pm-skills
product-on-purpose/pm-skills加载项目详情…
本应用为开源项目，仅供学习研究，请遵守其开源协议。
微信扫码咨询客服
POMOAI — 让开源 AI 即刻运行
加载项目详情…
本应用为开源项目，仅供学习研究，请遵守其开源协议。
你有没有遇到这种情况：让 Claude 或 Codex 帮你做一个完整的产品策划，它能给出一份看起来像模像样的 PRD，但仔细一看——需求来源模糊、优先级逻辑混乱、验收标准写得像功能清单、连"为什么要做这个功能"都没交代清楚。
这不是 AI 不够聪明，而是产品管理的思维框架本身就是一种专业技能，不是靠"多读书"就能习得的。一个资深 PM 用 5 年踩坑经验形成的判断力，AI 需要某种结构化的"思维脚手架"才能复现。
PM-Skills 就是这个脚手架。
PM-Skills 由 product-on-purpose 组织开发和维护，诞生于 2026 年 1 月，采用 Apache 2.0 开源协议。创始团队的核心洞察是：随着 Claude Code、Codex 等 AI 编程工具的成熟，AI 已经能够独立完成代码实现，但产品决策阶段——发现问题、定义问题、评估优先级、规划交付——仍然是 AI 的薄弱环节。
根本原因在于：产品管理本质上是结构化决策的过程，而不是信息检索。AI 可以写出漂亮的句子，但难以在没有框架引导的情况下做出高质量的产品判断。
PM-Skills 将专业产品经理积累了几十年的方法论，转化为 AI Agent 可以直接调用的"技能模块"。每个技能（Skill）都是一个独立文件，遵循 AgentSkills 规范，AI Agent 在执行产品任务时可以像调用函数一样调用这些技能。
PM-Skills 以 Triple Diamond（六钻石）框架 为核心组织技能，将产品开发划分为六个阶段：
| 阶段 | 关键词 | 代表技能 |
|---|---|---|
| Discover（发现） | 用户研究、竞品分析 | discover-interview-synthesis、discover-competitive-analysis、discover-journey-map |
| Define（定义） | 问题陈述、优先级 | define-problem-statement、define-hypothesis、define-prioritization-framework |
| Develop（开发） | 解决方案设计 | develop-solution-brief、develop-adr、develop-spike-summary |
| Deliver（交付） | PRD、用户故事、验收标准 | deliver-prd、deliver-user-stories、deliver-acceptance-criteria |
| Measure（度量） | 实验设计、指标定义 | measure-experiment-design、measure-metrics-framework |
| Iterate（迭代） | 上线复盘、转向决策 | iterate-pivot-decision、iterate-retrospective |
Triple Diamond 的巧妙之处在于每个阶段都遵循"发散→收敛"的节奏——先广泛探索，再聚焦收敛，防止团队在需求不清晰时就匆忙开发。
除了阶段技能，PM-Skills 还包含 15 个专门针对 AI 执行特点设计的 Tool 技能：
tool-prd-template-generator：根据功能描述自动生成 PRD 模板tool-kickoff-doc：生成 Feature Kickoff 文档，统一团队开工认知tool-release-notes：自动生成符合语义化版本规范的 Release Notestool-stakeholder-summary：将复杂产品决策压缩为高管友好的摘要这些 Tool 技能让 AI 在执行 PM 任务时能够输出结构化、可复用的交付物。
PM-Skills 不只是技能集合，还定义了 6 个专门的子 Agent，每个 Agent 专注于特定职责：
pm-skill-router：分析用户需求，推荐最合适的技能组合pm-workflow-orchestrator：编排多技能协同执行复杂产品流程pm-critic：对 PM 交付物进行批判性审查，发现逻辑漏洞pm-release-conductor：协调产品发布全流程pm-changelog-curator：维护和管理产品 Changelogpm-skill-auditor：审计技能质量，确保符合规范PM-Skills 提供了 12 个预定义的 Workflow，将多个技能串联为完整流程：
triple-diamond：完整的产品开发周期（从发现到迭代）foundation-sprint：快速建立产品基础认知的 2 周冲刺design-sprint：Google 经典设计冲刺的 AI 适配版lean-startup：精益创业 Build-Measure-Learn 循环feature-kickoff：功能启动标准化流程customer-discovery：客户发现与访谈流程stakeholder-alignment：干系人对齐流程PM-Skills 的技术实现非常克制，却也极为巧妙。
每个技能就是一个独立的 SKILL.md 文件，采用 YAML frontmatter + Markdown 正文格式：
---
name: define-hypothesis
description: Defines a testable hypothesis...
license: Apache-2.0
metadata:
phase: define
version: "2.1.0"
category: ideation
frameworks: [triple-diamond, lean-startup, design-thinking]
---
# Hypothesis
A hypothesis is a testable prediction...
这种设计的精妙之处在于：AI Agent 可以直接读取 Markdown 文件并理解指令，不需要额外的解析器或 SDK。项目可以零依赖地嵌入任何 AI 编程工具。
项目包含一个完整的 site/ 目录，使用 Astro 框架构建文档站点（https://product-on-purpose.github.io/pm-skills/）。站点内容与 SKILL.md 源文件同步生成，确保文档永远是最新状态。
安装极为简单，主流 AI 编程工具均支持：
| 工具 | 安装方式 |
|---|---|
| Claude Code（插件市场） | /plugin marketplace add product-on-purpose/agent-plugins |
| Claude Code（手动） | git clone 到项目目录 |
| Claude.ai / Claude Desktop | 上传 Release ZIP 到项目设置 |
| 其他 Agent（npx） | npx skills add product-on-purpose/pm-skills |
项目包含一套完整的 CI 流程：
用 PM-Skills 的实际体验是这样的：
当你告诉 Claude Code "/pm-skills:define-hypothesis 想测试早间邮件摘要是否能提升用户回读率"，AI 会：
define-hypothesis 技能文件对比没有 PM-Skills 的 AI 输出：之前可能只给一句"我们相信早间摘要能提升回读率"，现在则是一份包含行为经济学依据、行业基准数据、具体实验设计的专业假设文档。
需要指出 PM-Skills 的一些局限性：
1. 技能质量依赖人工维护 68 个技能分布在 1781 个文件中，维护成本不低。虽然 CI 流程保障格式一致性，但内容质量完全依赖贡献者的 PM 经验深度。
2. 子 Agent 的编排能力有待验证 6 个子 Agent 的设计理念超前，但实际编排效果取决于底层 AI 模型的能力边界——复杂的 PM 流程往往需要跨 Agent 的状态共享和上下文管理，目前的纯 Markdown 方案可能不够。
3. MCP Server 处于维护模式
官方的 pm-skills-mcp MCP 服务器目前标记为"维护模式"，意味着通过 MCP 协议调用的能力暂时无法获得积极维护。
4. 不适合没有 PM 基础的团队 PM-Skills 是给 AI 工具用的专业 PM 技能库，如果团队本身对产品管理方法论（如 RICE、JTBD、Triple Diamond）没有基本认知，即使 AI 输出了高质量文档，团队也无法有效评审和使用。
PM-Skills 的出现标志着 AI 编程工具正在从"代码执行"向"产品决策"延伸。这是一个明确的信号：AI 不只是帮程序员写代码的助手，也在成为帮产品经理思考的顾问。
从增长曲线看，项目从 2026 年 1 月上线到 6 月已积累 418 stars、52 forks，对于一个垂直领域的专业工具来说增速相当可观。topics 中包含 claude-code、claude-desktop、codex，说明项目明确瞄准了当前最主流的 AI 编程工具生态。
随着 Claude 4、GPT-5 等更强推理模型的普及，AI Agent 的产品管理能力会持续提升，PM-Skills 这类框架型工具的价值也会水涨船高。