夜雨聆风📌 快速资源汇总
一、🔥 从一个真实场景说起
你有没有这样的经历。
项目会议结束，你打开 Claude Code 或者 ChatGPT，说："帮我写一份 PRD。"
AI 给你生成了一份文档，格式整齐，标题漂亮，有背景、有目标、有用户故事。
然后你发给技术 Lead，他看完说：用户问题是什么？验收标准呢？优先级怎么排的？
你再回头看那份 PRD，发现它回答的是你的问题，但没有回答产品要回答的问题。
不是 AI 不努力，是它根本不知道一份专业的 PRD 应该从哪里开始、要问哪些问题、要回答哪些利益相关方的关切。
你每次都要重新解释一遍你的工作方式、你用什么框架、你的团队习惯怎样的结构。
这就是 AI 做产品工作时最大的摩擦：它没有可复用的 PM 方法论。
Product-Manager-Skills 想解决的就是这件事。46 个产品管理 Skill，覆盖从写用户故事到制定产品战略的完整 PM 工作流，全部基于经过验证的方法论框架——装进你的 AI Agent，它就知道怎么做产品了。
二、📦 这个项目是什么
项目名称：Product-Manager-Skills
作者：Dean Peters（Productside.com 主理人，产品管理培训与咨询顾问）
⭐ Star 数：689
🍴 Fork 数：84
版本：v0.5（2026 年 2 月 27 日）
开源协议：CC BY-NC-SA 4.0
兼容平台：Claude Code、Cowork、OpenAI Codex、ChatGPT、Gemini
一句话定位：46 个产品管理专业 Skill，三层架构，基于经过验证的 PM 框架，装进 AI Agent 后它直接知道怎么写 PRD、拆 Epic、做用户访谈、规划路线图。
作者 Dean Peters 是产品管理顾问和培训师，横跨医疗、金融、制造、科技等行业。这 46 个 Skill 里装的是他几十年顾问工作积累的方法论，不是从课本上抄的，是真实项目里验证过的。
值得一提的是：这个项目的 v0.4 版本有一个 bug，是 Codex 自己发现并修复的——Codex 识别出了 Interactive Skill 里引导式对话协议的回归问题，并在整个代码库里统一修复了。一个 AI 工具用来修另一个 AI 工具的 Skill 框架，这个细节挺有意思。
为什么 Skill 比 Prompt 强
三、⚙️ 三层架构，搞清楚再用
这 46 个 Skill 不是平铺的，是三层的，层与层之间有依赖关系。理解这个架构，用起来才顺手。
第一层：Component Skills（20 个）——模板与交付物
最基础的一层。每个 Skill 对应一个具体的产品交付物模板：用户故事、定位声明、PRD 结构、人物画像、史诗假设……
什么时候用：你明确知道要做什么，需要一个专业的模板格式。
几个值得特别说的：
user-story（Mike Cohn + Gherkin 格式）
不只是"作为用户，我想要……"这种套壳，包含完整的验收标准（Given/When/Then 格式），Agent 写出来的用户故事直接可以给开发团队做验收依据。
press-release（Amazon 逆向工作法）
亚马逊在立项前要求先写新闻稿——从产品发布时的用户视角反推功能需求。这个思维方式能帮你在没建之前就想清楚"这个东西值不值得建"。
positioning-statement（Geoffrey Moore 框架）
《跨越鸿沟》里的定位模板，帮你说清楚"服务谁、解决什么问题、和竞争对手的本质区别是什么"。
pol-probe（作者自创框架）
这是个很务实的工具：在正式开发之前，设计一个最小化的验证实验来测试核心假设。比 MVP 更轻，专注于用最低成本消除最大的不确定性。
第二层：Interactive Skills（20 个）——引导式问答
这是最独特的一层。AI 不是直接帮你执行，而是先问你 3-5 个关键问题，根据你的回答做出有针对性的推荐，再执行。
什么时候用：你不确定该用哪种方法，或者需要先明确上下文再动手。
几个典型：
prioritization-advisor（优先级框架顾问）
你说"我需要给功能排优先级"，它不会直接给你用 RICE——它会先问你：产品处于哪个阶段？团队多大？有多少历史数据？是在做迭代还是新方向探索？根据你的回答推荐 RICE、ICE、Kano、MoSCoW 或者其他框架，并说明理由。
context-engineering-advisor（上下文工程顾问）
这个比较特别——专门诊断"你是不是在乱喂 AI"。很多 PM 在用 AI 时的问题是把整份文档塞给它，期待它自己理解重点。这个 Skill 帮你区分"上下文填充"（把所有东西都丢进去）和"上下文工程"（有意图地设计 AI 能接收的信息结构），并推荐 Research → Plan → Reset → Implement 的工作循环。
ai-shaped-readiness-advisor（AI 化就绪度评估）
帮你判断自己是"AI 优先"（用 AI 提升效率）还是"AI 重塑"（用 AI 重新设计工作方式）。评估 5 个维度：上下文设计、Agent 编排、结果加速、团队-AI 协作、战略差异化。
business-health-diagnostic（SaaS 业务健康诊断）
用关键指标诊断 SaaS 业务健康状况，识别增长、留存、效率、资本四个维度的红色警报，给出优先改善建议。
第三层：Workflow Skills（6 个）——端到端流程
最重量级的一层。每个 Workflow 都是一个完整的产品管理流程，内部编排多个 Component 和 Interactive Skill，跨越天/周/月的时间跨度。
什么时候用：你需要从头到尾跑一个完整的 PM 工作流。
6 个 Workflow 覆盖了 PM 最核心的几件大事：
discovery-process → 3-4 周：问题定义→用户研究→方案验证
prd-development → 2-4 天：问题陈述→人物画像→解决方案→度量→用户故事
product-strategy-session → 2-4 周：定位→问题框架→方案探索→路线图
roadmap-planning → 1-2 周：收集输入→定义 Epic→优先级→排序→沟通
executive-onboarding-playbook → 90 天：VP/CPO 过渡期诊断手册
skill-authoring-workflow → 30-90 分钟：创建新 Skill 的元工作流加餐：职业发展 Skill 套件（v0.5 新增）
这次 v0.5 新增了 4 个专门针对 PM 职业发展的 Skill，基于《The Product Porch》播客两期关于职业晋升的访谈提炼：
• altitude-horizon-framework：PM 到 Director 的核心思维模型——"海拔"（决策范围）和"地平线"（时间跨度），以及四个过渡区间和常见失败模式• director-readiness-advisor：交互式，针对"准备晋升/面试中/刚上岗/需要重新校准"四种情境分别辅导• executive-onboarding-playbook：VP/CPO 入职 90 天行动手册：先诊断再行动、挖掘未明说的战略、评估团队、用证据驱动决策• vp-cpo-readiness-advisor：帮 Director 准备 VP/CPO 过渡，包含一套"在接受职位前评估 CEO"的面试框架
这四个 Skill 是 PM 职业发展内容里少有的"可执行"版本，不是泛泛的职场建议，是有问答流程和具体行动框架的。
四、🚀 怎么装、怎么用
方式一：Claude Code 插件（最顺手）
# 发现可用 Skill
npx skills find prioritization
# 安装全部 46 个 Skill
npx skills add deanpeters/Product-Manager-Skills
# 只安装核心套件
npx skills add deanpeters/Product-Manager-Skills --preset core-pm
# 查看所有可用 Skill
npx skills add deanpeters/Product-Manager-Skills --list安装完之后在 Claude Code 里直接用：
claude "Using the PRD Development workflow, create a PRD for our mobile onboarding feature"[配图：Claude Code 中执行 PRD Development workflow 截图]
方式二：Claude.ai / Claude Desktop（上传 ZIP）
# 生成单个 Skill 的上传包
./scripts/zip-a-skill.sh --skill prd-development
# 生成核心 PM 套件
./scripts/zip-a-skill.sh --preset core-pm --output dist/skill-zips
# 生成全部 46 个
./scripts/zip-a-skill.sh --all --output dist/skill-zips去 Claude.ai 的对话里上传 ZIP 文件，然后：
"Read user-story.md and help me write user stories for our checkout flow"方式三：Streamlit 本地 Playground（新功能）
如果你想先试试看效果，不想直接接进工作流：
pip install -r app/requirements.txt
streamlit run app/main.py打开浏览器，支持选择 Anthropic / OpenAI / Ollama 作为后端，交互式浏览和测试每个 Skill。
[配图：Streamlit 本地界面截图]
方式四：ChatGPT / Gemini / Codex
每个平台都有对应的接入文档，核心逻辑一样：把 Skill 文件作为知识输入，让 AI 在处理任务时参照框架执行。
项目里有 docs/Using PM Skills with Claude.md、docs/Using PM Skills with Codex.md、docs/Using PM Skills with ChatGPT.md 三份详细文档。
快速上手的几个常用组合
"帮我拆分这个 Epic"
→ 触发 epic-breakdown-advisor（Richard Lawrence 9 种拆分模式）
"帮我决定用哪个优先级框架"
→ 触发 prioritization-advisor → 问 3 个问题 → 推荐 RICE / ICE / Kano
"帮我写新功能的 PRD"
→ 触发 prd-development workflow → 2-4 天完整流程
"帮我准备用户访谈提纲"
→ 触发 discovery-interview-prep（Mom Test 风格）五、💡 三个真实使用场景
场景一：产品经理，用 AI 跑完一次用户发现流程
背景：新产品立项，负责人需要在 3 周内完成用户发现，搞清楚核心用户问题，但团队没有专职 UX 研究员。
操作：启动 discovery-process Workflow：
"Using the discovery-process workflow, help me run a discovery cycle for our B2B invoicing feature"Workflow 引导整个过程：先用 problem-framing-canvas 把问题拆清楚（MITRE 框架），再用 discovery-interview-prep 设计访谈提纲（Mom Test 风格），再用 opportunity-solution-tree 把收集到的用户机会结构化，最后推荐最小化的验证实验。
效果：3 周内完成 8 次用户访谈、产出问题陈述、机会树、以及 2 个待验证假设，比以往靠感觉做发现的质量高了不少，而且有完整文档可以给团队和 stakeholder 汇报。
关键不是 AI 替你做了研究，而是它帮你把"该做什么"变得清晰，让你把精力放在真正需要人来做的部分——和用户对话。
场景二：技术背景的创始人，第一次写 PRD
背景：一个技术出身的独立创业者，产品到了需要让 3 个工程师协作开发的阶段，第一次需要写正式的 PRD，但不知道从哪里开始、写到什么程度合适。
操作：
"Using the prd-development workflow, help me create a PRD for our user authentication feature"Workflow 分阶段推进：先用 problem-statement 框定问题（不允许跳到解决方案），再用 proto-persona 建立用户假设，然后写解决方案和成功度量，最后用 user-story + user-story-splitting 生成带验收标准的用户故事。
效果：2 天内产出一份 15 页的 PRD，技术 Lead 看完说"终于知道我们要做什么了"。最重要的是，问题陈述那部分让创始人发现原来的功能需求其实解决的是一个错误的问题——在动手之前修正了方向。
场景三：资深 PM 准备晋升 Director，用 Skill 做自我诊断
背景：一位做了 5 年 IC PM 的产品经理，即将面试 Director 职位，想搞清楚自己在哪些维度准备好了、哪些还需要补。
操作：
"Run director-readiness-advisor with situation: preparing for director interviews"Skill 交互式评估：问他目前的决策范围、汇报关系、如何处理跨团队冲突、如何向 C-Level 汇报……然后基于"海拔-地平线"框架给出具体的准备建议：哪里已经在正确的轨道上，哪里还在用 IC PM 的思维解决 Director 级别的问题。
效果：识别出一个关键盲点——他习惯了给出解决方案，但 Director 角色更需要的是帮团队框定问题。面试前的两个月里有针对性地做了调整，最终拿到了 offer。
六、🐦 X 上的人怎么说
「这套 Skill 里的 positioning-workshop 比我过去上的 Geoffrey Moore 定位课还有用——因为它逼着你一步步回答，不让你绕过难的问题。」
——SaaS 产品总监，LinkedIn 评论
「context-engineering-advisor 解决了一个我一直说不清楚的问题：为什么我把整份文档喂给 AI 它还是给我泛泛的答案。这个 Skill 给了我具体的解法。」
——AI 产品经理，X 平台
「三层架构这个设计很聪明。Component 是砖，Interactive 是问路，Workflow 是盖房子。用之前搞清楚自己在哪一层，体验差别很大。」
——独立产品顾问，GitHub Issues 评论
「director-readiness-advisor 和 vp-cpo-readiness-advisor 这两个是我见过最接近真实职业辅导的 AI Skill。不是泛泛的职场建议，是有诊断、有框架、有具体行动的。」
——产品总监，LinkedIn
「Codex 自己发现并修复了 v0.4 的 bug，这个细节让我觉得这个项目不只是人工整理的框架，它本身就是 AI 和人协作的产物。」
——开发者评论，GitHub
博主点评
这几条评价里最打动我的是那句"不让你绕过难的问题"。
这是 Interactive Skill 设计最核心的价值——它不是给你生成一个看起来完整但没有真正回答问题的文档，而是通过引导式问答，逼着你想清楚真正重要的问题。
很多 PM 对 AI 工具失望，是因为 AI 给了答案，但没帮他们问清楚问题。这套 Skill 的设计，至少在 Interactive 层，是在试图解决这件事。
七、🎯 值不值得用？我的判断
适合谁
• ✅ 有 AI 工具使用习惯的 PM：你已经在用 Claude Code / Codex / ChatGPT 工作，想要一套可复用的 PM 方法论装进去 • ✅ 技术背景的创始人或独立开发者：第一次需要做 PM 工作（写 PRD、做用户发现），需要方法论脚手架 • ✅ 想做职业晋升准备的产品经理：Director / VP / CPO 路径上的具体诊断和辅导工具 • ✅ PM 顾问和培训师：这套框架可以作为客户工作的标准化工具包
要说清楚的局限
• ⚠️ Star 数还不多（689）：社区积累的踩坑经验和配套讨论相对少，遇到问题主要靠文档和自己摸索 • ⚠️ 46 个 Skill 质量不均匀：核心的 PRD、用户故事、优先级 Skill 明显更打磨，一些新加的 Skill 还在完善 • ⚠️ Interactive Skill 需要你有真实输入：如果你的产品上下文本身就不清晰，AI 问了你也回答不出来，输出质量就会打折 • ⚠️ 英文框架，中文场景适配需要调整：方法论本身是通用的，但部分框架里的示例和假设以美国 SaaS 市场为背景，国内 B 端 / 消费互联网场景需要自行调整
最后说一句
AI 做产品工作输出质量差，大多数时候不是模型问题，是没有方法论——就像让一个聪明但没做过产品的人帮你写 PRD，他写的是格式，不是产品逻辑。这套 Skill 做的事情，是把方法论装进去，让 AI 至少知道"写 PRD"这件事的起点、过程和终点在哪里。
46 个框架里不是每个都适合你，但找到 5 个你常用的，装进工作流，就值了。