返回博客列表

15900 Star 的 pm-skills：把产品经理的整套方法论装进 AI Agent

2026-06-11T10:00:00+08:00
AI AgentProduct ManagementClaude Codepm-skillsAI工具

15900 Star 的 pm-skills：把产品经理的整套方法论装进 AI Agent

先收藏，回头一定用得上。

前几天逛 GitHub Trending，一个叫 pm-skills 的项目引起了我的注意——15900 Star，1700 Fork，一周涨了几千 Star。

点进去一看，好家伙：68 个产品管理技能、42 条链式工作流，覆盖产品发现、战略规划、执行落地、市场研究、数据分析、GTM、营销增长、AI 交付……从点子到上线，一条龙。

这不是又一个 PM 模板合集。它把 Teresa Torres、Marty Cagan、Alberto Savoia 这些人的方法论，直接编码成了 AI Agent 能执行的 Skill。

本文提纲

  1. pm-skills 是什么，为什么值得关注
  2. 9 个插件、68 个技能全拆解
  3. Skill + Command + Plugin 三层架构怎么运转
  4. 安装和使用（Claude Code / Codex / 其他 Agent）
  5. pm-ai-shipping：专为 AI 生成代码设计的交付检查套件
  6. 谁适合用、怎么用最值

68 个 PM 技能，9 个插件，覆盖产品全生命周期

pm-skills 把产品管理拆成了 9 个领域，每个领域是一个独立插件：

插件 覆盖范围 技能数 命令数
pm-product-discovery 创意、实验、假设验证、OST、用户访谈 13 5
pm-product-strategy 愿景、商业模式、定价、竞争分析 12 5
pm-execution PRD、OKR、路线图、Sprint、发布笔记 16 11
pm-market-research 人物画像、市场细分、旅程地图、TAM/SAM/SOM 7 3
pm-data-analytics SQL 生成、队列分析、A/B 测试 3 3
pm-go-to-market 滩头市场、ICP、GTM 动作、竞品 Battlecard 6 3
pm-marketing-growth 营销创意、定位、北极星指标 5 2
pm-toolkit 简历优化、NDA、隐私政策、校对 4 5
pm-ai-shipping AI 代码文档化、安全审计、性能审计 2 5

加起来 68 个 Skill、42 个 Command。每个 Skill 背后都是一套经过验证的 PM 框架。

举个真实例子

假设你在做一个新产品的 Discovery 阶段。你只需要一条命令：

/discover AI-powered meeting summarizer for remote teams

Claude 会自动执行一条 4 步链式工作流：

  1. brainstorm-ideas — 从 PM、设计师、工程师三个视角发散创意
  2. identify-assumptions — 跨 8 个风险类别（价值、可用性、可行性、商业可行性、GTM、战略……）识别关键假设
  3. prioritize-assumptions — 用影响 × 风险矩阵排列优先级
  4. brainstorm-experiments — 设计 Lean Startup 风格的 Pretotype 实验（Alberto Savoia 方法论）

每一步之间会暂停让你审阅，你可以调整方向再继续。Discovery 完成后，它会建议你执行 /strategy 或 /write-prd——整个 PM 工作流就这么串起来了。

三层架构：Skill → Command → Plugin

pm-skills 的设计不复杂，就三层：

Skill 是原子单位。一个 Skill 就是一套 PM 框架的知识编码。比如 opportunity-solution-tree 这个 Skill，它知道怎么引导你从 Outcome → Opportunity → Solution → Experiment 逐层展开。Skill 会在对话中根据上下文自动加载，不需要显式调用。

Command 是用户触发的链式工作流。用 /command-name 调用，背后会串联多个 Skill。/discover 串了 4 个 Skill，/write-prd 串了 PRD 创建的完整流程。

Plugin 是打包单元。一个 Plugin 覆盖一个 PM 领域，包含该领域所有相关 Skill 和 Command。安装 Marketplace 一次，9 个 Plugin 全装好。

graph TB
    subgraph Plugin
        direction TB
        S1[Skill: brainstorm-ideas]
        S2[Skill: identify-assumptions]
        S3[Skill: prioritize-assumptions]
        S4[Skill: brainstorm-experiments]
    end
    C["/discover Command"]
    C --> S1
    S1 --> S2
    S2 --> S3
    S3 --> S4
    style S1 fill:#FF6B6B,color:#000000
    style S2 fill:#4ECDC4,color:#000000
    style S3 fill:#45B7D1,color:#000000
    style S4 fill:#96CEB4,color:#000000
    style C fill:#FFEAA7,color:#000000

Skill 之间可以复用。prioritization-frameworks 这个 Skill 被 /discover、/write-prd、/triage-requests 等多个 Command 共享。opportunity-solution-tree 则是一个独立参考，Claude 在任何对话中需要时都可以调用。

安装方式

Claude Code（CLI）

# 添加 Marketplace
claude plugin marketplace add phuryn/pm-skills

# 安装插件（按需选择）
claude plugin install pm-product-discovery@pm-skills
claude plugin install pm-product-strategy@pm-skills
claude plugin install pm-execution@pm-skills
# ... 其他插件同理

Claude Cowork（非开发者推荐）

在 Cowork 界面：Customize → Browse plugins → Personal → + → Add marketplace from GitHub → 输入 phuryn/pm-skills。9 个插件一键全装。

OpenAI Codex CLI

Codex 读的是同一套 Plugin Marketplace 格式，安装方式一致：

codex plugin marketplace add phuryn/pm-skills
codex plugin add pm-product-discovery@pm-skills

区别是 Codex 不支持 /slash 命令，你得用自然语言描述工作流："帮我做产品 Discovery：先头脑风暴，再识别假设，排序风险，设计实验，每步暂停等我确认。"

其他 AI 工具

Skill 文件（skills/*/SKILL.md）遵循通用格式，手动复制到对应目录即可：

工具 目录 可用功能
Gemini CLI .gemini/skills/ Skill
OpenCode .opencode/skills/ Skill
Cursor .cursor/skills/ Skill
Kiro .kiro/skills/ Skill 
# 以 OpenCode 为例
for plugin in pm-*/; do
  cp -r "$plugin/skills/"* .opencode/skills/ 2>/dev/null
done

pm-ai-shipping：给 AI 写的代码做"安检"

这个插件值得单独说说。

AI Agent 写代码很快，但写完之后没人知道这个系统到底干了什么——意图是什么、权限边界在哪、Secrets 藏在哪、哪些规则有测试覆盖。pm-ai-shipping 就是来解决这个问题的。

它提供 5 个命令：

  • /ship-check — 一键把一个"vibe-coded"仓库变成可审计的交付包：文档化 → Agent 上下文配置 → 安全审计 → 性能审计 → 测试覆盖映射 → 汇总
  • /document-app — 反向工程代码库，生成架构文档、权限流程、变量/Secrets 清单
  • /derive-tests — 从文档意图推导测试覆盖图，哪些有测试、哪些是空白
  • /security-audit-static — 静态安全审计：映射信任边界，交叉验证文档意图，只报告有证据支撑的风险
  • /performance-audit-static — 静态性能审计：发现过度拉取、缺失索引、缓存机会

核心方法论是 intended-vs-implemented：找出"文档说系统应该做什么"和"代码实际在做什么"之间的差距。这是一般代码扫描工具做不到的——它们只看代码，不看意图。

谁适合用

产品经理：你不需要从零写 PRD 了。/write-prd 会一步步引导你，从问题陈述到 8 个完整章节。/strategy 帮你构建 9 段式产品战略画布。

创业者/独立开发者：一个人干 PM 的活，Discovery、Strategy、GTM 全要自己来。pm-skills 把每个环节的方法论都编码好了，你不需要读完整本《Continuous Discovery Habits》，直接跟 AI 对话就行。

团队负责人：/pre-mortem 做风险预判，/stakeholder-map 画利益相关者地图，/red-team-prd 对 PRD 做对抗性压力测试。

AI 应用开发者：pm-ai-shipping 的交付检查套件，专门针对 AI 生成代码的审计需求。

试过了？评论区说说你的体验。还没试？收藏起来周末折腾。

作者: itech001 来源: 公众号：AI人工智能时代 网站: https://www.theaiera.cn/ 每日分享最前沿的AI新闻资讯和技术研究。

本文首发于 AI人工智能时代，转载请注明出处。

觉得文章不错？分享给更多人！