Browse / Product management / PMbePROskill
PMbePROskill
Phantomlau3674
AI-native PM operating system skill workspace for product managers
Open Phantomlau3674/PMbePROskill → Checked against the four rules.
Does not say
no agent config and no instruction file at the root.
In its own words
一个面向产品经理的智能体原生技能系统。
这个仓库的目标,不是做一个“帮你写几段文档”的提示词集合,而是把产品经理的完整工作流沉淀成一套可以长期运行的系统:先完成用户与业务建档,再围绕竞品、需求、反馈、指标、发版、协同、事故等对象持续工作,并把过程中的知识、证据和正式产出写回结构化的 Markdown 知识库。
这套设计明显受到了 Karpathy 最近关于大模型维基式知识库思路的影响:不要让模型每次都重新发现一遍世界,而是让它在一个可维护、可迭代、可积累的知识系统里持续工作。
这个仓库解决什么问题
很多产品经理在使用智能体时,实际遇到的问题不是“不会生成”,而是:
- 上下文不连续,每次都要重新介绍背景
- 竞品、需求、反馈、实验和项目推进的信息散落各处
- 原始资料、过程记录、稳定认知和正式输出混在一起
- 临时提效有了,但长期工作资产没有沉淀下来
PMbePROskill 想解决的就是这些问题。
它把智能体从一次性聊天工具,往“产品经理个人操作系统”的方向推进了一步。
核心思路
让智能体先理解你是谁、你负责什么产品、业务处在什么阶段、目标用户是谁、核心竞品是谁。
把战略、竞品、项目、需求、反馈、实验、发版、事故这些对象作为长期工作单元,而不是一轮对话里的临时话题。
所有有价值的内容都尽量回写到结构化知识库里,形成长期可复用资产。
主要能力
- 初始化建档:建立用户上下文档案、竞品全景、工作流激活计划
- 策略与路线图:整理目标、信号、限制、风险和取舍
- 竞品情报:持续跟踪竞品变化、截图、价格页、更新日志与影响判断
- 需求文档:建立需求基线、记录版本变更、保留决策和时间线
- 反馈分拣:把客服、销售、评论和内部意见整理成结构化信号
- 指标与实验复盘:更诚实地看数据,区分观察与解释
- 问题探索与研究:先把问题问对,再决定是否进入方案设计
- 发布准备度:明确风险、责任空档、上线条件和结论
- 干系人沟通:把复杂状态压缩成适合老板和跨团队阅读的同步材料
- 事故复盘:保留影响范围、时间线、根因和修正动作
- 图示模块:输出清晰可读的 Mermaid 图
知识库结构
仓库内置了一套 Obsidian 友好的五层结构:
00_system/:控制平面,放用户画像、索引、日志、分类和激活计划01_raw/:原始证据层,放截图、纪要、文档、导出数据等源材料02_wiki/:沉淀认知层,放长期可复用的稳定知识04_outputs/:正式输出层,放报告、纪要、图表包、备忘录05_workspaces/:日常工作区,放会议、待办、项目推进和各类过程性工作
- 原始资料不要和综合判断混在一起
- 稳定认知要沉淀进知识层
- 过程性工作先留在工作区
- 正式对外或对内输出单独成层
仓库结构
skills/pm-operating-system/是可安装的核心技能包pm-skill-vault/是配套的知识库骨架tools/里放了安装和工作区脚手架工具tests/里放了技能包和脚手架的基础测试docs/里放了研究、蓝图和介绍文章
快速开始
2. 打开知识库
直接用 Obsidian 打开仓库内的 pm-skill-vault/,或者把这套结构复制到你自己的工作区里使用。
Quoting 84% of the README. Read the rest on GitHub ↗
Read from the repository's git tree on 2026-08-17.