mcpField
A
autopm

autopm

本地服务
fluidumber.github.io商业与营销117 周前更新

关于 autopm

AutoPM 是一款 Agent 化 MCP 服务,可将商业构想转化为产品战略和执行规格。其分阶段工作流先进行市场探索,再生成需求、风险、指标和演示文稿。

主要功能

  1. 01战略探索与执行定义两阶段工作流
  2. 02市场与竞争对手研究
  3. 03用户画像和财务预测
  4. 04路线图与 RICE 优先级排序
  5. 05用户故事、规格、风险和指标
  6. 06生成 HTML/CSS 路演演示文稿

适用场景

  1. 01评估产品构想的市场需求和竞争情况
  2. 02制定用户画像、财务情景和路线图
  3. 03将已验证的战略转为工程与设计规格
  4. 04根据产品规划生成路演演示文稿

MCP 相关

向 MCP 客户端提供产品规划工作流,包括 `interview`、`run-robot` 和 `generate-presentation`。服务会协调专门的产品管理 Agent。

配置

本地服务的配置在各客户端中通用,复制后粘贴到客户端的 MCP 配置文件即可。

mcp.json · 通用配置
{
"mcpServers": {
"fluidumber-autopm": {
"command": "npx",
"args": [
"-y",
"@productflow/autopm"
]
}
}
}
启动命令npx -y @productflow/autopm

本地服务需要在你的电脑上安装运行环境(如 Node.js 18+)。各客户端的配置文件位置不同,请参考客户端文档。

安装包
npm@productflow/autopm4.0.1

工具

36

收录的工具列表 · 更新于 2 周前

此工具无需参数。

详细介绍

AutoPM 🚀

AutoPM 是一个 Agent 式 MCP 服务,可将原始商业创意转化为完整的产品战略。它统筹一支专业 AI 团队,负责实时市场调研、深入竞品分析、用户画像构建和动态财务建模,最终生成一份经过完整设计、可直接用于路演的演示文稿。

🟢 初次使用? 请查看 新手快速入门指南,了解分步设置说明!

两阶段 Agent 式方法

现实中的产品管理要求区分找到正确的构建目标与明确如何正确构建。AutoPM 严格遵循这一原则,采用设有明确阶段门槛的两阶段工作流:

  1. 阶段 1:战略探索 确保在编写任何需求之前,你要解决的是一个真实问题,且市场具备可行性。该阶段通过竞争情报、财务建模和路线图优先级排序,回答“为什么?”和“为谁?”。
  2. 阶段 2:执行定义 将经过验证的战略转化为严格的工程与设计约束。该阶段通过生成技术规格、用户故事、风险矩阵和成功指标,回答“做什么?”和“如何做?”。

通过将阶段 1 设为阶段 2 的前置条件,AutoPM 可避免最常见的 PM 陷阱:在市场战略尚未得到验证时,就急于设计解决方案和构建功能。

功能

  • 机器人工作流:
    • 阶段 1:战略探索
      • 访谈机器人 🎤 - 动态交互式访谈,用于收集上下文并明确产品创意。
      • 侦察机器人 🔭 - 市场需求分析(TAM/SAM/SOM、增长信号、需求验证)
      • 侦探机器人 🔎 - 竞争情报(竞争对手、差距、护城河、定位)
      • 用户机器人 👥 - 用户画像(细分群体、痛点、动机、购买触发因素)
      • 财务机器人 💰 - 财务预测(单位经济效益、收入模式、三种情景预测)
      • 功能机器人 📝 - 功能拆解(必备、锦上添花、未来功能,并说明原因和时机)
      • 规划机器人 🗺️ - 产品路线图(分阶段的 18 个月计划,包含里程碑和依赖项)
      • 优先级机器人 ⭐ - 功能优先级排序(采用 RICE 评分,并给出有依据的理由)
    • 阶段 2:执行定义
      • 用户故事机器人 📖 - 生成 Epic 和用户故事,并附上验收标准。
      • 范围规格机器人 🎯 - 严格定义范围、范围外边界和需求。
      • 客户旅程机器人 🛤️ - 跨接触点绘制端到端旅程。
      • 技术可行性机器人 ⚙️ - 评估技术架构和约束。
      • 设计可行性机器人 🎨 - 评估 UX/UI 约束、指南和设计复杂度。
      • KPI 机器人 📈 - 制定成功指标、埋点策略和目标基线。
      • 数据隐私机器人 🛡️ - 评估安全性、合规性(GDPR/CCPA)和隐私风险。
      • GTM 就绪度机器人 🚀 - 制定上市策略、发布阶段和营销渠道。
      • 风险登记机器人 ⚠️ - 制定全面的风险矩阵和缓解策略。
      • DACI 利益相关方机器人 🤝 - 推动利益相关方达成共识(负责人、批准人、贡献者、知情者)。
  • Agent 式演示文稿生成器:一种专用工作流,指示 Claude 扮演专业 UI 设计师,直接在你的文件系统中起草并部署精美的自定义 HTML/CSS 路演演示文稿。
  • Claude Desktop MCP 集成:可直接通过 Claude MacOS/Windows 桌面应用使用这些 Agent。

运行方式

通过 Claude Desktop(MCP 集成)
  1. 打开 Claude Desktop 设置配置文件(claude_desktop_config.json)。
  2. 使用 command: "node" 和 args: ["/absolute/path/to/AutoPM/src/mcp-server.js"],将新服务指向此项目的绝对路径。
  3. 使用 interview 工具启动工作流,通过 run-robot 逐步迭代,并使用 generate-presentation 导出!
通过其他 MCP 客户端(Cursor、Roo Code、ChatGPT 等)

由于 AutoPM 基于标准的 Model Context Protocol (MCP) 构建,因此你可以将它与任何兼容的客户端配合使用!

  • ChatGPT macOS 桌面应用:打开或创建 ~/Library/Application Support/OpenAI/ChatGPT/mcp.json,并添加类似于 Claude Desktop 的 productflow 服务配置(命令:node,参数:["/absolute/path/to/AutoPM/src/mcp-server.js"])。重启应用。
  • Cursor:前往 Settings -> Features -> MCP。添加新的 MCP 服务。类型:command,命令:node,参数:/absolute/path/to/AutoPM/src/mcp-server.js。
  • Roo Code(VS Code):打开 MCP 设置,并添加类似于 Claude Desktop 的配置:
    "mcpServers": {
      "productflow": {
        "command": "node",
        "args": ["/absolute/path/to/AutoPM/src/mcp-server.js"]
      }
    }
    
通过标准命令行
  1. 确保已安装 Node.js(v20+)
  2. npm install
  3. 更新 run.js 以更改目标产品创意
  4. 运行:node run.js

关键文件夹

  • src/ - 核心 MCP 服务实现(mcp-server.js)
  • robots/ - 专业的自主 Agent 逻辑
  • brain/ - 持久化记忆、Agent 指令和用户反馈引擎
  • leader/ - 管理工作流的 TeamLeader 编排器
  • utils/ - 输出引擎和文件工具
  • plans/ - 自动生成的 HTML 演示文稿交付物

Cockpit UI:导航与自定义本地域名设置

ProductFlow Cockpit UI 支持完整的 URL 路由、浏览器历史记录(后退/前进导航)、页面刷新后状态持久化,以及基于哈希的路由系统实现的深层链接。

自定义本地域名(autopm.ai)

你可以将机器配置为通过自定义本地域名 http://autopm.ai 访问 Cockpit UI,而不必通过 http://localhost:4321 访问。

步骤 1:在 macOS 上本地映射域名
  1. 打开终端。
  2. 编辑系统的 hosts 文件:
    sudo nano /etc/hosts
    
  3. 在文件底部添加以下条目:
    127.0.0.1 autopm.ai
    
  4. 保存并退出(Ctrl + O、Enter,然后按 Ctrl + X)。
步骤 2:启动服务

启动 HTTP Cockpit 服务有两种方式:

  • 选项 A:在端口 4321 上运行(默认) 正常启动服务:

    npm run http
    

    在浏览器中访问:http://autopm.ai:4321

  • 选项 B:在端口 80 上运行(URL 中不含端口号) 端口 80 是特权端口,因此必须使用 sudo 权限启动 Node:

    sudo PRODUCTFLOW_HTTP_PORT=80 node src/http-server.js
    

    直接在浏览器中访问:http://autopm.ai

评论

支持 Markdown

第一次接触 MCP?

从协议是什么,到在客户端里装上第一个服务,这几条回答覆盖了大多数入门问题。

一个开放协议,规定了 AI 应用如何以统一方式连接外部工具与数据源。客户端负责与模型对话,MCP 服务负责提供工具、资源和提示模板,两者通过标准消息通信,同一个服务可以被不同客户端复用。