当通用 AI 只能生成零散文本时，产品团队真正需要的是结构化的决策框架。pm-skills 项目通过 68 个技能单元和 42 条链式工作流，构建了一套面向产品经理的 Agentic 技能市场，将 Teresa Torres 的持续发现、Marty Cagan 的授权团队等经过验证的方法论编码为可复用的数字资产。
三层架构：从原子技能到完整工作流
pm-skills 的核心设计遵循分层解耦原则，将复杂的产品管理流程拆解为三个可独立演进的层级。
Skills（技能块） 构成架构的基础层。每个 Skill 是一份领域知识包，封装了特定 PM 任务的分析框架、评估标准和执行步骤。例如 identify-assumptions-new 技能编码了 Alberto Savoia 的八类风险识别法，覆盖价值、可用性、可行性、上市、战略、团队、利益相关者和外部依赖八个维度。Skills 采用 Markdown 格式存储，遵循通用规范，可被 Claude、Codex、Gemini 等多种 Agent 运行时解析加载。
Commands（命令） 是用户显式触发的工作流入口。通过 /discover、/strategy、/write-prd 等斜杠命令，系统将多个 Skills 编排为端到端流程。以 /discover 为例，它自动串联 brainstorm-ideas → identify-assumptions → prioritize-assumptions → brainstorm-experiments 四个技能，完成从创意发散到实验设计的完整发现周期。
Plugins（插件） 按产品生命周期阶段对 Skills 和 Commands 进行逻辑分组。当前 9 个插件覆盖发现、战略、执行、市场研究、数据分析、上市、营销、工具集和 AI 交付九大领域，每个插件可独立安装和版本管理。
技能编排的核心机制
技能市场的关键挑战在于如何让 Agent 在正确时机调用正确技能。pm-skills 实现了两种编排模式：
自动加载模式依赖对话上下文感知。当用户讨论 "如何降低新用户流失" 时，Agent 自动识别话题相关性，从 pm-product-discovery 插件加载 opportunity-solution-tree 和 prioritize-assumptions 技能，无需用户记忆具体技能名称。
显式调用模式通过命名空间语法实现精确控制。/pm-product-discovery:opportunity-solution-tree 强制加载特定技能，覆盖自动推理结果。这种设计平衡了易用性与可控性 —— 日常对话依赖智能路由，关键决策时允许人工干预。
Commands 的链式执行采用建议式导航而非强制跳转。当 /discover 完成后，系统提示 " 下一步可尝试 /strategy 进行战略澄清或 /write-prd 直接撰写需求文档 "，由用户决定流程走向。这种设计保留了产品经理的决策主导权，避免 Agent 过度自动化带来的失控风险。
跨平台兼容与生态开放
pm-skills 的另一个设计亮点是运行时无关性。Skills 层基于纯 Markdown 实现，任何支持自定义指令的 AI 助手均可加载。Claude Code 和 Claude Cowork 获得完整体验（Skills + Commands），而 Codex、Gemini CLI、Cursor、Kiro 等工具可复用 Skills 层，仅缺失斜杠命令语法糖。
对于 Codex 用户，项目文档提供了转换路径：通过读取 Command 文件中的工作流定义，可要求 Agent 将其转换为 Codex 原生 Skill 格式。这种开放性降低了生态锁定风险，使方法论资产能够随工具迁移。
安装层面，项目支持两种模式：
- 市场订阅：
claude plugin marketplace add phuryn/pm-skills一次性获取全部 9 个插件 - 按需安装：单独安装
pm-toolkit@pm-skills等特定插件，减少上下文窗口占用
方法论编码的工程实践
将产品管理最佳实践编码为 Agent 技能，需要解决知识结构化和上下文边界两个核心问题。
在知识结构化方面，pm-skills 采用框架优先策略。每个 Skill 不是简单的方法论摘要，而是可执行的检查清单。以 create-prd 为例，它定义了 8 个必填章节（背景、目标、用户故事、功能需求、非功能需求、设计参考、发布标准、成功指标），每个章节包含具体的填写指导和反模式警示。
在上下文边界方面，项目通过技能专注原则控制复杂度。单个 Skill 聚焦单一任务，复杂流程通过 Command 组合实现。这种设计避免了 "万能技能" 导致的指令膨胀，使单个 Skill 的 Token 消耗保持在合理范围。
可落地的实施建议
对于希望构建类似技能市场的团队，以下参数可作为参考：
技能粒度：单个 Skill 的文档长度控制在 500-1500 Token，覆盖一个可独立完成的认知任务（如 "识别风险假设" 而非 "完成产品发现"）。
命令链长度：单个 Command 串联的 Skills 不超过 5 个，复杂流程拆分为多个 Commands 通过建议导航连接。
插件划分：按用户角色或工作流阶段分组，避免跨域耦合。pm-skills 的 9 插件划分反映了产品管理的天然阶段边界。
版本策略：Skills 作为方法论实现，建议跟随框架演进版本化；Plugins 作为组织单元，采用独立发布节奏。
局限与权衡
当前架构存在明确的取舍。Commands 的斜杠语法是 Claude 生态特有，跨平台移植时需要转换为自然语言描述。Skills 的自动加载依赖底层模型的上下文理解能力，在复杂多轮对话中可能出现技能召回偏差。此外，68 个 Skills 的全量加载对长上下文模型提出较高要求，实际使用中建议按插件按需启用。
pm-skills 的价值不在于替代产品经理的判断，而是将认知负荷从 "回忆方法论" 转移到 "应用方法论"。当 Agent 自动处理 Opportunity Solution Tree 的绘制格式、RICE 评分的计算逻辑时，人类可以专注于输入的质量和决策的权衡 —— 这才是 Agentic 工具应有的定位。
参考来源
- GitHub: phuryn/pm-skills — PM Skills Marketplace: 68 PM skills and 42 chained workflows across 9 plugins
- 方法论来源：Teresa Torres《Continuous Discovery Habits》、Marty Cagan《INSPIRED》、Alberto Savoia《The Right It》等
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。