★ FEATURED ARTICLE AI 技能AI 插件【免费下载链接】Product-Manager-SkillsProduct Management skills framework built on battle-tested methods for Claude Code, Cowork, Codex, and AI agents.项目地址https://gitcode.com/gh_mirrors/pr/Product-Manager-Skills点击查看免费下载导读本文以 Building PM Skills 为骨架系统讲解 Product Manager Skills 仓库如何把真实世界的 PM 框架与原始资料博客文章、书籍、内部 playbook转化为可在 Claude Code、Cowork、Codex 等 AI Agent 上直接调用的技能Skill。读完本文你将掌握三条技能构建路径自动化工具、引导式向导、手工编写、标准 SKILL.md 的结构与 frontmatter 规范、质量门槛与校验脚本的底层原理并能独立把任意 PM 框架蒸馏为符合仓库规范的 Component / Interactive / Workflow 技能。仓库定位与设计理念Product Manager Skills 是一个面向产品经理的技能库每个技能都是一套可复用的框架能产出明确结果并且可以跨公司、跨产品应用。仓库的 CONTRIBUTING.md 明确指出技能不仅要让 AI Agent 以专业水平完成 PM 工作还要教会人类 PM 框架背后的为什么——即ABCAlways Be Coaching原则。因此构建技能时教学价值与Agent 可执行性同等重要解释why而不只是what、在示例中展示推理过程、明确指出失败模式这些都不是可以随意删减的装饰。这一设计理念直接影响了技能的文件格式与校验规则详见下文质量门槛也是本文所有实操步骤背后的判断标准。本地克隆快速开始对于直接从本地克隆仓库工作的贡献者Building PM Skills 给出了如下最小工作流# 1) 克隆并进入仓库 git clone https://github.com/deanpeters/Product-Manager-Skills.git cd Product-Manager-Skills # 2) 构建一个技能引导式向导 ./scripts/build-a-skill.sh # 3) 或者从源内容生成 ./scripts/add-a-skill.sh research/your-framework.md # 4) 校验严格一致性 ./scripts/test-a-skill.sh --skill your-skill-name --smoke # 5) 可选构建 Claude 上传用的 ZIP 包 ./scripts/zip-a-skill.sh --skill your-skill-name添加新技能后还需要更新README.md中的目录条目技能计数与表格。三条构建路径自动、向导、手工仓库提供了三种技能创建方式按推荐程度与控制粒度排列1. 自动化路径推荐大多数场景使用 add-a-skill.sh 将原始 PM 内容自动转换为正式技能./scripts/add-a-skill.sh research/your-framework.md该工具会自动分析你的内容、建议结构、生成文件、校验元数据并更新文档。完整指南见 Add-a-Skill Utility Guide。从源码看add-a-skill.sh 是一个严格的 8 步工作流Intake读取内容→ Suggest/AnalyzeAI 分析并建议技能类型与结构→ Plan生成实现计划→ Generate生成技能文件→ Validate运行check-skill-metadata.py→ Review用户审查→ Document更新CLAUDE.md、README.md→ Stagegit 暂存。每一步都有交互式确认点confirm函数且支持--dry-run在生成 校验后即停止不触碰安装、文档与 git 暂存。关键参数add-a-skill.sh参数作用--agent name指定适配器claude-code、manual或自定义适配器名称--list-agents列出可用适配器及其安装状态--text content直接以参数形式提供内容--dry-run只生成与校验跳过安装/文档/git 暂存--help, -h显示帮助输入方式支持文件、stdin 管道cat notes.txt | ./scripts/add-a-skill.sh、剪贴板macOS 用pbpasteLinux 用xclip -o/xsel -b以及--text参数。该工具采用适配器模式默认按优先级探测claude-code与manual两种适配器见 add-a-skill.sh自定义适配器可基于 ADAPTER_TEMPLATE.sh 实现adapter_check_available、adapter_analyze_content、adapter_generate_plan、adapter_generate_skill、adapter_update_documentation、adapter_apply_documentation_updates六个必需函数。出于安全考虑脚本在 source 适配器前会做路径校验validate_adapter拒绝名称含路径分隔符或可越出适配器目录的文件。2. 引导式向导Build-a-Bear 风格./scripts/build-a-skill.sh这是一个多轮交互流程按顺序提示 frontmatter 和每个必需章节然后写出合规技能并自动校验。适合希望被一步步引导、又不依赖 AI CLI 的贡献者。3. 手工路径本文主推当需要对结构与内容拥有完全控制权或在已有技能上迭代时手工编写是最佳选择。下文从技能判定标准到文件草稿逐步拆解。配套工具发现与质量检查在动手前先用配套脚本做检索与审计避免重复造轮子# 创建新技能前先查找已有技能 ./scripts/find-a-skill.sh --keyword pricing --type interactive # 严格一致性 冒烟检查测试单个技能 ./scripts/test-a-skill.sh --skill your-skill-name --smoke # 审计触发措辞与示例测试提示 python3 scripts/check-skill-triggers.py skills/your-skill-name/SKILL.md --show-cases从源码看find-a-skill.sh 采用三级相关性评分精确名称匹配300 frontmatter 匹配name/description200--mode trigger下命中best_for/scenarios得 220 正文章节文本匹配100。--list-all模式则按名称字母序输出全部技能及 frontmatter 摘要。其他常用配套脚本详见 scripts/README.md脚本用途find-a-command.sh按关键词查找可复用的工作流命令run-pm.sh把技能/命令转为提示词或直接在 Claude/Codex CLI 中执行--agent print是最安全的起始点test-library.sh --smoke对技能、命令与目录输出做全库联检zip-a-skill.sh --skill name构建 Claude Web 可上传的 ZIP 包check-skill-metadata.py校验技能 frontmatter 与必需章节什么算一个技能Building PM Skills 用一张判定表界定边界如果是……那么它是……可复用、有具体输出的框架技能Skill一次性建议或技巧提示词Prompt长文语境或理论研究资料Research判断要点技能必须跨公司、跨产品可应用产出清晰结果一次性 advice 不应进入技能库学术化理论则应留在 research 目录。选择技能类型选最小够用的那一种仓库只有三种技能类型选最小的能装下任务的那一个Component组件单一交付物模板或工件。适用于 PRD 章节、用户故事、陈述、画布。例如 user-storytype: component就是把 Mike Cohn 故事格式与 Gherkin 验收标准封装为一个可填写的工件。Interactive交互带 3-5 个问题与 3-5 条编号推荐的引导式决策流。例如我该用哪个优先级框架。Workflow工作流多阶段流程编排其他技能并包含决策点。例如产品策略会议定位 → 问题框定 → 路线图。类型在 frontmatter 的type字段声明且只能取component/interactive/workflow三者之一——这是 check-skill-metadata.py 的硬性校验项。蒸馏源材料提取框架的最小可行内核无论从哪种路径构建第一步都是蒸馏。使用源材料帖子、书籍、内部 playbook提取让框架运转起来的最少要素Outcome该技能帮助产出什么。Audience输出给谁看他们关心什么。Steps能到达输出的最小可靠步骤序列。Decisions关键分叉点以及每个分支该怎么走。Pitfalls框架要防止的常见失败模式。Definitions读者可能不懂的行话。Examples至少一个强示例 一个明确的反例。CONTRIBUTING.md 对示例有一个明确的丰盈度要求最佳状态下技能应附带template.md作为可复制填写的输出模式和来自两个业务领域的完整工作示例——一个 SaaS复用 Fieldlight/Wrenchline FSM 虚构宇宙一个工业/非 SaaS复用 Helix Motion Systems、Northfield Automation、Corvid Industrial 虚构宇宙并按领域命名如sample-industrial.md以证明框架可泛化。所有示例公司必须为虚构。草拟技能文件命名、frontmatter 与固定章节在skills/skill-name/SKILL.md创建新文件夹使用小写 kebab-case 命名。每个技能必须使用标准章节顺序与 frontmatter 字段--- name: skill-name description: What it does when to use it in user language. Prefer Use when... and keep it ≤ 200 chars for Claude web uploads. intent: Longer repo-facing summary of the skills purpose and why it exists. type: component --- ## Purpose ## Input ## Key Concepts ## Application ## Examples ## Common Pitfalls ## References从校验器 check-skill-metadata.py 可以看到这些字段并非建议而是硬约束name必须存在、≤ 64 字符、且匹配^[a-z0-9](?:-[a-z0-9])*$小写 kebab-casedescription必须存在、≤ 200 字符Claude Web 上传限制intent必须存在且非空面向仓库的更长说明type必须是component/interactive/workflow之一文件夹名必须与 frontmattername一致否则报folder_name_mismatch七个章节Purpose Input Key Concepts Application Examples Common Pitfalls References必须全部存在且按此顺序违反顺序报section_order_invalid正文排除代码块与行内代码后禁止出现裸$ARGUMENTS模板语法报template_syntax_forbidden。以真实技能 skills/user-story/SKILL.md 为例其 frontmatter 还展示了可选增强字段argument-hint驱动 Claude Code 自动补全是仓库唯一认可的运行时模板语法例外、theme、best_for、scenarios、estimated_time——其中best_for与scenarios被 find-a-skill.sh 的--mode trigger与 check-skill-triggers.py 的触发审计使用。为什么不用$ARGUMENTS这是本仓库刻意的差异化设计CONTRIBUTING.md 给出了三条理由可移植性$ARGUMENTS只在 Claude Code 中展开在 Claude Desktop/Web 包、Codex 和 Streamlit 沙箱中会渲染为字面量、无法解释的模板语法变成读者面前的坏脚手架。教学性技能既要教 Agent 也要教人类 PM。纯白话的## Input章节向 PM 展示了什么是规范请求并明确告诉他们可以空手而来$ARGUMENTS什么都教不了。没必要Claude Code 在调用/skill-name your-context时本来就会把实参追加到技能内容中。一个写着把内联输入当作已给答案的技能能在所有运行时获得同样行为。因此每个技能都在必需的## Input章节中声明输入契约——这是所有运行时上的统一约定。scripts/check-skill-metadata.py对正文中裸$ARGUMENTS直接判失败在评审之前就拦住此类现代化改造PR。质量门槛可执行、可教学、可泛化Building PM Skills 的质量要求包括语言要有观点、要务实opinionated and practical短段落、具体指令## Input要写明用户可以带什么纯白话不用运行时模板语法、展示示例调用、告诉 Agent 使用请求内联提供的输入而不是重新询问把它框定为邀请而非门槛——部分或零输入都没问题技能会引导用户补全缺失内容至少包含一个清晰示例 一个明确反例anti-pattern行话首次出现即定义权衡tradeoffs要显式化若计划上传 Claude Web 自定义技能name≤ 64 字符、description≤ 200 字符把description当触发元数据而非营销文案它要说清技能做什么、Claude 何时该加载它更丰富的仓库内解释放在intent。这些要求同样被脚本化执行。test-a-skill.sh 的--smoke冒烟检查会逐项验证七个核心章节非空、Input章节包含示例调用否则 WARN、Input明确声明可以空手而来否则 WARN、interactive 技能在 Application 中至少 3 个编号选项且含问句否则 WARN、最后调用 check-skill-triggers.py 做触发就绪审计校验description含 Use when / asks for / mentions 等触发提示语、未被 200 字符截断、存在scenarios/best_for支撑手动触发测试。可选确定性脚本何时加、怎么加部分技能受益于小型确定性辅助脚本计算器、模板生成器。规则如下放在skills/skill-name/scripts/目录保持确定性无网络调用、无外部依赖在技能文件的 Application 章节中说明用法。仓库中已有两个可参照的实例tam-sam-som-calculator/scripts/market-sizing.py 与 user-story/scripts/user-story-template.py。注意name字段只允许 kebab-case脚本所在子目录命名也应遵循仓库惯例。完整示例从 Substack 帖子到产品演示技能假设源材料是一篇关于demo 遗憾与怯场的帖子目标是帮助 PM 设计一场能打动受众、避开常见陷阱的演示。决策点如果你想要多阶段执行简报、叙事、排练、应急这是 workflow如果你只想要一个短问答流程输出演示大纲做成 interactive 即可。工作流技能的标准 frontmatter 与结构示例--- name: product-demo description: Plan and run product demos that land with the audience, avoid demo regret, and include rehearsal and contingency planning. Use when preparing a demo for stakeholders, customers, or executives. intent: Turn demo prep into a repeatable workflow that sharpens the story, reduces delivery risk, and keeps the audiences decision in view. type: workflow --- ## Purpose Define the demo goal, anchor the story to the audience, and reduce risk before presenting. ## Input Provide the demo youre preparing: the product or feature, the audience, and the decision at stake. - If you provide this inline (e.g., prep a demo of our analytics dashboard for the CFO), the skill uses it and skips straight to narrative design. - If you provide nothing, the skill opens with the intake questions in Application step 1. Example: Use product-demo: 10-minute demo of usage-based billing to enterprise prospects, goal is pilot sign-off. ## Key Concepts - Demo regret: When a demo shows features but fails to prove value. - Stage fright: Performance anxiety that affects delivery and clarity. - Aha moment: The single proof point the demo must land. ## Application 1. Intake: audience, goal, time, decision at stake. 2. Narrative: problem, constraint, proof, payoff. 3. Flow: 5-7 minute core path, optional branches. 4. Rehearsal: 2 dry runs, one with interruptions. 5. Contingency: offline backup, screenshots, and failure plan. ## Examples - Good: 8-minute enterprise demo that anchors on a single outcome and shows proof in the first 2 minutes. - Anti-pattern: Feature tour with no stated decision or success criterion. ## Common Pitfalls - Overstuffed flow that can only succeed if the demo is perfect. - No backup path when the system fails. ## References - Stage fright is real. So is product demo regret. (source post)注意## Input的写法先以invitation语气说明可提供什么再说明空手而来时技能会如何引导最后给出一条示例调用——这与上文邀请而非门槛的要求完全一致也符合 CONTRIBUTING.md 的## Input五要素规范Works best with / Also useful / Inline input rule / Arriving empty-handed / 1-2 条示例调用。归属与出处规范CONTRIBUTING.md 的Provenance and Attribution部分对技能引用有明确边界可以公开引用并链接已发布的仓库、博客、Substack 文章、播客、公开演讲与 webinar以及第三方框架及其作者Moore、Cohn、Patton、Torres、Porter、Ansoff 等绝不点名内部培训 deck、客户工作坊、内部 playbook、未出版汇编以及客户名称占位符如 XYZ Co 同样违规因为它仍然暗示真实合作。对于内部/客户材料应写Distilled from practitioner experience running the practice两个已知陷阱① 具名交付物 日期 作者即使抹掉客户名也可被定位②黑名单本身就是泄露——永远不要往已提交文件里写不要为 某话题 创建示例。提交前的仓库核对清单Building PM Skills 在结尾给出收尾清单在skills/skill-name/SKILL.md添加技能frontmatter 正确更新README.md中的目录计数与表格在相关技能之间建立链接引用形如skills/xxx/SKILL.md的相对路径test-a-skill.sh 会用rg提取正文中的skills/[a-z0-9-]/SKILL.md并逐一验证路径真实存在缺链即 FAIL用rg skill-name快速扫描确保引用无误。此外可参考 CONTRIBUTING.md 的提交前质量自检清单Quality ChecklistPedagogic教为什么、Agent-ready无需澄清问题即可执行、Self-contained术语自解释、Practical至少一个具体示例、Fully adornedtemplate.md 两个业务领域的示例、Input-aware示例调用 内联输入规则 可空手而来、Opinionated有立场、Skimmable扫读标题可获 80% 价值、Zero fluff每句话都要有分量但不能砍掉教学内容。交互式技能额外要求最多 3-5 个问题、每题 3-5 个编号选项、选项随上下文自适应、优雅处理数字选择/组合选择/自定义输入。结语三种路径的取舍自动化路径add-a-skill.sh适合从已有研究材料快速量产合规技能8 步工作流全程有确认点、可--dry-run预览向导路径build-a-skill.sh适合希望被逐步引导的贡献者手工路径则把控制权完全交给你——只要遵守本文的命名、frontmatter、章节顺序与质量门槛并用test-a-skill.sh --smoke与check-skill-triggers.py收尾验证你产出的技能就能同时在 Claude Code、Cowork、Codex 与 Streamlit 等运行时上保持一致行为。这也正是本仓库先按仓库标准再用 Anthropic 官方技能构建指南做外部交叉检查的实践定位。赞分享AI 技能AI 插件【免费下载链接】Product-Manager-SkillsProduct Management skills framework built on battle-tested methods for Claude Code, Cowork, Codex, and AI agents.项目地址https://gitcode.com/gh_mirrors/pr/Product-Manager-Skills点击查看免费下载相关推荐Product Manager Skills 贡献指南面向 AI Agent 的 PM 技能库设计哲学与提交流程Product Manager Skills 贡献指南面向 AI Agent 的 PM 技能库设计哲学与提交流程 导读 CONTRIBUTING.md httAI 技能AI 插件AI Agent 框架仓库重构实战从 50 散落文件到生产就绪的 self-evaluating-agent-sampleAI Agent 框架仓库重构实战从 50 散落文件到生产就绪的 self evaluating agent sample 本篇技术指南以 agent go人工智能AI AgentAI 安全治理策略引擎认证鉴权Agent 沙箱可观测性猫抓 cat-catch浏览器视频下载与 m3u8 合并解析扩展指南猫抓 cat catch浏览器视频下载与 m3u8 合并解析扩展指南 猫抓 cat catch 是一款可装在 Chrome、Edge、Firefox 上的浏览AI 技能AI 插件上一篇使用 GoReleaser 为 Rust 与 Zig 项目搭建全自动发布流水线下一篇cargo-credential-1password用 1Password 安全托管 Cargo 注册表凭据的完整指南创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考
阅读完成 · 觉得有帮助？
