AI 产品经理的下一项基本功:把经验封装成 Skill

最近半年，Skill 正在从一个小众概念，变成 AI Agent 生态里越来越明确的能力载体。

Agent Skills 已经形成开放规范；Anthropic 持续维护公开 Skill 库；OpenAI 也在将 Skills 与 Apps 进一步纳入 Plugins 体系。不同平台的实现方式并不完全相同，但它们都指向同一个变化。

这也是我想启动《AI 产品经理 Skill 进化计划》的原因。

我希望通过这个系列，逐步把产品经理在需求澄清、业务调研、场景拆解、方案设计、知识库设计、Agent 流程设计和项目复盘中的经验，沉淀成真正可以复用的 Skill。

现在，我已经会在很多产品工作中使用 AI。

写需求、做调研、梳理方案、分析业务、输出文章时，我都会把任务交给 AI。但使用得越多，我越明显地感受到一个问题：

我要重新解释自己的角色、业务背景、目标用户、分析逻辑、输出结构，还要再次告诉它哪些表达不要出现、什么样的结果才算合格。

AI 确实提高了这一次任务的效率，但上一次积累下来的经验，并没有自然进入下一次任务。

这就像团队里不断来了新同事，而我每天都在重复做入职培训，却从来没有留下岗位手册。

问题并不是 AI 没有记住一句话，而是我们没有把经验整理成可复用的结构。

产品经理的工作里，有大量隐性的判断。

面对一个需求，我们会判断信息是否完整、目标是否真实、角色之间有没有冲突、业务规则是否闭合、技术成本是否值得、最终结果应该如何验收。

这些判断平时存在于我们的脑子里。使用 AI 时，我们偶尔会把其中几条写进提示词，但任务结束后，它们又散落在聊天记录里。

真正的效率提升，不应该只是这次快了十分钟，而应该是下一次任务开始时，AI 已经站在上一次经验之上。

Prompt 和 Skill 并不是谁替代谁。

Prompt 更像一次任务说明：告诉 AI 这次要做什么。Skill 则更像一套岗位工作手册：不仅说明任务，还包含什么时候使用、需要哪些输入、按照什么步骤执行、参考哪些资料、输出成什么样，以及如何判断结果是否合格。

在 Agent Skills 的开放规范中，一个 Skill 可以由 SKILL.md、脚本、参考资料和模板等内容共同组成，并根据具体任务按需加载。

Anthropic 的公开 Skill 库也把 Skill 描述为一组用于重复完成特定任务的指令、脚本和资源，并特别提醒：真正依赖一个 Skill 前，需要在实际环境中充分测试。

因此，Skill 不是把一段 Prompt 换个地方保存。

产品经理真正有价值的经验，往往不是“会写一份文档”，而是知道在什么情况下应该做什么判断。

以需求澄清为例。一个普通提示词可能是：“请帮我整理这份需求。”

一个需求澄清 Skill 应该进一步判断：

●　业务目标是否明确？

●　用户和使用场景是否具体？

●　当前问题有没有证据支持？

●　角色之间是否存在权限冲突？

●　业务规则、异常流程和验收标准是否缺失？

●　这个问题真的需要 AI，还是普通规则就能解决？

前者帮助我们整理文字，后者才是在复用产品经理的工作方法。

如果要把产品经验真正沉淀成 Skill，我认为至少需要说清楚六件事。

第一，使用场景与触发条件。　它解决什么问题？什么时候应该调用？什么情况下不应该使用？

第二，必要输入和补充问题。　开始执行前需要哪些材料？信息不完整时，AI 应该向用户追问什么？

第三，工作步骤与判断规则。　任务按照什么顺序推进？每一步需要做出哪些判断？

第四，参考资料和真实案例。　有哪些业务标准、模板、案例和历史经验可以按需读取？

第五，输出结构与质量标准。　最终交付什么？什么结果算合格？需要检查哪些常见问题？

第六，边界、失败条件和迭代记录。　哪些情况不能依赖这个 Skill？出现什么结果需要人工介入？实践后如何更新？

这六类内容共同决定了一个 Skill 能不能从“看起来有用”，变成“下一次真的敢继续用”。

《AI 产品经理 Skill 进化计划》会有两条主线。

第一条是向内沉淀。　我会从 AI 产品经理的真实工作出发，把需求澄清、业务调研、场景拆解、AI 可行性判断、产品方案设计、知识库设计、Agent 流程设计、项目推进和复盘，逐步封装成可复用 Skill。

第二条是向外吸收。　我会持续从 GitHub 和开源社区寻找值得关注的 AI Skill、Agent Skill、Prompt 框架、MCP 工具和产品管理工作流，经过筛选和实测后，判断它能不能直接使用、存在哪些限制、需要怎样改造成适合 AI 产品经理的版本。

OpenAI 在 2026 年 6 月开始把原有 Skills 仓库的使用方向进一步迁移到 Plugins 体系，也说明 Skills 正在与工具、应用和更完整的能力包结合。

这个系列不会只做工具推荐，也不会停留在抽象方法论。每篇文章尽量包含三部分：方法论、实战测试和 Skill 沉淀。

我并不认为，创建几个 Skill 就能立刻让一个人成为更优秀的产品经理。

如果没有真实业务经验、没有判断标准，也没有经过实践验证，Skill 只会把一套不成熟的方法执行得更加稳定。

但反过来看，当一个产品经理已经在工作中形成了自己的经验，却仍然每次从零开始向 AI 解释，也是一种浪费。

这就是我启动这个系列的原因。

下一篇，我会从产品经理最常见的工作场景之一开始：如何把需求澄清流程，封装成第一个 AI 产品经理 Skill。