PM Skills：把“我有一个点子”变成可验证、可执行的产品计划

适合产品经理、创业者、独立开发者、运营负责人，以及第一次接触 AI Skills 的用户。你不需要会写代码，也不需要背产品方法论。

先说人话：它到底能做什么？

PM Skills 是一套给 AI 使用的“产品经理工作手册”。普通聊天机器人常常直接给你一篇看似完整的答案；PM Skills 会要求 AI 按成熟的产品方法一步步工作，例如先找出假设、再判断风险、再设计低成本实验，而不是一上来就建议开发。

整套工具包含 9 个插件、68 个 Skills、42 条工作流，覆盖一个产品从想法到上线的主要阶段：

你正在做的事	推荐插件	它能交付什么
判断创业点子值不值得做	pm-product-discovery	点子清单、关键假设、风险矩阵、验证实验、访谈提纲
明确做谁的生意、凭什么赢	pm-product-strategy	产品愿景、价值主张、Lean Canvas、定价思路、竞争环境分析
研究用户与市场	pm-market-research	用户画像、市场细分、竞品分析、市场规模估算、情绪分析
写 PRD、拆需求、排迭代	pm-execution	PRD、OKR、路线图、用户故事、验收标准、测试场景、风险预演
看留存、实验与 SQL	pm-data-analytics	SQL 草稿、队列留存分析、A/B 测试分析
设计增长和上市路径	pm-go-to-market	ICP、滩头市场、GTM 策略、增长循环、发布计划、销售战卡
做定位、命名和营销	pm-marketing-growth	定位方向、价值主张文案、产品名、营销创意、北极星指标
处理通用产品文档	pm-toolkit	文案校对、简历优化、NDA 与隐私政策初稿
检查 AI 写的产品代码能否上线	pm-ai-shipping	系统文档、测试覆盖图、静态安全/性能审计、上线检查包

这里的 Skill 可以理解为一套方法论，例如“市场规模估算”；工作流则会把多个 Skill 串起来，例如完整产品发现会依次完成创意发散、假设识别、风险排序和实验设计。

它能帮你把问题想清楚、把文档写完整，但不会自动获得真实市场数据，也不能替代真实用户访谈、财务判断、安全专家或律师。涉及定价、法律、安全和重大投入时，要让专业人员复核。

一键安装

方式一：Codex CLI

先确认终端里能运行 codex。然后整段复制下面的命令：

codex plugin marketplace add phuryn/pm-skills
codex plugin add pm-toolkit@pm-skills
codex plugin add pm-product-strategy@pm-skills
codex plugin add pm-product-discovery@pm-skills
codex plugin add pm-market-research@pm-skills
codex plugin add pm-data-analytics@pm-skills
codex plugin add pm-marketing-growth@pm-skills
codex plugin add pm-go-to-market@pm-skills
codex plugin add pm-execution@pm-skills
codex plugin add pm-ai-shipping@pm-skills

不想一次安装全部，也可以只安装当前需要的插件。例如，验证创业想法只需：

codex plugin marketplace add phuryn/pm-skills
codex plugin add pm-product-discovery@pm-skills
codex plugin add pm-product-strategy@pm-skills
codex plugin add pm-market-research@pm-skills

检查是否安装成功：

codex plugin list

也可以进入 Codex 后输入 /plugins，在 pm-skills 市场页检查、安装或启用插件。

方式二：Claude Code

整段复制：

claude plugin marketplace add phuryn/pm-skills
claude plugin install pm-toolkit@pm-skills
claude plugin install pm-product-strategy@pm-skills
claude plugin install pm-product-discovery@pm-skills
claude plugin install pm-market-research@pm-skills
claude plugin install pm-data-analytics@pm-skills
claude plugin install pm-marketing-growth@pm-skills
claude plugin install pm-go-to-market@pm-skills
claude plugin install pm-execution@pm-skills
claude plugin install pm-ai-shipping@pm-skills

Claude Cowork 用户可打开左下角 Customize，依次选择 Browse plugins → Personal → + → Add marketplace from GitHub，输入：

phuryn/pm-skills

方式三：从 Agent 广场下载 ZIP

广场提供的是上游 v2.1.0 完整源码快照。下载并解压后，你会看到 9 个以 pm- 开头的插件目录。它适合离线审阅、团队归档或导入支持通用 SKILL.md 格式的工具；若使用 Codex 或 Claude，优先使用上面的市场安装命令，依赖关系和后续升级更省心。

安装成功后会发生什么？

安装不会自动修改你的项目，也不会自动上传文件。它只是把产品方法、输出模板和工作流说明加入 AI 的可用能力。

安装完成后：

1. 新开一个会话。 已打开的旧会话通常不会重新加载刚安装的插件。
2. AI 可以自动选择匹配的 Skill。 例如你说“帮我估算 TAM、SAM、SOM”，它会匹配市场规模 Skill。
3. 你也可以点名调用。 Codex 中可以用 $ 提及技能；Claude 可使用技能名或 /discover、/write-prd 等工作流命令。
4. 输出更结构化。 AI 会追问目标用户、阶段、证据和约束，再生成画布、矩阵、实验、PRD 或计划。
5. 大多数能力只读你的上下文。 这套插件本身没有外部数据库和账号连接；市场结论若没有可靠材料，只能是待验证假设。

Codex 需要特别注意：插件里的 Skills 可以直接使用，但仓库的 Claude /斜杠命令 不会自动变成 Codex 的同名斜杠命令。在 Codex 里用自然语言描述完整流程即可，下面的中文提示词都可以直接复制。

第一次使用：从这 6 条中文提示词开始

1. 完整验证一个新点子

请使用 pm-product-discovery 的方法，对下面的新产品做一轮完整产品发现：
产品想法：【写你的想法】
目标用户：【写用户，不确定就写“不确定”】
我已有的证据：【访谈、数据、观察；没有就写“暂无”】
这次要做的决定：【继续验证 / 做 MVP / 放弃】

请依次完成：
1. 从产品、设计、技术三个视角发散方案；
2. 识别价值、可用性、可行性、商业、获客等关键假设；
3. 按“影响程度 × 不确定性”排序；
4. 为前三个高风险假设设计一周内、低成本、可量化的验证实验。
每一步都区分“已知事实、合理推断、待验证假设”，不要编造市场数据。

2. 生成用户访谈提纲

请使用 interview-script 方法，为【目标用户】设计一份 30 分钟访谈提纲。
研究问题是：【你想弄清的问题】。
重点询问过去真实发生的行为、触发情境、现有替代方案、花费和不满意之处；
避免诱导用户评价我的方案，避免“你会不会买”这类假设性问题。
最后给出开场白、追问句、结束语和访谈记录模板。

3. 写一份能落地的 PRD

请使用 create-prd 和 user-stories 方法，把下面的产品需求整理成一份中文 PRD：
背景：【为什么现在做】
目标用户：【谁使用】
用户问题：【具体场景和痛点】
目标指标：【成功如何衡量】
功能范围：【准备做什么】
明确不做：【本期排除什么】
约束：【时间、人员、技术、合规】

必须包含：问题定义、目标与非目标、用户故事、主流程、边界情况、功能需求、非功能需求、埋点、验收标准、风险和待确认问题。信息不足处标注“待确认”，不要自行补成事实。

4. 设计定价实验

请使用 pricing-strategy 和 monetization-strategy 方法，为【产品】设计定价策略。
目标客户：【客户画像】
带来的价值：【省钱、赚钱、提效或降风险】
当前替代方案及成本：【填写】
当前阶段：【想法 / MVP / 已有付费用户】

请比较订阅制、按量、按席位和分层套餐，给出推荐方案、套餐边界、价值度量、可能的价格锚点，以及 3 个不写代码也能执行的支付意愿实验。价格只能作为实验假设，不要伪造竞品数据。

5. 设计北极星指标和看板

请使用 north-star-metric 和 metrics-dashboard 方法，为【产品】建立指标体系。
商业模式：【订阅 / 交易 / 广告 / 其他】
用户获得的核心价值：【填写】
产品阶段：【MVP / 增长 / 成熟】

请先判断这是注意力、交易还是生产力类型产品，再给出一个北极星指标、3—5 个输入指标、护栏指标、每个指标的计算口径、数据来源、更新频率和预警阈值。不要把注册量、下载量等虚荣指标直接当北极星指标。

6. 给 AI 写的代码做上线前检查

请使用 pm-ai-shipping 的 ship-check 工作流，检查当前项目是否适合上线。
范围：【整个仓库 / 某个目录 / 某项功能】
请先梳理架构、关键流程、权限和环境变量，再分别做静态安全审计、静态性能审计和测试覆盖映射，最后生成可供人工签字确认的上线检查包。
所有发现必须给出文件与行号证据；把“已确认问题、需动态验证、缺少产品意图”分开。不要把静态审计描述成渗透测试，也不要未经我确认直接修改代码。

完整创业案例：AI 小店短视频营销助手

下面演示一个人如何把模糊点子推进到可验证的 MVP。案例中的数字都是演示用假设，不代表真实市场结论。

第 0 步：只有一句模糊想法

创业者小林的最初想法是：

做一个工具，让小餐饮店老板拍几张菜品图，就能生成短视频脚本、镜头建议和发布文案。

不要立刻让 AI 写代码。第一步应该找出“这件事为什么可能不成立”。

第 1 步：做完整产品发现

复制：

请对“AI 小店短视频营销助手”做完整产品发现。
目标用户暂定为中国二三线城市、1—3 家门店的小餐饮老板。
他们拍几张菜品图并输入当天活动，系统生成 15 秒短视频脚本、拍摄镜头清单和发布文案。
目前只有我观察到几位店主不会持续做短视频，没有正式访谈和交易数据。
这次要决定：是否值得用 2 周做一个人工交付式 MVP。

请完成创意发散、关键假设识别、风险排序和低成本实验设计。严格区分事实与假设，先不要写 PRD。

一份合格的结果不应该只说“市场很大”，而应得到类似结构：

类型	假设	为什么危险	最便宜的验证方式
价值	店主确实把“不会写内容”视为高频痛点	也许真正问题是没时间拍、不会剪或没有流量	访谈 10 位符合条件的店主，追问过去 30 天发布记录
行为	店主愿意每周上传素材并使用建议	说“有兴趣”不等于持续使用	连续 7 天人工在微信交付内容包，记录实际采用率
商业	店主愿为持续获客结果付费	小店预算低，可能只愿一次性尝试	在交付前展示 3 个套餐，要求支付可退订金
可行性	菜品图足以生成可执行的脚本	缺少门店环境、人员和活动信息可能导致内容空泛	用 5 组真实素材人工生成，观察需要补问多少信息
获客	能低成本触达这类店主	逐店销售成本可能高过收入	在本地商户群和服务商渠道各招募 5 人，对比转化

关键点：实验指标要记录真实行为，例如“7 天内至少发布 3 次”，而不是“用户说喜欢”。

第 2 步：准备访谈，不推销答案

复制：

为“AI 小店短视频营销助手”设计 30 分钟用户访谈。
对象是最近 30 天尝试过短视频获客、拥有 1—3 家门店的餐饮老板。
研究目标：弄清内容生产最卡的环节、现有解决办法、实际投入、是否曾付费外包，以及什么结果值得付费。
请只问过去的真实行为，不展示产品，不问“如果有这个工具你会买吗”。
输出招募筛选题、访谈问题、追问、记录表和访谈后编码方式。

访谈后，把逐字稿交给 AI：

请使用 summarize-interview 方法分析下面 10 份访谈逐字稿。
按共同任务、触发情境、现有替代方案、痛点强度、已付成本、满意信号和反对证据归类。
每条结论引用对应访谈编号和原话；少数意见不得包装成普遍结论。
最后列出：得到支持的假设、被否定的假设、仍未知的问题，以及下一轮实验建议。

【粘贴或附上逐字稿】

第 3 步：建立商业模型和价值主张

假设访谈和人工交付实验显示：老板不是不会写文案，而是每天不知道“拍什么、怎么拍”，并且更关心到店核销而非播放量。此时用新证据更新方向。

复制：

请为这个项目建立 Startup Canvas，并设计 JTBD 价值主张。

已知证据：
- 10 位受访者中 7 位最近一个月发布不足 4 次；
- 6 位认为最难的是当天不知道拍什么、镜头如何安排；
- 4 位曾付费请人做内容，但只有 2 位持续超过一个月；
- 7 天人工服务中，8 位参与者里有 5 位至少发布 3 次；
- 支付意愿尚未验证，到店核销归因也尚未验证。

产品方向：每天根据菜品、库存和促销，给店主一个 15 分钟内能拍完的短视频任务包。
请把证据、推断和假设分栏展示；指出商业模型最薄弱的三处，并提出验证方式。

预期产物应明确：

• 客户不是“所有本地商家”，而是有短视频获客意愿、缺少专职运营的小餐饮店主。
• 核心任务不是“生成更漂亮的文案”，而是“在忙碌营业中持续产出能带来核销的内容”。
• 独特价值主张可以先写成测试版：“每天一个 15 分钟拍摄任务，让没运营团队的小店持续发出可追踪到店效果的短视频。”
• 收入模式、获客成本、核销归因仍是待验证假设。

第 4 步：定义两周 MVP，而不是做全功能平台

复制：

请使用 create-prd 和 pre-mortem 方法，为“AI 小店短视频营销助手”写一份两周 MVP PRD。

目标：验证店主是否会持续执行每日拍摄任务，以及是否愿意为下一周期付费。
用户：有短视频获客意愿、无专职运营的 1—3 家餐饮门店老板。
团队：1 名全栈开发者 + 1 名运营。
首期只做微信登录、门店信息、每日任务包生成、完成打卡、优惠码和基础数据看板。
明确不做：自动剪辑、多平台发布、复杂会员系统、团队协作、广告投放。
成功假设：10 家测试店中，至少 6 家在 14 天内完成 8 次任务，至少 3 家愿意按展示价续费。

请输出：问题、目标/非目标、用户故事、主流程、需求、埋点、验收标准、边界情况、风险预演和待确认项。不要擅自把成功假设写成已确认目标。

PRD 中至少应出现这些可验收内容：

• “作为店主，我填写今天主推菜和优惠后，希望 1 分钟内拿到可拍摄任务。”
• 任务包包含 3—5 个镜头、每个镜头的动作与时长、口播/字幕、发布文案。
• 若图片缺失、生成失败或内容不适合，系统给出明确补充信息和重试路径。
• 记录 task_generated、task_started、task_completed、video_published、coupon_redeemed、renewal_paid。
• 验收标准使用“给定—当—那么”，而不是“体验流畅”“结果准确”等模糊句子。

第 5 步：确定指标，避免被播放量带偏

复制：

请为这个 MVP 设计北极星指标和实验看板。
核心价值是让无运营团队的小店持续完成能被顾客看到、并可追踪到店的短视频任务。
商业模式暂定按月订阅，当前是 10 家门店的封闭测试。

请定义北极星指标、输入指标、护栏指标和两周实验判定规则。每个指标写清公式、事件、统计周期和局限。样本很小时不要做虚假的统计显著性结论。

示例指标框架：

层级	指标	示例口径
核心价值	每周完成并发布任务的活跃门店数	一周内至少完成并确认发布 3 个任务的去重门店
输入	任务生成到开始率	task_started / task_generated
输入	开始到完成率	task_completed / task_started
输入	完成到发布率	video_published / task_completed
结果	可追踪核销门店数	一周至少产生 1 次优惠码核销的门店
商业	测试结束付费续订率	renewal_paid / 收到真实续费报价的门店
护栏	无效或不当内容反馈率	被标记不可执行、错误或不适当的任务占比

第 6 步：设计定价和上市实验

复制：

请使用 pricing-strategy、ideal-customer-profile、beachhead-segment 和 gtm-strategy 方法，为该 MVP 设计首批付费验证。

现有信息：封闭测试 10 家；主要价值假设是降低持续内容生产成本并带来可追踪核销；真实支付意愿尚未验证；团队只有 2 人，无法承接高强度定制服务。

请给出：首批 ICP、滩头市场选择、3 档测试套餐、支付意愿实验、2 个低成本获客渠道、四周上市节奏和停止条件。所有价格、转化率和成本都标记为“待验证假设”。

合理的首批策略会缩小范围，例如先选择“本地已有短视频账号、每周愿投入至少 2 小时、客单价和复购可追踪的单店餐饮老板”，而不是一开始覆盖所有城市、所有商户。

第 7 步：上线前检查

如果 MVP 已经由 AI 辅助写完代码，再复制：

请运行 pm-ai-shipping 的完整 ship-check，范围为当前仓库。
重点关注微信登录、门店数据隔离、图片上传、优惠码核销、管理后台权限、日志中的个人信息和生成接口成本。
先生成系统文档，再做有证据的静态安全与性能审计、测试覆盖映射，最后给出按严重程度排序的上线阻塞项。
只审计和报告，不修改代码；静态分析无法确认的项目列入人工或动态验证清单。

最终你应该拿到一条清晰的决策链：

模糊点子
→ 高风险假设
→ 用户行为证据
→ 聚焦的价值主张
→ 两周 MVP
→ 可计算指标
→ 真实付费实验
→ 有证据的上线检查

这才是 PM Skills 最有价值的用法：它不是替你“生成一份漂亮计划”，而是帮助你不断暴露不确定性，并用更小的成本获得下一步证据。

常见错误集中处理

错误 1：codex: command not found 或 claude: command not found

原因：对应 CLI 没安装，或安装目录没有加入 PATH。

处理：先按 Codex 或 Claude 官方说明安装 CLI，关闭并重新打开终端，再运行：

codex --version

或：

claude --version

能显示版本号后再安装插件。

错误 2：市场已添加，但找不到插件

先检查市场：

codex plugin marketplace list

刷新远程市场：

codex plugin marketplace upgrade pm-skills

然后查看可用插件或进入浏览器：

codex plugin list --available --json

如果是公司账号，还可能被管理员的插件市场白名单限制，需要联系管理员允许该 GitHub 来源。

错误 3：安装成功，但 AI 好像没使用 Skill

最常见原因是仍在旧会话。完全退出当前会话并新开一个，再明确点名方法：

请使用 prioritize-assumptions 方法，把下面假设按影响程度和不确定性排序，并解释排序依据。

Codex 也可用 $技能名 显式提及已安装 Skill；可以在 /plugins 中确认插件是否已启用。

错误 4：在 Codex 输入 /discover 没反应

这是产品差异，不是安装失败。/discover 是上游为 Claude 设计的命令文件，Codex 不会把它注册成同名斜杠命令。请改用自然语言：

请对【产品想法】运行完整产品发现：发散点子、识别假设、排序风险、为前三个风险设计实验；每一步暂停让我确认。

错误 5：AI 一次问太多问题，迟迟不给结果

Skill 会主动补齐上下文。你可以明确允许使用假设继续：

我现在没有更多资料。请先用合理假设完成初稿，把所有假设集中列出，并告诉我最需要补充的 5 条证据，不要逐题等待。

错误 6：输出很专业，但数据像是编出来的

这套工具提供分析框架，不自带实时市场数据库。没有来源的 TAM、竞品价格、转化率和用户偏好都只能算假设。追加：

请审计上一份输出：逐条标注“有输入证据、合理推断、无证据假设”。删除无法追溯来源的事实性数字；需要外部调研的内容改写为研究问题和取证计划。

错误 7：生成的 PRD 太长、无法开发

限制目标、周期和非目标：

请把这份 PRD 缩成 2 周、1 名开发者可完成的 MVP。只保留验证【核心假设】必需的能力；把其余内容移到“明确不做”和“后续候选”，并重新给出可测试的验收标准。

错误 8：法律文档或安全报告能否直接采用？

不能直接当最终结论。NDA、隐私政策是初稿，需结合司法辖区、真实数据流和律师意见；静态安全审计不是渗透测试，也不证明系统绝对安全。正确做法是要求引用证据、列出未知项，再交给专业人员复核。

错误 9：更新上游版本

Codex 中运行：

codex plugin marketplace upgrade pm-skills

再在 /plugins 中检查已安装版本。Agent 广场 ZIP 是固定版本快照，不会自动更新；需要新版本时请下载广场后续发布的版本。

错误 10：想卸载

逐个卸载 Codex 插件：

codex plugin remove pm-product-discovery@pm-skills

其他插件替换名称即可。确认都不再需要后，移除市场：

codex plugin marketplace remove pm-skills

版本与来源

• 广场版本：2.1.0
• 上游提交：18468a95b427e70e258b51389796367c6f684e7d
• 上游作者：Paweł Huryn
• 许可证：MIT
• 组件：9 个插件、68 个 Skills、42 条工作流
• 本包无常驻服务、无账号连接、无二进制程序；主要内容为 Markdown 方法与工作流，另含用于结构校验的 Python 脚本和测试。

---

官方资料

• 上游项目
• v2.1.0 源码快照
• 上游完整能力清单与安装说明
• v2.1.0 更新记录
• MIT 许可证
• OpenAI Codex 插件使用说明
• OpenAI Codex CLI 命令参考