上一篇
(7467期)M10 OneSource Blockchain Agent – 自然语言驱动,5.8亿链上数据秒级洞察
下一篇
(7465期)Payclaw Io Pub – AI 代理的专属虚拟信用卡
PM决策加速器·六域框架·结果导向 PM专属智能伙伴:诊断SaaS指标、评审PRD、规划路线图,覆盖六大知识域30+框架,以结果为导向而非交付清单 使用说明 核心定位 这是一个面向产品经理的高阶工作流技能,而非简单的知识问答工具。它深度整合了Discovery & Research、Strategy & Positioning、Artifacts & Delivery、Finance & Metrics、Career & Leadership、AI Product Craft六大领域,内置12套标准化模板与30+经过验证的决策框架。 显著优点 1. 决策优先的设计哲学技能明确拒绝"模板填充器"定位,每个交互以"这个决策需要什么信息"为起点,而非"该产出一页PRD"。Universal Quality Gates强制要求标注假设、命名权衡、量化成果,有效对抗PM工作中常见的confirmation bias和stakeholder-driven roadmap陷阱。 2. 三层交互协议 Guided模式:六阶段渐进式协作,适合复杂诊断与战略会议 Context Dump模式:用户倾尽所知,AI补位交付,减少来回 Best Guess模式:合理推断+显性标注[assumption],追求首稿速度 这种设计精准匹配PM工作场景——从快速草拟用户故事到深度发现访谈,无需每次都经历冗长的"背景搜集仪式"。 3. AI原生能力专门针对AI产品决策设有独立知识域(AI Product Craft),涵盖context engineering、agent orchestration、AI-shaped readiness等前沿议题,弥补多数PM工具在生成式AI时代的知识缺口。 潜在局限 1. 隐性知识依赖技能文件多次引用knowledge/和templates/目录下的模块文件(如knowledge/discovery-research.md),但当前上下文未提供这些文件内容。实际使用中,若环境未预加载对应知识库,框架的完整执行可能受限。 2. 认知负荷门槛"Compression by default"和"One sharp example beats a page of generic advice"原则对使用者提出较高要求——用户需具备足够的领域知识来识别何为"sharp",否则可能因信息密度过高而难以校准。 3. 中文语境适配虽然技能声明"Respond in the user's language",但框架来源(Geoffrey Moore、MITRE、Cohn等)均为西方方法论,部分概念(如PoL Probe、Rule of 40)在国内SaaS实践中渗透率有限,可能需要用户自行本地化。 适合人群 Senior PM/Staff PM:需要结构化框架支撑高 stakes 决策,而非基础科普 PM转管理者:Altitude-Horizon框架和Executive Onboarding模块专门针对职业跃迁 AI产品经理:独立的AI Product Craft知识域覆盖LLM产品特有的验证挑战 常规风险 框架误用风险:技能强调"Apply, don't recite",但用户可能因框架熟悉度高而强行套用不适配场景(如在早期探索阶段使用Roadmap Planning而非Discovery Process)。技能虽设有Routing Table意图匹配,但最终判断仍依赖用户自我认知。 假设标注衰减:Best Guess模式要求显性标注[assumption],但在长对话中,用户可能逐层追问导致假设堆叠而未及时验证,最终输出建立在未经检验的推断链上。 输出一致性:技能要求"Every output ends with decisions made + assumptions + next step",但实际执行中AI可能因对话长度或主题漂移而遗漏该结构,需用户主动校验。 原始说明 PM skill for Claude Code, Codex, Cursor, and Windsurf. Diagnoses SaaS metrics, critiques PRDs, plans roadmaps, runs discovery, coaches PM career transitions,...
PM决策加速器·六域框架·结果导向
PM专属智能伙伴:诊断SaaS指标、评审PRD、规划路线图,覆盖六大知识域30+框架,以结果为导向而非交付清单
这是一个面向产品经理的高阶工作流技能,而非简单的知识问答工具。它深度整合了Discovery & Research、Strategy & Positioning、Artifacts & Delivery、Finance & Metrics、Career & Leadership、AI Product Craft六大领域,内置12套标准化模板与30+经过验证的决策框架。
1. 决策优先的设计哲学
技能明确拒绝"模板填充器"定位,每个交互以"这个决策需要什么信息"为起点,而非"该产出一页PRD"。Universal Quality Gates强制要求标注假设、命名权衡、量化成果,有效对抗PM工作中常见的confirmation bias和stakeholder-driven roadmap陷阱。
2. 三层交互协议
这种设计精准匹配PM工作场景——从快速草拟用户故事到深度发现访谈,无需每次都经历冗长的"背景搜集仪式"。
3. AI原生能力
专门针对AI产品决策设有独立知识域(AI Product Craft),涵盖context engineering、agent orchestration、AI-shaped readiness等前沿议题,弥补多数PM工具在生成式AI时代的知识缺口。
1. 隐性知识依赖
技能文件多次引用knowledge/和templates/目录下的模块文件(如knowledge/discovery-research.md),但当前上下文未提供这些文件内容。实际使用中,若环境未预加载对应知识库,框架的完整执行可能受限。
2. 认知负荷门槛
"Compression by default"和"One sharp example beats a page of generic advice"原则对使用者提出较高要求——用户需具备足够的领域知识来识别何为"sharp",否则可能因信息密度过高而难以校准。
3. 中文语境适配
虽然技能声明"Respond in the user's language",但框架来源(Geoffrey Moore、MITRE、Cohn等)均为西方方法论,部分概念(如PoL Probe、Rule of 40)在国内SaaS实践中渗透率有限,可能需要用户自行本地化。
框架误用风险:技能强调"Apply, don't recite",但用户可能因框架熟悉度高而强行套用不适配场景(如在早期探索阶段使用Roadmap Planning而非Discovery Process)。技能虽设有Routing Table意图匹配,但最终判断仍依赖用户自我认知。
假设标注衰减:Best Guess模式要求显性标注[assumption],但在长对话中,用户可能逐层追问导致假设堆叠而未及时验证,最终输出建立在未经检验的推断链上。
输出一致性:技能要求"Every output ends with decisions made + assumptions + next step",但实际执行中AI可能因对话长度或主题漂移而遗漏该结构,需用户主动校验。
PM skill for Claude Code, Codex, Cursor, and Windsurf. Diagnoses SaaS metrics, critiques PRDs, plans roadmaps, runs discovery, coaches PM career transitions,…
本站提供的资源转载自国内外各大媒体和网络,仅供试玩体验;不得将上述内容用于商业或者非法用途,否则,一切后果请用户自负。您必须在下载后的24个小时之内,从您的电脑中彻底删除上述内容。如果您喜欢该游戏内容,请支持正版,购买注册,得到更好的正版服务。我们非常重视版权问题,如有侵权请邮件与我们联系处理。
上一篇
(7467期)M10 OneSource Blockchain Agent – 自然语言驱动,5.8亿链上数据秒级洞察
下一篇
(7465期)Payclaw Io Pub – AI 代理的专属虚拟信用卡
还没有玩家留言,来抢沙发吧~
登录后即可发表你的资源评测、评分,与其他玩家交流