【免费下载链接】pm-skills68 plug-and-play, best-practice product management skills for AI agents: 30 Triple Diamond phase 11 foundation 12 utility 15 tool (Foundation Sprint Design Sprint). Plus 6 sub-agents, workflows, 200 output samples, guides, and CI-enforced contracts. Apache 2.0.项目地址https://gitcode.com/gh_mirrors/pmsk/pm-skills点击查看免费下载如果你在用 AI 产品经理技能PM Skills生成 PRD、假设文档或实验结果报告最让人放心的一件事就是先看别人家的 AI 长什么样。PM-Skills 的样例输出库skill-output-samples正是为此而建——202 份可直接打开阅读的完整样例由 3 家虚构公司Storevine、Brainshelf、Workbench贯穿 Triple Diamond 全生命周期帮新手快速判断 AI 输出的质量基准线在哪里。先搞清楚这个样例输出库到底是什么它是 PM-Skills 项目自带的一套标准答案库放在 library/skill-output-samples/ 目录下核心用途有两个评估参考第一次接触 PM-Skills随便点开一个样例就能看到某个技能比如define-hypothesis在真实产品语境下产出什么完整交付物连同触发它的那条 Prompt 原文。质量校准要贡献新技能或修改现有技能样例展示了执行到位应有的细节密度、结构和语气是贡献者的标尺。导航入口是 README_SAMPLES.md它提供两张索引表Browse by Skill按技能查三份样例和Browse by Company按公司查完整故事线。机器可读的线程档案则定义在 THREAD_PROFILES.md。 这不是训练数据、不是 API 文档而是一份份自包含、可直接阅读的产物示范。3家虚构公司档案覆盖 B2B / 消费 / 企业级为什么是虚构公司因为样例需要一个完整、连贯、不涉密的产品背景。于是项目设计了 3 家公司每家代表一种产品类型、团队规模和Prompt 风格刻意覆盖真实 PM 世界的不同工作方式线程产品类型阶段功能主线Prompt 风格对标真实竞品StorevineB2B 电商一体化平台Series A约 70 人1.5 万商户Campaigns站内邮件/SMS 召回有条理结构化上下文、引用前序产物Shopify、Klaviyo、MailchimpBrainshelf消费级 PKM / 稍后读应用Post-seed约 20 人8.5 万注册用户Resurface基于阅读模式的晨间邮件摘要随意要点、速记、不完整句子Readwise、InstapaperWorkbench企业协作平台Series B约 200 人500 家企业客户Blueprints带必填章节与审批闸门的文档模板企业级完整干系人列表、量化基线Confluence、Notion、Coda三个关键设计值得新手记住一条主线贯穿六阶段每家公司的功能主线都走完 Triple Diamond 的 Discover → Define → Develop → Deliver → Measure → Iterate还能看到实验结果和 pivot 决策比如 Brainshelf 最终从定时摘要转向浏览器扩展触发的上下文召回。竞品是真的公司是假的样例里出现的 Shopify、Klaviyo、Confluence 都是真实公司名只有三家公司本身是虚构的。人物命名有约定Storevine 用Growth PM、Eng Lead这类职位前缀Brainshelf 用小写名字marco、alex体现创业团队氛围Workbench 用正式名 姓氏首字母Sandra C.、Karen L.匹配企业文档规范。每个样例的三段式结构Scenario Prompt Output打开任何一个样例文件都会看到严格的三段式格式规范定义在 SAMPLE_CREATION.mdScenario2-4 句交代公司、团队和触发这份交付物的具体 PM 问题。虚构指标一律带[fictional]标记真实行业数据则在 Source Notes 里引用公开来源。PromptPM 实际输入的斜杠命令原文放在代码块中。Prompt 质量随线程风格变化——Brainshelf 的 prompt 就是几条粗糙的 bullet points而 Workbench 的 prompt 是带干系人清单和量化基线的完整简报。Output完整交付物严格跟随对应技能references/TEMPLATE.md的章节顺序不跳节、不留占位符。以假设文档为例sample_define-hypothesis_storevine_campaigns.md 展示了有备而来的 Prompt 长什么样引用 1 月的商户访谈综述、2 月的竞品分析、已有问题陈述中的流失数据然后要求带成功指标和 pass/fail 标准的完整假设文档。新手用法想学习怎么写好 Prompt同一个技能的三份样例三个线程并排读你就看到了从随便写写到企业级简报的完整光谱。[fictional] 标记机制AI 样例如何做到不编造这是整个样例库最有价值的隐性课程。规则的核心一句话判断标准是溯源不是形式——输入Scenario Prompt或 Source Notes 里有的数字/事实 → 不需要标记样例自己发明的观察数字、研究方法、事件、用户引语、被引用为证据的来源→ 必须紧跟[fictional]标记观察不标记决策目标值、阈值、灰度比例这类产物自己做的决定不标记。为什么如此严格因为未标记的虚构方法会让编造的综合看起来像被证实过的结论而下游消费这份产物的团队会继承这种虚假的权重。配套还有校验脚本 check-sample-no-fabricated-metrics.mjs 做启发式扫描它只标记百分比、且是咨询性的——通过不等于合规发现也不等于违规。✍️ 对你的启示要求你自己的 AI PM 技能也采用同样的证据溯源习惯输出质量的可信度会显著提升。文件怎么命名看懂命名规律索引一搜一个准所有样例遵循统一命名模式sample_skill_thread_additional-helpful-context.mdthread固定为storevine/brainshelf/workbench三选一frontmatter 里也有对应的thread:字段check-sample-counts.mjs 会按线程统计并校验分布上下文段按样例类型变化阶段技能用功能主线_campaigns、persona 变体编码模式深度_product-detailed-campaigns、会议类编码主题_resurface-algo-review、OKR 周期编码季度_campaigns-q3。全小写、连字符分隔、无空格——这条约定让文件名本身就成了可预测的索引系统。202 份样例如何覆盖 63 个技能按发布批次拆分202 份样例的构成为基础阶段技能 75 份3 线程 × 25 个阶段技能persona 样例 12 份每线程 4 个变体产品/营销 × 简版/详版Sprint 技能 45 份Foundation Sprint 7 技能 Design Sprint 7 技能各 3 线程 × 3 份外加 note-and-vote 3 份每条线程都是一条完整的 FSDS 弧线v2.18.0 新增 12 份market-sizing、prioritization-framework、journey-map、survey-analysis 4 个新技能 × 3 线程后续批次 17 份prioritized-action-plan、workflow-builder、stakeholder-briefings18 份中的部分计入、build-risk-review、project-memory 对等样例等。其中两个特例值得点名foundation-persona覆盖最广每线程 4 份12 份 persona 样例 展示故事驱动的角色档案discover-interview-synthesis 与 deliver-prd各多带一份 Storevine 的_sms-optin样例演示 project-memory 交接——综合文档先记录 persona后续 PRD 直接读取而不是重新粘贴。新手上手路径5 步用样例库校准你的 AI PM 输出选一个像你的线程小团队快速迭代 → Brainshelf有研究仓库习惯的 B2B PM → Storevine企业级高文档环境 → Workbench。通读一条功能主线比如 Workbench 的 Blueprints从 competitive-analysis 一路读到 pivot-decision感受同一团队、同一功能、六个阶段如何层层递进。对照 Prompt 与 Output 的差距注意输出比 Prompt 多出了哪些结构——那就是技能本身的价值所在。把样例当模板验收 AI 输出跑完自己的技能后对照同技能的样例检查章节是否完整有没有该标[fictional]的裸数字语气是否匹配进阶阅读THREAD_PROFILES.md 里每个线程都列出了各阶段代表性场景是理解整个故事线的最短路径。延伸阅读样例库周边的契约与工具样例库不是孤立存在的它和仓库里的其他部件互为契约创作标准SAMPLE_CREATION.md命名、frontmatter 10 字段 schema、更新工作流线程档案THREAD_PROFILES.md机器可读元数据含新增线程流程校验脚本check-sample-counts.mjs、check-sample-no-fabricated-metrics.mjs、check-skill-sample-coverage.sh子代理样例library/sub-agent-samples/6 个子代理的独立样例目录每个技能本体的模板与示例skills/define-hypothesis/ 下的SKILL.md、references/TEMPLATE.md、references/EXAMPLE.md 一句话总结样例库的价值不在看一遍而在把它当作 AI PM 输出的验收基线——先知道标准答案长什么样你才能快速判断自己的输出差在哪。赞分享【免费下载链接】pm-skills68 plug-and-play, best-practice product management skills for AI agents: 30 Triple Diamond phase 11 foundation 12 utility 15 tool (Foundation Sprint Design Sprint). Plus 6 sub-agents, workflows, 200 output samples, guides, and CI-enforced contracts. Apache 2.0.项目地址https://gitcode.com/gh_mirrors/pmsk/pm-skills点击查看免费下载相关推荐PM-Skills 技能三文件架构完整指南SKILL.md、TEMPLATE.md、EXAMPLE.md 如何决定 AI 输出质量PM Skills 技能三文件架构完整指南SKILL.md、TEMPLATE.md、EXAMPLE.md 如何决定 AI 输出质量 PM Skills 是面向pm-skills Hooks 护栏系统揭秘PreToolUse 钩子如何实时拦截低质量 AI 输出pm skills Hooks 护栏系统揭秘PreToolUse 钩子如何实时拦截低质量 AI 输出 pm skills 是一个为 AI Agent 提供 6PM-Skills完整指南68个即插即用AI产品管理技能如何重塑你的PM工作流PM Skills完整指南68个即插即用AI产品管理技能如何重塑你的PM工作流 PM Skills 是一个开源的 AI 产品管理技能库收录了 68 个即插即创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考