从通用 AI 到领域专用：PM 工作流的结构化革命
当大多数团队还在用通用大模型生成 PRD 草稿时，一些前沿产品团队已经开始构建领域专用的 Agentic 技能市场。pm-skills 项目正是这种趋势的典型代表 —— 它将产品经理的核心工作流拆解为 68 个可复用技能和 42 个链式命令，覆盖从需求发现到产品发布的完整生命周期。
与通用 AI 助手不同，这个项目并非简单提供文本生成能力，而是将 Teresa Torres 的持续发现框架、Marty Cagan 的 INSPIRED 方法论、Alberto Savoia 的 Pretotyping 等经过验证的 PM 理论，编码为结构化的 Agent 技能。每个技能不仅包含领域知识，还定义了明确的输入输出格式、分析步骤和决策节点。
三层架构：Skill、Command 与 Plugin 的设计哲学
pm-skills 采用分层架构实现能力的模块化和可组合性。
Skill（技能） 是最基础的构建单元，相当于 Agent 的 "知识库"。每个 Skill 对应一个具体的 PM 任务或分析框架，例如 identify-assumptions 用于识别产品假设，opportunity-solution-tree 实现机会解决方案树分析。Skill 采用 Markdown 格式定义，包含框架说明、执行步骤、输出模板和示例，确保不同 LLM 都能理解并执行。
Command（命令） 是用户直接触发的工作流，通过 /command-name 形式调用。Command 的核心价值在于将多个 Skill 串联成端到端流程。以 /discover 为例，它自动串联四个 Skill：头脑风暴创意 → 识别关键假设 → 按风险优先级排序 → 设计验证实验。这种链式设计让复杂的产品发现流程变得可一键执行。
Plugin（插件） 按业务域组织 Skill 和 Command，形成可独立安装的能力包。目前包含 9 个插件：产品发现（pm-product-discovery）、产品策略（pm-product-strategy）、执行交付（pm-execution）、市场研究（pm-market-research）、数据分析（pm-data-analytics）、上市策略（pm-go-to-market）、营销增长（pm-marketing-growth）、工具套件（pm-toolkit）以及 AI 交付（pm-ai-shipping）。
核心工作流解析：从假设验证到安全交付
发现阶段：/discover 的四步闭环
产品发现是风险最高的阶段，也是 pm-skills 覆盖最完善的领域。/discover 命令实现了 Teresa Torres 提出的持续发现循环：
- 头脑风暴（brainstorm-ideas）：从 PM、设计师、工程师三个视角生成创意变体
- 假设识别（identify-assumptions）：按价值、可用性、可行性、可盈利性四维度拆解风险
- 优先级排序（prioritize-assumptions）：使用影响 × 风险矩阵，优先验证高影响高风险的假设
- 实验设计（brainstorm-experiments）：为每个高风险假设设计最小可行实验（MVP 或 Pretotype）
整个流程在 Claude 中自动推进，每一步完成后提示下一步操作，确保发现过程的系统性和完整性。
策略阶段：从愿景到商业模式的完整画布
/strategy 命令生成 9 章节的产品策略画布，涵盖愿景、目标用户、价值主张、关键指标、差异化优势、进入壁垒等核心要素。配套的 /business-model 支持 Lean Canvas、Business Model Canvas、Startup Canvas 三种模式切换，适应不同阶段的产品需求。
对于定价策略，/pricing 命令整合了竞争分析、支付意愿调研、价格弹性评估和价格实验设计，将原本需要数周的市场调研压缩为一次结构化对话。
执行阶段：PRD 到发布的自动化流水线
执行插件（pm-execution）是日常使用频率最高的模块。/write-prd 命令将模糊的功能想法转化为包含背景、目标、用户故事、验收标准、技术方案、发布检查清单的完整文档。
更值得关注的是 /red-team-prd 命令 —— 它采用对抗性思维对 PRD 进行压力测试，自动识别承载性假设（load-bearing assumptions），并针对每个假设设计最便宜的证伪实验。这种 "红队机制" 有效弥补了产品经理认知盲区。
对于采用 AI 编程的团队，/ship-check 命令提供了从代码到交付的完整审计能力：自动生成架构文档、用户流程图、权限矩阵、环境变量清单，并执行静态安全和性能审计，解决 vibe-coding 带来的文档缺失问题。
跨平台兼容性与技术实现
pm-skills 采用开放的文件格式设计，Skill 文件遵循通用 Markdown 规范，可被多种 AI 工具读取。目前官方支持的平台包括：
- Claude Code/Cowork：完整支持 Skill、Command 和 Plugin 三层能力，通过
claude plugin marketplace add phuryn/pm-skills一键安装 - Codex CLI：原生兼容 Skill 文件，Command 需通过自然语言描述触发
- 其他工具：Gemini CLI、OpenCode、Cursor、Kiro 等可通过复制
skills/*/SKILL.md文件实现 Skill 级别的支持
这种设计体现了 "格式即 API" 的理念 —— 不绑定特定平台，而是定义一套领域语言，让 PM 框架可以在不同 AI 助手之间迁移复用。
落地实践：从试用到规模化部署
对于希望引入 pm-skills 的团队，建议采用以下渐进式落地策略：
第一阶段：单点突破（1-2 周）
选择 1-2 个高频痛点场景试用，推荐从 /write-prd 或 /discover 开始。目标是验证技能质量是否符合团队标准，同时让成员熟悉 Command 的调用方式。
第二阶段：工作流整合（3-4 周）
将验证有效的 Skill 整合到现有工作流中。例如在产品评审会前使用 /red-team-prd 进行预审，在季度规划时运行 /strategy 生成策略画布。关键是建立 "人机协作" 的节奏 ——Agent 负责结构化分析和初稿生成，人类 PM 负责判断和决策。
第三阶段：自定义扩展（持续） 基于业务特点开发自定义 Skill。pm-skills 的模块化架构支持在现有 Plugin 基础上新增 Skill，或创建完全自定义的 Plugin。建议从封装团队内部的最佳实践开始，例如特定的用户访谈模板、行业竞品分析方法等。
关键成功因素：
- 建立 Skill 质量评估标准：输出是否符合框架要求、是否遗漏关键步骤、是否提供可执行的下一步建议
- 设置人工审核节点：尤其在策略制定和发布决策环节，Agent 的输出应作为参考而非最终决策
- 定期更新 Skill 版本：PM 方法论持续演进，Skill 文件需要随实践反馈迭代优化
局限与风险
尽管 pm-skills 提供了丰富的结构化能力，仍需注意以下限制：
- 平台依赖：Command 层目前深度绑定 Claude 生态，其他平台只能使用 Skill 层能力
- 框架适配：内置框架（如 Opportunity Solution Tree、Lean Canvas）可能不完全适配特定行业或组织文化，需要本地化调整
- 幻觉风险：复杂分析任务（如市场 sizing、竞争分析）中，LLM 可能生成看似合理但缺乏数据支撑的结论，需人工验证关键数据点
结语
pm-skills 代表了 AI 辅助工作流的一个重要演进方向 —— 从通用对话向领域专用、从文本生成向结构化决策支持转变。对于产品团队而言，这种 Agentic Skills 市场不仅提升了单个任务的执行效率，更重要的是将分散在书籍、课程、经验中的 PM 方法论，转化为可复用、可度量、可改进的自动化能力。
随着 AI 编程工具的普及，产品经理的角色正在从 "写文档的人" 向 "定义问题、验证假设、协调人机协作" 转变。掌握如何设计、评估和编排 Agentic Skills，将成为下一代 PM 的核心竞争力。
资料来源
- GitHub - phuryn/pm-skills: PM Skills Marketplace（68 个技能、42 个链式工作流、9 个插件）
内容声明：本文无广告投放、无付费植入。
如有事实性问题，欢迎发送勘误至 i@hotdrydog.com。