product-management

产品管理

快速参考

任务	使用
探索与访谈	assets/discovery/customer-interview-template.md、assets/discovery/assumption-test-template.md、assets/discovery/opportunity-solution-tree.md
产品市场契合度（PMF）与留存	assets/discovery/pmf-survey-template.md、references/pmf-measurement.md
PMF 评分卡（B2B / SaaS）	assets/pmf-scorecard-b2b.yaml — 用于说明的运营区间；与基准比较前，请按指标执行相应的查询步骤
PMF 评分卡（B2C / 消费者）	assets/pmf-scorecard-b2c.yaml — 加权考虑病毒式传播系数 + 短回本周期
PMF 投注备忘录（引擎摘要 → 单项实验）	assets/pmf-bet-memo-template.md
Diamond Discovery（通过四个视角发现隐藏的产品瑰宝 + 证伪关卡 + 定价下注；无需任何分析数据也可使用）	references/diamond-discovery.md
优先级排序与停止标准	assets/prioritization/prioritization-scorecard.md、assets/prioritization/kill-criteria-template.md、python3 scripts/product_scorer.py rice --help
路线图与战略	assets/roadmap/outcome-roadmap.md、assets/strategy/product-vision-template.md、assets/strategy/positioning-template.md、assets/strategy/quarterly-product-review.md
指标与 OKR	assets/metrics/metric-tree.md、assets/metrics/okr-template.md
面向团队的 PRD、评审与利益相关方流程	references/traditional-prd-writing.md、references/prd-review-facilitation.md、references/prd-stakeholder-alignment.md、references/pm-collaboration-guide.md
利益相关方与领导层材料	assets/ops/1-1-template.md、assets/ops/feedback-template.md、assets/ops/a3-debrief.md、assets/ops/negotiation-one-sheet.md
待办事项评分与 PMF 前机会评分	python3 scripts/product_scorer.py --help。其 pmf 子命令用于 PMF 前的机会评分，并非 PMF 测量（不包含留存输入）；PMF 结论应参考上方的 YAML 评分卡

何时使用此技能

• 将创始人的笔记、客户输入或市场信号转化为路线图、PMF 计划或决策简报。
• 为某个产品领域定义激活、留存、护栏和业务指标。
• 排定待办事项的优先级、设定停止标准，或砍掉低价值工作。
• 编制季度产品评审、机会评估或战略叙述。
• 编写需要明确权衡取舍和可衡量结果的产品材料。

转到其他技能

• 面向编码 Agent 的可直接实施规格：使用 docs-ai-prd。面向人工 PM 团队编写的 PRD 请留在此处（参见上方 PRD 行）。
• GTM 策略、ICP 选择或渠道策略：使用 startup-gtm-strategy。
• 增长实验与获客循环：使用 startup-growth-execution。
• 产品分析埋点与事件设计：使用 marketing-product-analytics。
• 架构或技术目标状态设计：使用 software-architecture-design。

默认原则

• 从决策出发，而不是从文档出发。
• 明确指标的公式、时间范围和数据来源。
• 需要体现置信度时，使用强、中、弱等证据标签。
• 优先制定以结果为导向的路线图，而不是功能清单。
• 对重大押注，要求明确止损标准或回滚条件。
• 按细分群体衡量 PMF，而不是用一个混合的公司整体分数。

工作流

1. 明确决策、时间范围、负责人，以及哪些因素会改变建议。
2. 选择产物类型：探索计划、路线图、PMF 评估、优先级排序、战略说明或利益相关者简报。
3. 仅收集支持该决策所需的证据。
4. 明确成功指标、护栏指标和明确的非目标。
5. 用一种一致的方法对选项排序，并记录权衡。
6. 产出文档，并明确下一次评审的触发条件，而不只是生成一份静态文档。

决策权关卡

在确定路线图日期、作出发布承诺或作出不可逆的优先级决策之前，写明四项内容：决策负责人、必须征询意见的人、证据截止时间和重新审议触发条件。利益相关者的意见可以改变证据或约束条件，但不会在不明说的情况下改变决策权归属。如果没有人有权作出决策，应返回尚未解决的决策以及必须指定决策负责人的人员，而不是产出一份看似达成共识的路线图。

到达证据截止时间后，冻结本次决策所依据的输入。之后出现的证据应通过重新审议触发条件纳入，而不是追溯性地改变作出决策的理由。这样可以避免路线图评审变成对记忆中谈话内容的反复投票。

核心决策

探索与证据

在构建之前，通过探索降低价值方面的不确定性：

• 通过客户访谈了解痛点、转换行为和决策标准
• 对高风险假设进行测试
• 当多个问题争夺关注时，进行机会梳理

如果证据不足，请明确说明，并定义哪些因素能够提升置信度。

开展探索工作并不等于真正有所收获。在相信产物之前，请检查是否存在探索作秀：访谈只会印证既有观点，机会树连续一个季度形状不变，实验没有真正的失败条件。

排定优先级与说不

始终一致地使用一种框架：

• 对待办事项进行排序时使用 RICE 或 ICE
• 对探索工作占比较高的事项使用机会评分
• 对时间敏感的流程问题使用延迟成本或 WSJF

最低限度的管控措施：

• 评分卡
• 止损标准
• 用一句话说明为什么暂时不做排名较低的工作

不得让利益相关者的压力取代对权衡的记录。

评分排序不能代替判断。RICE 等公式会从点估计猜测中制造虚假的精确感——关于识别方式，请参阅 RICE 精确度作秀（排序从不变化、打破平局靠资历而非证据、从零到一的押注与同一技术栈上的战术性工作放在一起评分）。使用框架是为了促成明确的权衡讨论，而不是终结讨论。

PMF 和留存

PMF 不是一项调查的结果。各项检查有固定顺序：

1. 门槛——按队列和细分市场划分、趋于平缓的留存曲线。 如果某个队列的曲线持续下滑至零，说明该细分市场没有 PMF，无论调查结果如何。汇总曲线可能只是因为某个细分市场在支撑才趋于平缓，因此要分别查看各细分市场。
2. 诊断——Sean Ellis 必备性调查。 它会告诉你产品适合哪些人（回答“非常失望”的细分群体）以及原因；它不能替代留存门槛。如果留存曲线持续衰减，但得分很高，那说明抽样或细分市场构成存在问题，而不是有 PMF。
3. 候选机制——能够预测持久留存的激活行为。 仅凭预测关系无法证明引导用户完成该事件会促成留存；在作出这种因果判断之前，先测试该干预。

如果用户喜欢产品，却觉得它不是必不可少的，就先完善必备性路径，再扩大产品覆盖面。

对于数据丰富的产品，运行 marketing-product-analytics 中的 PMF Insight Engine（assets/pmf-insight-engine.md + 10 个盲点检测器），以发现团队无法凭直觉察觉的信号。然后根据相应路径评分：

• 路径 A（B2B / SaaS）——assets/pmf-scorecard-b2b.yaml。对留存曲线、NRR、CAC 回本周期、ICP 集中度和价值指标契合度赋予更高权重。将其评分区间视为运营目标；使用其中的查询步骤，获取匹配的主要队列基准，以便与董事会进行比较。对于按用量计费或 AI 原生产品，基于席位的 PMF 假设会误判按消耗计费的产品——除了使用此评分卡，还应参考 references/pmf-measurement.md 中的 UBP 信号。
• 路径 B（B2C / 消费者产品）——assets/pmf-scorecard-b2c.yaml。对第 4 周留存、切换触发因素证据、病毒系数、6 个月回本周期和品类切入点赋予更高权重。

评分卡会输出 0-100 的准备度评分，以及最薄弱的维度。如果最薄弱的维度也命中了某个检测器，它就会成为撰写 bet memo 的候选项。Bet memo 是一份约定，将证据转化为一个带有终止标准的实验。

路线图与战略

优先选择：

• 结果型路线图
• 不确定性较高时采用主题型路线图
• 仅当战略产物会改变顺序、重点或目标客户时才制定战略

每份路线图都应说明：

• 目标结果
• 关键赌注
• 指标和护栏
• 明确不纳入范围的内容

承诺的权衡：路线图上的每个日期都是一种承诺，它会牺牲探索的灵活性。赌注通过探索阶段后，“现在”这一阶段设置明确日期才合适——为尚未验证的“以后”赌注承诺日期，会把假设变成团队无论证据如何都会交付的义务。利益相关者要求为“以后”事项给出日期时，诚实的回答应是一个时间范围，加上必须先通过的验证门槛，而不是在压力下给出日期。高诚信承诺（Cagan，Empowered）是例外，只有在价值、可用性、可行性和商业可行性风险都得到处理后才适用——它不是路线图的默认运作方式。

AI 与自动化

将 AI 产品工作视为 PM 的核心领域，而非附加项。完整的操作指南涵盖 AI 产品生命周期、Agent 模式、RAG、风险治理、实验类型，以及何时使用 AI、何时使用规则的决策树，请参阅 references/ai-product-patterns.md。关键操作原则：

• 仅在明确需要时使用 AI 辅助，并将其限制在适当范围内：评估候选机会、整理访谈笔记、比较选项、发现反馈或使用情况中的异常。
• 对于 AI 功能，发布前必须具备：问题验证、数据就绪度评分、评估指标、安全防护措施、人工介入路径和漂移监控。
• 对于 Agent 产品，明确界定 Agent 角色、工具访问权限、约束、成功标准、失败模式和升级路径。

优先级排序、伦理和不可逆的产品决策仍由人类判断把关。

输出模式

默认采用以下一种模式：

• 产品决策简报： 建议、证据、权衡、指标和下次评审时间点。
• 结果路线图： 按现在、接下来、以后划分，并列出结果、押注项和防护措施。
• PMF 评估： 细分市场层面的信号评审、留存情况、激活定义和恢复闭环。
• PMF 评分卡 + 押注备忘录： 根据 B2B 或 B2C 评分卡评估就绪度，并为每项活跃实验撰写一份押注备忘录。与 PMF Insight Engine 的检测器证据关联。
• 优先级排序方案： 排序后的待办事项、终止标准和明确的非目标。

反模式

• 路线图作秀，却没有可衡量的结果。
• 只有虚荣指标，却没有激活或留存定义。
• 先构建，之后再寻找证据。
• 扩大范围，却不调整权衡。
• 将 PMF 视为一个二元里程碑。
• 只因利益相关者提出要求，就对所有事情说好。
• 将从 0 到 1 的押注与战术性待办事项放在同一套 RICE/WSJF 体系中评分——分母在结构上会惩罚任何新颖且未经验证的事项（参见 战略押注与战术性待办事项）。
• 为尚未完成探索的“以后”押注承诺一个确定日期，只为结束范围界定争论。

清单容易遗漏、经验丰富的操作者却能发现的问题：这份材料是否回答了业务当前面临的实际决策，还是仅仅满足模板要求。RICE 排序表、OST 和 OKR 表都可以填写得无懈可击，却仍然偏离重点，原因在于从未明确底层决策——自建还是采购、扩张还是聚焦、资助这个团队还是那个团队。生成任何材料前，先用一句话说明它要为哪个决策提供参考；如果这句话写不出来，那么这份材料就是无用功。

导航

调用以下任何基础内容前先过此关： 说清尚未解决的决策，然后检查该基础内容的范围、排除项和方法假设。只有当参考材料生成的产出能够改变该决策时，才加载相关内容；跳过常规的应用工作。选择不取决于具体章节标题。

• 探索：references/discovery-best-practices.md、references/interviewing-patterns.md、assets/discovery/customer-interview-template.md、assets/discovery/assumption-test-template.md、assets/discovery/opportunity-solution-tree.md、assets/discovery/pmf-survey-template.md
• PMF 评分与押注：assets/pmf-scorecard-b2b.yaml、assets/pmf-scorecard-b2c.yaml、assets/pmf-bet-memo-template.md、references/pmf-measurement.md
• 钻石探索：references/diamond-discovery.md — 采用四透镜方法（异常 / 待完成工作 / 摩擦 / 价值捕获）发掘不显而易见的产品瑰宝，通过证伪关卡滤除愚人金，使用钻石评分（杠杆 × 价值信号 × 差异化），并撰写钻石简报，为押注备忘录提供依据。触发语：“我遗漏了什么？”、“找出隐藏的瑰宝”、“什么能让它提升 10 倍？”。存在数据时，配合 marketing-product-analytics 检测器 11–14 使用；没有数据时，则基于屏幕截图 / 工单 / 访谈开展。
• 战略与定位：references/strategy-patterns.md、references/positioning-patterns.md、assets/strategy/product-vision-template.md、assets/strategy/positioning-template.md、assets/strategy/opportunity-assessment.md、assets/strategy/PRFAQ-template.md、assets/strategy/quarterly-product-review.md
• 路线图、指标与优先级排序：references/roadmap-patterns.md、references/metrics-best-practices.md、references/prioritization-frameworks.md、references/pmf-measurement.md、assets/roadmap/outcome-roadmap.md、assets/roadmap/theme-roadmap.md、assets/metrics/metric-tree.md、assets/metrics/okr-template.md、assets/prioritization/prioritization-scorecard.md、assets/prioritization/kill-criteria-template.md
• 领导力与运营：references/stakeholder-management.md、references/leadership-decision-frameworks.md、references/operational-guide.md、assets/ops/1-1-template.md、assets/ops/feedback-template.md、assets/ops/a3-debrief.md、assets/ops/negotiation-one-sheet.md
• 脚本与示例数据：scripts/product_scorer.py、scripts/README.md、data/sample-features.json、data/sample-pmf-data.json
• 因果工具集：references/causal-inference-applied.md — 面向 PM 的因果推断实用方案：非随机采用情况下的功能影响、中介效应、区域推出后的留存。
• 决策理论工具集：references/decision-theory-applied.md — 面向 PM 的决策理论实用方案：信息价值（VoI）门控、多臂老虎机（MAB）资源重新分配、实物期权式发布。
• 行为经济学工具集：references/behavioral-economics-applied.md — 面向 PM 的行为经济学实用方案：可撤销的激活默认选项、带伦理关卡的留存提醒。若要分析功能优先级排序中的认知偏差和用户行为预测，请改为加载 references/behavioral-economics-product-decisions.md。
• 约束理论工具集：references/theory-of-constraints-applied.md — 面向 PM 的约束理论（TOC）实用方案：根据瓶颈重新排列路线图、通过 CRT 调试漏斗、进行 T/CU 评分。
• 控制论-VSM 工具集：references/cybernetics-vsm-applied.md — 将 VSM、Ashby 定律、反馈回路、报警通道应用于产品管理和运营模式设计。
• AI 与智能体式产品模式：references/ai-product-patterns.md — AI、GenAI 和智能体式产品开发的运营指南：生命周期阶段；智能体式产品和 RAG 产品中由 PM 负责的决策（拓扑栏、协议权限、RAG 权威性与时效性、评估关卡），并提供 ai-agents、ai-rag 和 ai-evals 的工程模式参考；风险与治理检查清单、实验类型，以及何时使用 AI 的决策树。可填写模板：assets/ai/ai-lifecycle-template.md（问题 / 数据 / 模型 / 指标框架）和 assets/ai/agentic-ai-orchestration.md（智能体 / 工具 / 监督定义）——编写 AI 功能规格或 AI PM 工作流时加载。
• 数据产品模式：references/data-product-best-practices.md — 数据产品画布、生命周期阶段、数据契约、治理检查清单、ML 管道模板，以及数据产品的完成定义。可填写画布：assets/data/data-product-canvas.md — 为新数据产品确定范围时加载。
• 认知负荷工具集：references/cognitive-load-product-design.md — 将认知负荷理论应用于产品设计和 AI 辅助工作流：内在 / 外在 / 相关负荷、人机 AI 负荷分配、增强与委派，以及验证成本测试。
• 交付与交接：references/delivery-best-practices.md — PM 向工程团队交接的检查清单：验收标准、待办事项列表质量、工程交接材料、执行节奏、质量关卡和上线后评审。
• 团队节奏与技术债务：references/agile-ceremony-patterns.md — Sprint 规划、站会、回顾、评审、细化、PI 规划的形式与反模式；references/remote-async-workflows.md — 异步优先的 RFC/ADR、站会、交接及减少会议；references/technical-debt-management.md — 债务象限、跟踪、Sprint 资源分配、利益相关者沟通；assets/ops/template-dor-dod.md — DoR/DoD 检查清单、验收标准格式、估算尺度。设计团队流程时加载；Agent 和开发工作规划请参见 dev-workflow-planning。
• 消费者神经科学基础：../foundations-consumer-neuroscience/SKILL.md — 采取行动前验证神经 / 生物特征研究的有效性、确认监管焦点框架是否适用，以及了解神经数据法规的适用范围。
• 原始来源位于 data/sources.json。

条件优化交接

将常规 RICE/WSJF 排序、定性路线图讨论和需求探索保留在产品管理中。触发条件： 在明确的团队产能／预算约束下，对不可拆分的功能或工作包进行量化分配，且效用已达成一致、依赖关系或互斥关系已明确，而仅靠排序无法得出可行选择时。针对这一尚未解决的选择问题，加载 foundations-mathematical-optimization。跳过： 无约束的排序、存在争议的效用、缺失的工作量／产能估算，或将连续 LP 假设用于不可拆分的功能；应先澄清产品证据。返回： 决策变量及其定义域、效用／目标函数、硬性约束和依赖规则、经过独立核验产能总量的可行选定集、求解器／状态／模型边界，以及效用或工作量不确定时的敏感性。只有在实际整数模型有有效证据时，才报告最优性或差距；基础中的连续 LP 证书辅助工具无法为不可拆分的路线图提供证明。产品管理仍负责交付决策和利益相关方之间的权衡。

经验循环

如果以往的决策或陷阱与当前任务相关，并且 learnings.consolidated.md 存在，请查阅该文件；只有在需要历史记录或它是现有的备用资料时，才使用 learnings.md。否则跳过两者。

应用后，如果遇到值得记住的模式、需要避免的错误，或令你意外的领域事实，请通过 agents-skills-feedback-loop/scripts/append_learning.py 在 learnings.md 中追加一条带日期的项目符号。不要修改 SKILL.md 本身。