产品经理技能包（Product Manager Skills）
把 Claude Code、Codex、Cursor 或 Windsurf 变成一位敢顶回来的资深产品经理：诊断 SaaS 指标、批判 PRD、规划路线图、跑用户探索、辅导 PM 晋级。
SKILL.md 明确禁止自动运行本地脚本，更新检查须用户手动发起，README 声明无凭据、无遥测、无提权，运行时为纯 Markdown。扣分项：bin/update-check 会向 GitHub 发起网络请求（虽为手动），许可元数据在系统层为 NOASSERTION，发布者身份未经验证，数据流与回滚说明主要靠 README 自述而非可验证证据。
指令自洽性较好：路由表、模式选择、状态协议、升级退出规则内部一致，异常输入有 BLOCKED/NEEDS_CONTEXT 反馈路径。静态审查上限 10，且示例输出均为作者自写、无测试套件或独立复现证据，依赖的 knowledge/ 与 templates/ 文件未在本次提供范围内验证存在。故给 9。
受众、场景、触发意图（路由表）和非适用范围（不适合谁）都写得清楚，支持中文回复且有中文 README。扣分项：触发面极广（40+ 框架、7 域），语义误触发风险上升；未声明中国大陆网络环境下 clawhub/npm 安装源的可达性；跨平台行为一致性（如引导模式在 Codex/Cursor 的表现）作者自己在 TODOS.md 中承认为未验证。
有 CHANGELOG（Keep a Changelog 格式）、版本号、CONTRIBUTING、ETHOS、双语 README、TODOS 维护路径，分层结构清晰。扣分项：提供的 SKILL.md 文本在 Quality Gates 第 6 条处被截断，关键质量门槛内容不完整；许可证为 CC BY-NC-SA 4.0（非商业），对部分企业使用构成限制但文档未显式提示；系统层许可元数据为 NOASSERTION。
静态上限 7。README 给出三个预期输出示例（SaaS 诊断、PRD 评审、教练），格式与内容看起来可直接使用，边际价值高于通用提示词（质量门槛、反模式标记）。扣分项：所有示例为作者自述，无独立复现；价值主张（比通用 prompting 更好）仅有自写对比表支撑。
静态上限 5。有可审计的一手材料：CHANGELOG、示例文件、启动提示词、路由表，结构主张（7 域、12 模板）可在仓库内核对。扣分项：无 CI 测试或第三方执行证据，'Featured In' 列表和 star 数为外部主张未在本仓库内可验证，作者示例与真实行为之间的事实/推断边界未明确区分。
- 本评估为静态源码审查，未执行任何脚本或工作流，实际交互质量未经独立验证。
- 许可证为 CC BY-NC-SA 4.0（非商业、相同方式共享），商业场景使用前请确认合规。
- bin/update-check 虽为手动触发，仍会向 GitHub 发起网络请求；网络受限环境请使用 git clone 方式。
- 提供的 SKILL.md 文本在 Quality Gates 部分被截断，建议核对完整文件后再使用。
- README 中的示例输出均为作者自述，不应视为已验证的真实行为。
这个 Skill 能做什么，适合哪些场景？
这是一个面向 AI 编程工具的产品经理 Agent Skill，核心是一份 SKILL.md 加上 7 个知识模块、12 个模板和 8 个实战示例，全部为纯 Markdown。它的工作流以路由表驱动：识别用户意图后加载对应领域知识，再套用 40 多个框架和分层质量门禁输出结果。它强调立场鲜明、标注假设、点明取舍，而不是生成听起来漂亮的通用文案。安装即用，无脚本自动执行，运行时不需要网络或凭据。
读取用户意图并按路由表匹配六大领域（发现研究、战略定位、交付物、财务指标、职业领导力、增长 PLG、AI 产品）中的知识模块；产出 PRD、用户故事、定位声明、路线图、机会解决方案树等 12 类模板化交付物；对输入的 SaaS 指标做量化诊断（LTV、CAC 回本周期、NRR、Rule of 40 等）；识别并点名 'Solution Smuggling'、'Metrics Theater'、'Feature Factory' 等反模式；在用户显式请求时进入教练模式，追问弱点、跨域串联并以裁决收尾；每次输出以已做决策、待验证假设、建议下一步和完成状态（DONE / BLOCKED 等）结尾。
- 技术型 PM 想在工程协作工具内直接审 PRD：输入草稿，技能会指出问题陈述中的方案走私、缺失基线的指标和过度打包的范围。
- 创始人或 PM 拿到原始经营数据：输入 'MRR $50k、500 客户、月流失 8%、CAC $500'，得到量化的健康诊断和明确瓶颈（此例中是留存而非获客）。
- 正在冲刺 Director 或 VP 面试的高级 PM：请求教练模式，技能会诊断执行力与组织影响力的落差并给出具体行动计划。
- 增长团队规划 PLG 策略：围绕激活率、病毒循环、免费转付费等主题获得框架化分析和实验设计。
- AI 产品经理需要压力测试 AI 原生决策：使用 AI-Shaped Readiness、Context Engineering、Agent Orchestration 等专门模块。
- 想要端到端流程的用户：说 'take this from idea to PRD'，技能按发现、定位、优先级、规格、验证、度量六阶段推进 PM Sprint。
这个 Skill 有哪些优点和局限？
- 纯 Markdown、可逐行审查，无自动脚本执行、无需网络或凭据，安全性可审计
- 输出有明确结构：标注假设、点名取舍、指定可度量的结果，并识别多种 PM 反模式
- 覆盖面广：7 个知识域、40+ 框架、12 个模板，附 8 个带完整输入输出的示例
- 跨四个主流 AI 编程工具可用，且明确支持中英双语回复
- 被多个知名 awesome 列表收录（如 awesome-agent-skills、awesome-claude-skills）
- 许可证为 CC BY-NC-SA 4.0，禁止商用，且 GitHub 许可证字段为 NOASSERTION，团队采用前需法务确认
- 只有 2 个小型 shell 脚本用于手动维护，没有自动化测试套件或基准评测数据支撑其效果声明
- 依赖用户在提示中提供足够的上下文；信息不足时会以标注假设的方式先行输出，可能偏离真实情况
- 教练模式等高级行为需要显式触发词，标准模式下不会主动深度追问
- 并非协作型 Web 应用：没有审批、评论、分享等工作流，不适合寻求 SaaS 交付的团队
如何安装这个 Skill？
Claude Code / OpenClaw：在终端运行 clawhub install product-manager-skills。Codex / Cursor / Windsurf / 其他 GitHub 技能加载器：运行 npx skills add Digidai/product-manager-skills。Claude Projects：上传 SKILL.md、knowledge/ 和 templates/ 三个部分。任何支持本地文件加载的 LLM：把系统提示指向 SKILL.md 并保持同级目录完整。更新可通过 clawhub update product-manager-skills 或 npx skills update Digidai/product-manager-skills，均为手动执行。
如何使用这个 Skill？
安装后直接用自然语言下达任务。简单请求（如写一个用户故事）会直接产出；复杂请求可说 'coach me' 进入教练模式或 'take this from idea to PRD' 启动六阶段 Sprint。示例提示：'Analyze these metrics: MRR $50k, 500 customers, gross margin 80%, monthly churn 8%, CAC $500.' 或 'Review this PRD draft like a strong PM peer.' 技能会用用户的语言回复（中文输入则中文回复），每次输出附决策、假设、下一步和完成状态。
这个 Skill 与同类方案有什么区别？
README 明确将自己与 'generic prompting'（直接向通用大模型提问）对比，声称后者只会写出貌似专业的 PM 文本、接受糟糕的问题框架，而本技能通过框架路由和质量门禁施加真正的约束。它也适用于明确不想把产品上下文发给第三方 SaaS 的团队，作为云端 PM 工具的本地替代。