cat /dev/brain | grep "AI帮PM做决策"
AI 帮 PM 做决策
我用 AI 做了两个月产品，发现真正缺的不是写代码的能力——AI 的执行力已经够快了。但「这个功能要不要做」「竞品怎么打」「优先级怎么排」这些决策，AI 帮不上忙。直到我试了 pm-skills。
// 目录
// 概览
// 我一开始以为 AI 帮 PM 干活就够快了
我做小云雀（MangaVideo）这两个月，有一件事越来越明显：AI 帮我写代码的速度，已经远远超过了我用 AI 做产品决策的速度。
Claude Code 帮我建个页面、搭个流水线，十几分钟的事。但「这个功能要不要做」「竞品怎么打」「优先级怎么排」——这些问题，AI 帮不上忙。
它写的 PRD 看起来像回事，三千字、结构工整、措辞专业。但仔细一看，里面没有方法论，没有判断框架，没有优先级逻辑。它只是在写文章，不是在帮你做产品。
我一开始以为这就是 AI 的极限了。
直到上周我注意到 pm-skills。
// 把产品方法论翻译成 AI 指令
phuryn 做了件挺聪明的事。
他没打算做一个「AI 帮 PM 写文档」的工具。他把 Teresa Torres 的假设验证框架、Marty Cagan 的产品策略画布、Alberto Savoia 的预测试验方法——这些经典 PM 方法论——一条条翻译成了 AI 能读懂的 SKILL.md 文件。
9 个插件、68 个技能文件、42 个端到端工作流。从产品发现到策略制定，从执行到增长，覆盖了 PM 的全链路。
核心思路很简单：AI 本来就会写文档、会分析数据，但它不知道「产品策略画布应该包含哪些维度」「竞品分析应该从哪些角度切入」。pm-skills 做的事，就是把这些领域知识结构化地喂给 AI。
不是增强 AI 的能力，是增强 AI 的知识。
// 我实测了两个功能
说再多不如自己跑一遍。我装到 Claude Code 里试了 /discover 和 /ship-check。
/discover 跑完，我愣了一下
它自动串了四个技能：脑暴 → 假设识别 → 假设优先级排序 → 实验设计。
不是给你一篇泛泛的文档——而是在每一步跟你交互。问你「这个假设的依据是什么」「为什么它的优先级比另一个高」。
这不像在用工具，更像有个方法论教练在旁边盯着你。
我拿小云雀的一个真实需求跑了一遍——要不要加 AI 唇形同步功能。走完 /discover 之后，我得出的结论是「优先级应该排在自动字幕之后」，而且理由是有方法论支撑的，不是拍脑袋。这个感觉很重要。
AI 写的代码，谁来检查？
说实话，现在 PM 用 AI 写代码不算什么新鲜事。但「写完代码然后呢」这个环节，一直没人管。
我自己就踩过坑。有一次用 Claude Code 给小云雀加了个视频合成模块，跑起来没问题就上线了。结果第二天用户反馈页面偶尔白屏——我根本没做过性能检查，也不知道该检查什么。
它不能替代专业 DevOps。但对一个 PM 用 AI 搭出来的 MVP 来说，这五道检查至少能过滤掉 80% 的低级错误。我现在每次上线前都会走一遍。
// 真正让我犹豫的地方
一个人撑起来的项目
phuryn 一个人贡献了 98% 的 commit，另外一个人只提交过一次。Bus Factor 约等于 1。
这对一个方法论驱动的项目来说是很危险的。万一作者停更，整个项目就死了。而且项目创建才三个半月，只有一个正式 Release（v2.0.0），之前连一次小版本发布都没有。
方法论能不能被 AI 忠实执行？
这是更根本的问题。SKILL.md 写得再好，AI 能不能正确理解是另一回事。
比如「用户访谈总结」这个技能——AI 能不能从访谈录音里提取出真正的用户痛点，还是只会机械地归纳关键词？这个差距，决定了 pm-skills 到底是玩具还是工具。
我现在只能说：方向对了，但还需要更多验证。
// 它跟其他 Agent Skills 选了一条不同的路
我在过去两个半月里评测过不少 Agent Skills 项目。addyosmani 的工程纪律、mattpocock 的编程纪律、Google 官方的 Skills——这些都很强，但它们全是给开发者用的。
pm-skills 是第一个把「产品方法论」这个维度单独拎出来的。它不是让 AI 更会写代码，而是让 AI 更会帮 PM 想问题。
这个差异很关键。因为 PM 的核心能力从来不是「写文档」，而是「做判断」。而判断，需要方法论框架。
| 项目 | 定位 | Stars | 本质区别 |
|---|---|---|---|
| phuryn/pm-skills | PM 方法论 | 14K+ | 帮 PM 做产品判断 |
| addyosmani/agent-skills | 工程纪律 | 50K+ | 管工程师怎么写代码 |
| mattpocock/skills | 编程纪律 | 76K+ | 管程序员怎么不写烂代码 |
| google/skills | AI 工具教程 | 13K+ | 教你用 Google 的 AI 产品 |
拿传统 PM 工具比：Notion/飞书模板是死的，pm-skills 能跟 AI 交互讨论。Productboard/Aha! 是项目管理工具，这个是决策辅助。和资深 PM 导师比——AI 替代不了经验，但能帮你把方法论框架搭起来。
// 架构：简单到反直觉
pm-skills 没有后端、没有 API、没有数据库。所有逻辑都在 SKILL.md 文件里。AI Agent 读到这些文件后，自然就知道该怎么执行。正因为简单，才能跨 7 个平台跑。
// 对普通 PM 有什么用
适合 已经在用 Claude Code 或 Cowork 的 PM——装完就能用，收益直接。
适合 正在学 PM 方法论的新人——把 Skills 当学习材料读，比啃书快得多。每条 Skill 就是把一本书浓缩成了结构化指令。
不适合 不用 AI 编程工具的 PM——装了也没用。
不适合 工作场景已被固定流程锁死的 PM——比如大厂内部 PM，需求流程高度制度化。
// 量化指标
// 我的判断
AI 的执行力已经够快了，但帮你做判断的能力，才刚刚开始。
+ 把 PM 方法论做成 AI 可执行指令，这个思路值得盯着
+ /discover 实测体验超过预期——不是文档生成器，是方法论教练
+ pm-ai-shipping 填补了「PM 用 AI 写完代码后谁来检查」这个真实空白
+ MIT 协议 + 零成本上手 + 7 个平台都能跑，分发生态健康
+ Command 多技能串联设计干净，/discover 的交互式追问很加分
- Bus Factor ≈ 1，单点故障风险太高
- 仅 1 个 Release，版本历史不可追溯，拿来做决策依据心里不踏实
- 方法论执行一致性待大规模验证——SKILL.md 写得好≠AI 执行得好
- 68 个技能全基于欧美 PM 体系，用户故事在国内使用率远低于 PRD
- 项目才三个半月，长期可维护性存疑
跟我在做的事有什么关系
我一直在记录一个不会编程的产品经理，怎么用 AI 写代码、做开源工具、搭 AI 视频流水线。小云雀（MangaVideo）是我用 AI 从头搭起来的。/discover 和 /ship-check 已经在我的日常工作中用起来了。我还在等它后续对中文 PM 方法论的支持——但方向是对的，我愿意继续关注。
// 参考链接
github.com/phuryn/pm-skills — 项目主页
productcompass.pm/p/pm-skills-2-red-team-ship — 官方博客
github.com/phuryn/pm-brain — 配套工具 PM Brain
github.com/trending — GitHub Trending 今日榜单
GitHub Trending 数据获取时间：2026-06-10 21:45 CST | 排除已评测：last30days-skill（6/7）、MoneyPrinterTurbo（5/29）、obra/superpowers（多次覆盖）、addyosmani/agent-skills（5/8）、google/skills（6/9）、roboflow/supervision（6/9）