你的AI助手就瞬间被“注入”了资深产品经理的思维框架、工作流和决策逻辑。它不再是一个被动的文本生成器而是一个能主动思考、敢于质疑、并能基于成熟方法论给出具体建议的“虚拟产品同事”。这个技能包的核心价值在于将产品管理的专业性与AI的生成能力深度结合。它内置了从产品发现、战略定位、需求撰写、指标诊断到职业发展的完整知识体系覆盖了产品经理日常工作的方方面面。更重要的是它被设计成“可重复使用的工作流”这意味着你可以每周、甚至每天用它来执行固定的产品任务比如周一评审路线图变更周三审查PRD草案周五做一次业务健康度诊断从而将AI从一个偶尔使用的工具变成一个嵌入你工作流中的稳定生产力杠杆。2. 核心设计理念从“生成文本”到“执行工作流”市面上大多数所谓的“AI产品工具”都停留在表层它们擅长把模糊的指令变成语法正确、格式漂亮的文档但往往缺乏深度和批判性思维。product-manager-skills的设计哲学截然不同它的目标不是“写东西”而是“解决问题”和“做出决策”。这种差异体现在以下几个核心设计原则上。2.1 原则一对抗“漂亮的废话”追求“有用的严谨”很多AI工具为了追求用户满意度会倾向于生成安全、正面、听起来很专业的输出。但这恰恰是产品工作中的大忌。一个合格的产品经理必须能识别“解决方案走私”Solution Smuggling即把解决方案伪装成问题陈述、“指标剧场”Metrics Theater即设定无法衡量真实业务价值的虚荣指标、“功能工厂”Feature Factory即只顾堆砌功能而不关注结果等反模式。这个技能包被编程为主动“推回”Push Back。当你给它一个草率的PRD时它不会客气地帮你润色而是会尖锐地指出“你的问题陈述里已经预设了‘用户需要一个偏好设置面板’这个解决方案请重新定义核心问题。” 这种“不友好”恰恰是它最有价值的地方它模拟了一个资深同行在评审会议上的真实反应强迫你回到第一性原理去思考。2.2 原则二内置框架而非泛泛而谈普通提示词让AI分析业务它可能会说“8%的月流失率有点高建议优化用户体验。” 这种建议毫无信息量。而product-manager-skills会调用内置的SaaS财务模型进行计算和推理“8%的月流失率复利计算后年化流失率约为63%这是一个红色警报而不仅仅是‘略高’。结合80%的毛利率和500美元的CAC客户获取成本你的LTV客户终身价值大约为1000美元LTV:CAC比值约为2:1回收期约6.25个月。诊断结论回收期尚可但留存是致命问题。在按用户群组深入理解流失原因之前切勿盲目扩大用户获取规模。”看到区别了吗后者提供了具体的计算、明确的阈值如2:1的LTV:CAC是健康底线和可执行的下一步建议“按群组分析流失”。这背后是数十个成熟的商业和产品框架在支撑如JTBDJobs-to-be-Done、机会解决方案树、RICE/ICE优先级模型、PESTEL分析等。AI不是在凭空想象而是在一个结构化的知识体系内进行推理。2.3 原则三优化交互追求“最快可用初稿”这个技能包在交互设计上非常务实。它默认采用“快速生成可用初稿”模式。如果你的请求足够清晰例如“帮我基于这些指标做个诊断”它会直接给出完整答案并在行内标注它所做出的合理假设。如果上下文信息不全它会先给出在现有信息下最好的草案然后只提出最关键的几个补充性问题而不是陷入冗长的、一问一答的“采访模式”。更妙的是它的“教练模式”。当你对指令加上“coach me”指导我时它会从一个“有帮助的助手”切换成一个“苛刻的产品同行”。在这个模式下它的输出会更直接、更具挑战性旨在暴露你思维中的盲点和漏洞并以一个明确的“裁决”如“框架薄弱需重做问题发现”作为结束而不是温和的总结。3. 核心模块与工作流深度解析这个技能包将产品经理的工作拆解为七个核心知识领域每个领域都配备了相应的框架、模板和判断逻辑。理解这些模块你就能知道在什么场景下该调用它的哪部分能力。3.1 发现与研究模块从模糊想法到清晰问题这是产品工作的起点。很多团队会直接跳进解决方案的讨论而这个模块强制你首先定义“我们到底要解决什么问题”。它内置了“客户待办任务”JTBD访谈提纲、“妈妈测试”The Mom Test问题清单以及构建“机会解决方案树”的引导逻辑。实操要点当你有一个初步的产品想法时不要直接说“写个PRD”。而是先启动发现流程“对这个‘用户希望减少不必要通知’的想法运行一个完整的发现流程。” AI会引导你定义假设列出关于用户、问题、场景的所有假设。设计验证建议采用用户访谈、调查或数据探查中的哪些方法来验证关键假设。构建机会树将宽泛的问题“通知打扰用户”分解为具体、可验证的用户痛点或机会点如“用户因无法区分重要与营销通知而关闭所有推送”。输出实验计划为高优先级的机会点设计最小化的实验如A/B测试某个新的通知分类标签。注意AI在这里的角色是“流程引导者”和“思考框架提供者”它无法代替你进行真实的用户访谈。但它能确保你的发现过程是结构化的避免遗漏关键环节。3.2 策略与定位模块在混乱中确立方向产品策略不是空中楼阁这个模块提供了从宏观市场分析到具体功能取舍的工具箱。例如当你要决定下一个季度做什么时可以调用“定位与优先级”工作流。实操示例输入“帮我用RICE模型评估这三个功能A新支付方式、B数据导出增强、C团队协作基础版”。AI不仅会要求你为每个功能估算影响范围、对用户的影响程度、置信度和投入精力更关键的是它会追问你这些估算背后的依据是什么防止拍脑袋决策。它还会引入“战略一致性”作为软性过滤器提醒你“尽管功能C的RICE分数最高但它与我们本季度‘提升核心用户留存’的战略主题不符建议优先考虑功能A。”框架深度除了常见的RICE、ICE它还集成了更复杂的框架如Kano模型用于分析功能属性基本型、期望型、魅力型帮助你理解哪些功能是“必须有”哪些是“越多越好”哪些能带来“惊喜”。这在做产品路线图规划时对于平衡资源投入至关重要。3.3 交付与产出物模块撰写与评审实战这是技能包最常用的部分核心是PRD产品需求文档的撰写与评审。它不是一个填充模板的工具而是一个质量守门员。PRD评审工作流详解 当你将一份PRD草稿丢给它并要求评审时它会从以下几个维度进行系统性“攻击”问题陈述检查是否“解决方案走私”。例如“用户需要一个更快的数据库”是走私“用户在执行复杂查询时等待时间超过10秒导致任务中断”才是合格的问题陈述。成功指标检查是否“虚荣指标”或“指标剧场”。它要求指标必须是可测量、有基线、有目标、有关联护栏的。例如“提升用户满意度”不合格“将NPS净推荐值从20提升到30同时确保核心任务完成率不下滑”才是合格的。范围界定识别“范围蔓延”和“过度设计”。它会尖锐地指出“你的第一版范围包含了前端界面重构、后端API重写和新旧数据迁移这实际上是三个独立的项目。建议将第一版范围收窄为‘在不改变前端的情况下通过优化索引将查询P95延迟降低50%’。”交付风险提示技术依赖、第三方风险、数据迁移复杂度等常被忽略的盲点。用户故事与验收标准它支持将PRD分解为用户故事并按照“Given-When-Then”Gherkin格式编写验收标准确保需求对工程师是明确、可测试的。3.4 财务与指标模块从数字看业务健康对于SaaS或任何有订阅模式的产品经理来说这是必备技能。该模块内置了超过32个关键SaaS指标的计算逻辑和解读框架。深度诊断示例 假设你输入“MRR 5万美金客户数500毛利率75%月流失率5%CAC 300美金。” 普通AI可能回复“业务表现不错建议关注留存。” 而product-manager-skills会输出计算过程单客户平均收入 50000 / 500 100美金/月。月流失率5%对应的年留存率 ≈ (1-0.05)^12 ≈ 54%年流失率约46%。毛利率调整后LTV ≈ (100 * 0.75) / 0.05 ≈ 1500美金。LTV:CAC 1500 / 300 5。回收期 CAC / (ARPA * 毛利率) 300 / (100 * 0.75) 4个月。诊断与解读优势LTV:CAC达到5:1非常健康说明用户获取效率很高。4个月的回收期也很短现金流压力小。风险46%的年流失率仍然是偏高的。虽然LTV看起来不错但这建立在当前CAC较低的基础上。如果未来竞争加剧导致CAC上升或流失率恶化业务模型会迅速变得脆弱。行动建议首要任务不是盲目拉新而是启动“流失根因分析”。按客户群组新客/老客、不同套餐、不同来源渠道拆解流失率找到最脆弱的群体。次要任务在理解流失原因后设计并测试针对性的留存干预措施如 onboarding 优化、成功里程碑设计、预警机制。监控指标在改善留存的同时密切监控CAC的变化趋势。这个模块让你能像CFO一样思考产品将产品功能决策与最终的商业结果直接挂钩。3.5 增长与产品驱动增长模块设计增长引擎对于PLG产品驱动增长模式的产品增长不是市场部的专属。这个模块提供了设计病毒循环、优化激活流程、诊断转化漏斗的框架。实操场景激活流程优化输入“我们的产品是面向开发者的协作工具注册后需要完成‘创建项目’、‘邀请成员’、‘执行第一次代码评审’三个步骤才能达到‘激活’状态。目前注册-激活转化率只有15%如何诊断” AI会引导你绘制激活漏斗精确量化每一步的流失率。提出假设是流程太复杂价值感知不清晰有技术障碍设计实验建议对“创建项目”步骤进行简化设计A/B测试或为新手增加一个引导性的“示例项目”降低启动成本。计算影响估算提升激活率对整体增长和LTV的潜在影响帮助你决定投入多少资源。3.6 职业与领导力模块规划成长路径这是非常独特且有价值的部分。它基于“海拔-视野”Altitude-Horizon等框架帮助产品经理规划职业晋升。使用示例 输入“我是一名高级产品经理擅长执行但感觉在影响其他部门如销售、市场方面很吃力。我想在6个月内准备好总监面试该怎么办” AI不会给你泛泛的“提升领导力”建议而是可能输出现状诊断你目前处于“团队海拔”Team Altitude能很好地管理产品和工程团队但缺乏“组织海拔”Org Altitude的影响力即跨部门驱动战略对齐和资源获取。具体差距故事叙述你讲述的成功案例多围绕“我们团队如何按时交付了一个复杂功能”缺少“我如何通过影响销售策略使新功能上线后首月付费转化率提升X%”这类故事。战略沟通在跨部门会议上你倾向于讨论功能细节而非阐述产品选择如何支撑公司级的年度目标。90天行动计划收集证据主动发起一个与市场部的联合项目解决一个共同的痛点并量化结果。建立节奏每周与一个非工程部门的负责人进行一次30分钟咖啡聊天了解他们的目标和挑战。重构简历使用“情境-任务-行动-结果”STAR法则重写3个能体现你跨职能影响力的项目经历。模拟面试练习回答“请描述一个你处理部门间冲突的案例”这类行为面试题。3.7 AI产品设计模块面向AI原生产品的思考这是一个前瞻性的模块专门用于思考如何构建AI原生AI-Native产品。它引导你思考AI就绪度你的用户问题和数据现状真的适合用AI解决吗还是用规则引擎更简单可靠情境工程如何为AI设计提示词或上下文使其表现更稳定、更可控智能体编排当一个任务需要多个AI智能体或与传统系统协作时如何设计工作流和故障处理机制4. 安装、配置与实战集成指南4.1 安装与激活安装过程极其简单本质上就是将一套定义好的“技能”文件加载到你的AI编程助手中。根据你使用的工具不同命令略有差异。对于 Claude Code / OpenClaw 用户 在项目的终端中直接运行clawhub install product-manager-skills这条命令会从技能仓库拉取最新的product-manager-skills包并完成本地集成。安装后Claude Code在分析你的代码库或回答问题时就能调用产品经理相关的知识了。对于 Cursor、Windsurf 或任何支持npx skills命令的工具npx skills add Digidai/product-manager-skills这条命令通过npm包管理器来添加技能。完成后你的AI助手就具备了产品经理的“思维模式”。手动集成适用于任何支持本地文件读取的LLM 如果你使用的工具比较自定义可以手动下载该项目的GitHub仓库然后将核心的SKILL.md文件以及knowledge/、templates/文件夹的内容整合到你的AI助手的系统提示词或知识库中。SKILL.md是这个技能包的“总说明书”和路由逻辑。重要提示安装后首次使用建议从“启动提示词”STARTER-PROMPTS.md中的一个简单示例开始例如直接粘贴“帮我分析这些指标MRR 8万美金客户700月流失率3%CAC 400美金。” 观察AI的输出是否符合预期以验证安装成功。4.2 核心工作流实战从想法到PRD的“产品冲刺”技能包在v0.5版本引入了“产品冲刺”PM Sprint工作流这是一个端到端的、六阶段的自动化流程完美展示了如何将多个模块串联起来解决一个复杂问题。实战演练为一个“智能文档摘要”功能运行PM Sprint假设你有一个初步想法“我们的协作平台里长文档太多用户没时间看想加个AI摘要功能。”启动指令在AI聊天框中输入“对‘为协作平台添加AI文档摘要功能’这个想法运行一个完整的PM Sprint。”阶段一发现AI会自动进入引导模式“我们开始发现阶段。首先定义核心问题假设用户真的因为‘没时间’而不看长文档吗还是有其他原因如找不到重点、信息过载请列出至少3个你想验证的关键假设。” 你回答后它会建议验证方法如查看文档平均阅读完成率数据、访谈5位重度用户并帮你构建初步的机会解决方案树。阶段二定位AI会追问“进入定位阶段。这个摘要功能是‘基础能力’没有它产品就不完整‘性能提升’有了更好还是‘卓越体验’能带来惊喜我们的目标用户是所有人还是优先服务于经理、新员工等特定角色” 这迫使你思考功能的战略价值和目标市场。阶段三优先级AI会调用框架“使用RICE模型进行初步评估。影响范围平台内多少比例的用户会用到假设为30%。影响程度对用户效率提升有多大假设为中等3分满分5分。置信度我们对上述估算有多大把握假设中等70%。投入一个初级工程师需要多少周假设4周。计算RICE分数为 (3030.7)/4 15.75。请与你的其他待办事项比较。”阶段四定义基于前序讨论AI开始起草PRD的核心部分“基于讨论起草PRD初稿。问题团队成员难以快速从长篇会议纪要、项目报告中提取关键决策和行动项导致信息遗漏和跟进延迟。成功指标核心指标功能使用率目标20%的周活用户满意度指标摘要功能NPS目标40护栏指标文档平均阅读深度不应因摘要功能而下降。范围V1支持对Markdown和纯文本格式的文档生成3-5要点式摘要摘要可一键复制在文档详情页侧边栏展示。”阶段五验证AI会建议验证方案“在投入开发前建议进行‘假门测试’或‘绿野仙踪测试’制作一个高保真原型用户点击‘摘要’按钮后实际上由后台人工在1分钟内生成摘要并返回。用以验证用户需求强度和核心交互流程。”阶段六度量AI会设计上线后的度量计划“上线后度量计划追踪功能使用漏斗曝光-点击-使用-满意进行A/B测试对比有摘要和无摘要的文档后续互动率评论、分享每周分析摘要使用频率最高的文档类型和用户角色。”整个流程下来一个模糊的想法被系统地转化为了一个经过初步思考、有度量计划的产品方案草案。你可以随时在任何一个阶段暂停、跳过或重新排序。4.3 日常集成模式让AI成为你的产品副驾要让这个技能包价值最大化关键在于将其融入你的日常工作节奏而不是偶尔玩一下。周一早晨路线图评审。将本周收到的所有新需求、变更请求粘贴给AI指令是“以产品负责人的视角评审这些对当前季度路线图的变更请求。指出哪些与我们的战略主题不符哪些存在依赖风险并给出优先级排序建议。”周三下午PRD评审会前自检。在把PRD发给工程师之前先让AI过一遍“以最苛刻的同行身份评审这份PRD。聚焦于问题定义是否清晰、成功指标是否可测量、范围是否聚焦、主要风险是否已识别。”周五下班前业务健康度检查。更新本周的核心业务指标让AI做一次快速诊断“这是本周的最新数据MRR增长2%新客增长50人但月流失率从4.5%升至5.1%。分析可能的原因并建议下周最应深入查看的数据维度。”职业发展时间在准备晋升答辩或面试前用“教练模式”模拟面试“假设我是面试官现在请你描述一个你主导过的最复杂的产品权衡决策。coach me。”通过这种高频、聚焦的使用AI才能真正内化成你的“第二大脑”提升你的决策质量和效率。5. 常见问题、局限性与避坑指南尽管这个技能包非常强大但了解它的边界和正确使用方式能让你事半功倍。5.1 常见问题与解决方案Q1AI给出的指标计算或诊断结论我能完全相信吗A不能100%盲信。AI的结论基于其内置的模型和公式以及你提供的数据。你必须理解其背后的逻辑。例如LTV的计算公式有很多变体历史LTV、预测LTV技能包使用的是适用于SaaS订阅业务的简化公式LTV (ARPA * Gross Margin %) / Churn Rate。你需要确保你提供的“毛利率”是准确的贡献毛利率。“流失率”是当期一致的毛流失率。 如果业务模型特殊如交易型平台这个公式可能不适用。最佳实践是将AI的输出视为一个资深同事的“第一轮分析”你必须具备复核其计算过程和前提假设的能力。Q2在“教练模式”下AI的批评过于尖锐感觉无法继续了怎么办A这是设计使然旨在模拟真实的高标准评审。如果感到挫败可以明确指令软化语气“请以建设性的方式指出这份PRD的三个最主要改进点。”分步进行不要一次性要求评审整个文档。可以先说“请只评审问题陈述部分是否合格。”记住它的目标是帮你产出更好的工作成果而不是打击你。把它的批评看作是对事不对人的、提升工作质量的宝贵反馈。Q3技能包似乎没有覆盖我们行业如硬件、B2B企业软件的特殊性A确实这个技能包的知识体系更偏向于软件即服务SaaS和互联网产品管理。对于硬件产品其生命周期、成本结构、风险管理完全不同对于复杂的B2B企业软件采购决策流程、干系人管理、合规性要求等是关键。你可以补充上下文在提问时先花一两句话描述行业特殊性。例如“我们是一家做工业物联网硬件的公司产品交付周期长客户决策链复杂。请基于这个背景评审我们这个新传感器模块的上市计划。”贡献反馈如果某个领域缺失严重可以在项目的GitHub仓库提交Issue说明你的用例。开源项目的进化依赖社区的实践反馈。Q4安装后AI好像没有反应或者输出的内容很普通A首先确保安装命令执行成功没有报错。其次最关键的是启动指令要明确。如果你只是问“怎么做好产品”AI可能会回退到它的通用知识库。你必须使用能触发特定技能模块的指令。最可靠的方式是直接复制STARTER-PROMPTS.md文件里的示例指令开始。最后检查你使用的AI工具是否完全支持技能加载功能有些工具的早期版本可能存在兼容性问题。5.2 局限性认知它不是协作平台这个技能包是给你个人或小团队使用的“思考伙伴”和“质量检查器”。它没有用户权限管理、审批流程、评论协作等功能。如果你需要的是一个像Productboard或Aha!那样的全功能产品管理SaaS那这个工具不适合你。它不替代深度思考和人脉AI可以帮你梳理框架、查漏补缺、快速计算但它不能代替你与用户共情、不能代替你与工程师进行技术可行性探讨、也不能代替你在公司政治中争取资源。它输出的是“草案”和“建议”决策和责任永远在你。知识更新有延迟产品管理方法论也在演进。技能包的知识库基于创建时的最佳实践并持续更新但可能无法涵盖某个细分领域最新出现的框架。保持批判性思维结合其他信息来源。对模糊问题的处理对于极其模糊、信息量极少的初始问题如“我想做个社交APP”技能包可能仍会给出一个框架性的启动建议但其输出价值会大打折扣。产品管理的起点永远是你自己对问题和市场有最基本的洞察。5.3 高级使用技巧与避坑指南技巧一组合使用技能与上下文不要孤立地使用技能。在与AI对话时先提供充足的业务背景。例如在分析指标前先告诉AI“我们是一家处于A轮阶段的SaaS公司主打产品是项目管理工具客单价约每月50美元主要客户是中小型科技团队。” 这样AI的分析会更贴合你的实际情况。技巧二善用“假设”标签技能包的一个优秀特性是当它需要做出假设时会明确标注出来。例如“【假设您的客户获取成本主要来自线上广告】基于此建议关注广告投放ROI…” 你要密切关注这些假设判断它们是否合理。这是与AI进行“思维同步”的关键环节。技巧三迭代式交互而非一次性问答对于复杂任务采用多轮对话。第一轮让AI给出草案和关键问题。你回答后在第二轮指令中说“基于我刚才补充的信息我们的战略是提升企业客户份额请更新之前的路线图建议并重点分析对新企业客户吸引力最强的三个功能。” 这样能引导AI不断深化思考。避坑指南不要陷入“过度优化”陷阱AI很擅长生成细节有时你会沉迷于让PRD的格式更完美、让计算更精确到小数点后三位。记住技能包的核心价值是推动决策和暴露风险而不是生产艺术品。当AI已经指出核心风险如“留存率是致命问题”时你的行动应该是去解决留存问题而不是花一小时让AI把诊断报告排版得更漂亮。安全与信任最后提醒该项目所有核心逻辑都是可读的Markdown文件没有隐藏的可执行代码。它提供的两个小脚本update-check和validate-release仅用于手动检查更新和发布验证不会在技能运行时自动执行也不会收集任何数据。你可以完全放心地审查、修改甚至基于它的框架构建适合自己团队的自定义技能包。