PM Agent

核心用法

product-manager 是一套面向产品经理的工作流技能，通过「意图路由 → 知识模块加载 → 结构化交付」的三层架构，将模糊的产品需求转化为可执行的决策与文档。用户无需记忆复杂框架，只需用自然语言描述意图（如「验证一个假设」「写 PRD」「规划路线图」），系统会自动匹配对应的方法论（如 PoL Probe、PRD 模板、Roadmap 流程）并输出专业交付物。

显著优点

框架体系完整：覆盖 Discovery & Research、Strategy & Positioning、Artifacts & Delivery、Finance & Metrics、Career & Leadership、AI Product Craft 六大领域，每个领域下映射具体场景与执行模板。

交互模式灵活：提供 Guided mode（逐问引导）、Context dump（批量输入）、Best guess（快速推演）三种模式，适配从深度战略研讨到快速草稿的不同节奏。

质量门禁严格：内置「假设必标注」「结果必可测」「角色必具体」「权衡必明示」四大通用原则，以及各领域专项门禁，防止空洞建议和模板化输出。

AI 产品专项：独有的 AI-Shaped Readiness、Context Engineering、Agent Orchestration 等模块，弥补传统 PM 框架在生成式 AI 产品上的空白。

潜在局限

依赖外部知识模块：实际执行需要加载 knowledge/*.md 和 templates/*.md 文件，若环境未预置这些模块，框架只能提供路由建议而无法生成深度内容。

需要用户具备基础 PM 素养：尽管系统会追问澄清，但用户若完全不了解产品术语（如 JTBD、TAM/SAM/SOM、NRR），可能难以高效利用 Guided mode。

中文本地化深度未知：技能声明支持用户语言响应，但知识模块和模板库的原文为英文，实际输出质量取决于本地化程度。

适合人群

• 初级 PM 需系统学习标准框架与交付规范
• 中高级 PM 需快速调用特定方法论（如竞争分析、定价策略、AI 产品设计）
• 产品总监/VP 需结构化梳理战略议题或准备董事会材料
• 创业者需从零建立产品管理流程

常规风险

决策责任归属模糊：AI 输出的「假设」「权衡」「建议」若被用户直接采用而未验证，可能导致方向性错误。系统虽强制标注 [assumption]，但用户可能忽视。

框架选择偏差：路由表庞大，意图匹配依赖关键词识别，边缘场景可能出现路由错误，导致加载不适用的方法论。

模板僵化风险：模板是「脚手架」而非答案，若用户过度依赖填空式输出，可能抑制深度思考。

核心用法

product-manager是一款面向AI Agent环境设计的资深产品经理工作流技能。用户通过自然语言描述意图，系统智能匹配路由表中的产品管理框架，按需加载六大知识模块（Discovery & Research、Strategy & Positioning、Artifacts & Delivery、Finance & Metrics、Career & Leadership、AI Product Craft），并提供10种标准化输出模板。执行流程遵循"路由→加载→聚焦→交互→模板→质检→收尾"七步闭环，确保每次输出都附带决策清单、待验证假设和下一步行动建议。

交互模式灵活适配场景复杂度：简单需求直接输出，复杂需求提供引导式（Guided）、上下文倾卸（Context Dump）、最佳推测（Best Guess）三种模式。引导模式采用进度标签（如Q3/7）和问题计数，支持随时中断、话题切换和进度查询，大幅降低认知负荷。

显著优点

框架体系完整且可溯源。技能整合了业界验证的方法论：JTBD需求分析、Geoffrey Moore定位陈述、Amazon Working Backwards、MITRE问题框架、Opportunity Solution Tree等，每个框架均指向具体知识文档，避免AI幻觉导致的错误引用。

输出质量管控严格。双重质量门禁机制——通用门禁（假设标注、可衡量结果、具体角色、明确取舍、反模式识别）叠加领域专属门禁，确保交付物具备产品级专业度。反模式检测尤其实用，可自动识别"指标剧场""功能工厂""利益相关者驱动路线图"等常见陷阱。

AI原生设计。针对LLM交互特性优化：压缩优先原则（3个要点优于3段文字）、假设显性化（[assumption]标签）、语言自适应（中英文自动切换）。AI Product Craft模块专门覆盖上下文工程、Agent编排等新兴领域，填补传统PM框架的空白。

潜在缺点与局限性

知识模块外部依赖。核心框架内容存储于独立的knowledge/*.md和templates/*.md文件，当前摘要未展示具体内容深度。若实际模块内容单薄或更新滞后，可能沦为"框架空壳"。

无实时数据能力。纯文档型设计意味着无法对接JIRA、Mixpanel、Amplitude等生产系统，用户故事、业务健康评分等输出需手动同步至工具链。

框架选择依赖用户意图清晰度。路由表虽详尽，但若用户描述模糊（如"帮我做产品规划"），系统仍需一次澄清提问，对极度口语化的需求理解存在边界。

执行闭环缺失。技能止于交付结构化文档，不追踪后续开发、测试、上线环节，无法形成完整的产品生命周期管理。

适合的目标群体

• 初级至中级产品经理：系统学习正统方法论，快速产出符合行业标准的PRD、用户故事、定位陈述
• 创业团队/独立开发者：缺乏专职PM角色，需自助完成需求验证、商业模式梳理、版本规划
• 技术转产品从业者：通过框架化交互理解"以结果为导向"与"以产出为导向"的本质差异
• 产品总监/VPE及以上：利用Career & Leadership模块进行组织诊断、梯队建设、高管入职规划
• AI产品开发者：借助AI Product Craft模块掌握上下文工程、Agent编排、AI验证等特殊技能

使用风险

性能风险：知识模块按需加载，若运行环境（如Claude Projects）未预加载全部文档，复杂任务可能触发多次文件读取，增加token消耗和响应延迟。

内容时效性：SaaS指标、AI产品实践等领域演进迅速，知识模块若未定期更新，可能出现框架版本滞后（如旧的留存率计算口径）。

过度结构化风险：严格遵循模板可能抑制创新探索，建议将技能定位为"思考脚手架"而非"标准答案"。

假设验证盲区：[assumption]标签虽提升透明度，但用户可能忽略验证步骤，导致决策建立在未经验证的前提上。