夜雨聆风
The PM Loop Engineering Cycle（产品经理 AI 工件迭代循环工程）完整图解解读
核心中心：Reusable AI Artifact 可复用 AI 工件
2. PRD review skill：产品需求文档评审能力
3. call summarizer：对话调用总结工具
4. eval rubric：评估打分标准
5. launch checklist：上线检查清单
6. research synthesis：调研信息整合工具载体示例：CLAUDE.md（标准化 AI 提示词 / 能力定义文档）
6 步闭环循环（顺时针完整流程）
1. Change the Artifact｜修改 AI 工件
add a review criterion：新增评审判断标准
remove a stale instruction：删除过时、失效指令操作标签：EDIT，改动直接作用于中心 AI 工件本体。
2. Run the Agent｜运行 AI 代理验证
review a PRD：执行产品需求文档评审
summarize 10 calls：批量总结 10 次业务对话本质：上线小批量实测，拿到真实输出结果用于评估。
3. Evaluate the Output｜输出质量评审（质量闸门 QUALITY GATE）
evidence quality：输出论据、内容质量
better than last version? 和上一版工件对比是否有提升这是迭代的 “质量关卡”，决定本次改动是否保留。
4. Keep or Revert｜选择保留 / 回退版本
✅ Keep：效果更好，保留本次修改
❌ Revert：效果变差，回滚到上一稳定版本标签：selection，完成版本取舍。
5. Commit the Learning｜沉淀迭代经验
GitHub commit：代码 / 文档版本提交（标准化版本管理）
decision log：迭代决策日志（记录为什么改、效果如何）操作标签：SAVE，将有效改动永久保存到核心 AI 工件。
6. Better Version Next｜生成下一版优化工件
new artifact version：生成新版本 AI 工件
sharper judgment：AI 判断逻辑更精准随后回到第 1 步，开启新一轮迭代循环，形成永久闭环。
整套模型核心价值
1. 告别一次性 Prompt：传统临时提示词用完即弃，这套流程把 AI 能力做成可长期维护、版本可控的系统工件；
2.工程化迭代思维：借鉴软件开发 CI/CD 版本管理、提交日志、回滚机制管理 AI 提示词 / Agent；
3.数据驱动优化：每轮都做客观质量对比评估，不靠主观感受调 AI；
4.知识持续沉淀：所有改动、决策留档，越循环 AI 工件判断越精准。