核心用法
该Skill将传统产品管理职能重构为AI-native工作流，通过结构化知识模块与动态交互协议，支持从需求发现到战略决策的全链路产品工作。用户可根据场景选择三种交互模式：Guided模式（分步引导）、Context Dump（一次性输入全量信息）或Best Guess（AI推断假设并即时交付）。核心工作流涵盖意图路由、知识模块加载、框架应用、质量校验四步闭环，支持六大领域的40+种专业场景，包括PRD撰写、用户故事拆分、市场定位工作坊、SaaS健康度诊断、AI产品策略等。
显著优点
知识密度极高：整合六大知识域（发现研究、战略定位、交付物、财务指标、职业领导力、AI产品工艺），覆盖32项SaaS核心指标与PM到CPO的完整职业阶梯，相当于内置了一部产品管理百科全书。
决策导向设计：区别于模板填充工具，强制追问"这个决策能促成什么？"，每个输出必须包含可衡量的结果指标、明确的权衡取舍与下一步行动建议。
质量门槛严格：双重质量校验机制——通用门槛（假设标注、可衡量结果、具体角色、权衡命名、反模式识别）叠加领域专项门槛，有效规避"指标表演""特性工厂"等常见产品管理陷阱。
AI原生架构：针对AI产品特有的上下文工程、Agent编排、验证探针等新兴领域提供专门框架，适配LLM时代的产品方法论演进。
潜在局限
知识模块依赖：Skill.md本身仅为路由层，核心知识内容存储于外部knowledge/与templates/目录文件。若运行环境未预加载这些文件，实际输出质量将大幅降级，依赖系统级的文件集成完整性。
语言一致性风险：虽然协议承诺"用户使用中文则中文回复"，但知识模块原文为英文，跨语言场景下可能出现术语翻译不一致或框架理解偏差。
推断边界模糊：Best Guess模式虽要求标注[assumption]，但复杂业务场景中AI对隐含假设的识别可能存在盲区，需用户主动校验。
职业路径地域适配：PM→Director→VP→CPO的晋升框架基于北美科技行业惯例，对中国互联网企业的职级体系（如P序列与M序列并存）直接套用可能存在水土不服。
适合人群
- 中高级产品经理：寻求系统化方法论升级，需处理跨域复杂决策（如同时涉及技术可行性与市场定位）
- 产品团队负责人：需统一团队交付标准，建立质量门禁机制
- AI产品从业者：探索LLM/Agent产品特有的设计范式与验证方法
- 转型期管理者：PM向Director或VP跃迁阶段的角色认知与技能Gap诊断
常规风险
决策责任错位：AI生成的权衡分析与推荐可能被误读为最终决策依据，需明确标注"建议由人类产品经理终审"。
框架僵化陷阱：丰富的现成框架可能诱导用户生搬硬套，而非针对具体情境裁剪——Skill内置的"反模式识别"机制虽试图缓解此问题，但仍需用户保持批判性思维。
保密信息泄露：在Context Dump模式下，用户可能粘贴含敏感商业数据的上下文，需确保运行环境的数据隔离合规性。