ai-product-manager-skills
PANGKAIFENG/ai-product-manager-skills
AI product manager skills for Codex/Claude: brainstorming, product research, PRD workflows, requirements review, and planning handoff.
Instalação
npx convez-ai PANGKAIFENG/ai-product-manager-skills1 comando no terminal: detecta o formato do repositório (marketplace ou plugin avulso) e instala via Claude Code. Requer Node 18+ e o Claude Code instalado.
Métricas
README
A tradução para o português deste README ainda está na fila.
AI Product Manager Skills Library
面向 AI 产品经理的中文优先 Agent Skill 仓库,用来沉淀可复用的 Codex Skills、Claude Skills 和 AI product management workflows。
这个仓库和 Superpowers 互补:Superpowers 更偏研发实现、测试驱动、计划执行和代码交付;本仓库更偏产品经理在进入研发交付前后的工作,包括把模糊想法变成可讨论需求、把主题研究转成产品判断、把 PRD 交付前的缺口暴露出来,以及把方案交给 Superpowers 开发计划。
If you are searching for AI product manager skills, Codex skills, Claude skills, PRD workflow, product research agent, AI collaboration brainstorming, requirements review, or Chinese AI workflow skills, this repository is a curated Skill library for that use case.
当前仓库是公开 AI PM Skill catalog。个人 trace 诊断、编码规范、Skill 治理、项目治理和内部工程类 Skill 不在本仓库维护。
适合谁
- AI 产品经理:需要把想法、调研、方案和 PRD 推进到可交付状态。
- 使用 Codex、Claude 或其他 Agent 工具的产品/业务负责人:希望用自然语言稳定唤起一组可复用工作流。
- 研发协作者:需要理解产品侧 Skill 如何与 Superpowers 的开发计划、TDD、执行和验证流程衔接。
- 需要中文优先 AI PM workflow 的团队:希望从脑暴、研究、PRD 到评审形成可复用流程。
能解决什么
- 脑暴校准:在执行前校准问题定义、挑战假设、重新定义目标。
- 主题/技术研究:把产品、技术、行业或概念研究转成 PM 判断、证据矩阵和决策输入。
- PRD 起草:从想法、脑暴材料或功能说明进入 PRD-lite、PRD-standard 或 PRD-ai-native。
- PRD 评审:从 PM、研发、测试视角找缺口、冲突、不可实现点和不可测试点。
- 方案压测:对已有方案做反方挑战、失败模式识别和取舍收敛。
- 开发计划衔接:当 PRD 足够清楚时,把需求交给 Superpowers
writing-plans。
公开 Skill
真实 Skill 目录保持在仓库根目录,确保 GitHub 历史、运行时分发和 Skill 触发名称稳定。
| Skill | 中文名 | 主要用途 |
|---|---|---|
ai-collaboration-calibration | 协作校准 / 认知校准 | 问题还没定义清楚时,先挑战假设、澄清目标和判断标准。 |
research-topic-compiler | 专题研究编译器 / 概念源流研究助手 | 系统研究、主题学习、轻量概念解构、概念源流、行业演进和 PM 决策看板。 |
tech-research | 技术调研 / 决策驱动调研 | 明确技术决策、接入可行性、方案选型和一次性调研。 |
prd-architect | PRD 架构师 / 需求文档起草 | 从想法或草稿起草 PRD,并在需要时补可编辑 Draw.io 流程图/架构图。 |
prd-review | PRD 评审 / 需求评审 | 评审已有 PRD/handoff,检查文字、流程、验收和图示是否能支撑交付。 |
grill-me | 方案拷问 / 压力测试 | 对已有方案连续追问,暴露盲点、失败模式和前置条件。 |
AI PM 主工作流
| 阶段 | 你现在的状态 | 可以这样说 | 对应 Skill | 下一步 |
|---|---|---|---|---|
| 1. 脑暴校准 | 还没想清楚真正问题,担心方向错 | “先别执行,帮我看清问题”“挑战我的假设” | ai-collaboration-calibration | 明确问题、约束和判断标准 |
| 2. 主题/技术研究 | 需要理解领域、概念、行业演进或技术路线 | “系统研究这个主题”“概念源流”“技术上可行吗” | research-topic-compiler / tech-research | 得到证据、判断、推荐方案或 PM 决策看板 |
| 3. PRD 起草 | 要把想法、脑暴或草稿整理成需求文档 | “帮我写 PRD”“帮我选 PRD 模板”“PRD 里补 Draw.io 图” | prd-architect | 形成 PRD-lite、PRD-standard 或 PRD-ai-native |
| 4. PRD 评审 | 已有 PRD,需要找缺口、冲突和不可测试点 | “帮我审 PRD”“从研发测试视角挑问题” | prd-review | 修订 PRD,关闭阻断项 |
| 5. 方案压测 | 已有方案,但担心盲点和失败模式 | “拷问我的方案”“这个方案哪里会翻车” | grill-me | 明确取舍、风险和前置条件 |
| 6. 开发计划 | PRD 已可交付,需要拆实现步骤 | “基于这个 PRD 写开发计划” | Superpowers writing-plans | 进入实现计划、测试策略和提交节奏 |
PRD 进入 Superpowers writing-plans 前,至少应满足:
- 目标用户、问题、范围边界和非目标已明确。
- 主流程、关键状态、输入输出、异常或人工接管点已写清。
- 验收标准能被测试或人工检查。
- 阻断性待确认项已经关闭,或被显式列为实现计划的前置假设。
路由优先级
当多个 Skill 都可能被触发时,优先按用户当前阶段分流,而不是按关键词叠加:
- 问题还没定义清楚:用
ai-collaboration-calibration。 - 需要系统理解主题、概念源流、行业演进或 PM 决策看板:用
research-topic-compiler。 - 明确技术决策、接入方式或方案选型:用
tech-research。 - 要从想法或草稿写 PRD:用
prd-architect。 - 已有 PRD 要找缺口、检查图示或判断能否交付:用
prd-review。 - 已有方案要被追问和压测:用
grill-me。
更细的相邻能力边界见 SKILL_ROUTING.md。
命名原则
name 和目录名是 Skill 的稳定 ID,会被 Codex、Claude、skillshare、GitHub 历史和触发名称引用。仓库采用:
- 英文 slug 保持稳定,例如
prd-architect。 description使用中文触发优先的写法。- 每个
SKILL.md顶部保留“中文速查”。 - README/Registry 提供中文目录、中文别名和自然语言唤起语。
管理原则
- GitHub 线上仓库是公开 AI PM Skill 的标准源,不是本机所有 Skill 的原样倾倒。
- 相邻 Skill 的触发边界统一维护在
SKILL_ROUTING.md,优先按用户当前工作阶段路由。 - 常用/收藏 Skill 应通过目标工具白名单控制,而不是把私有或工程类 Skill 混入公开仓库。
- 发布前必须检查许可证、敏感信息、适用边界和 README 说明。