mcpField
P
product-shaping

product-shaping

github.com/magnus919开发15361 次安装今天更新
代码仓库

关于 product-shaping

product-shaping 是面向产品与工程团队的技能,用于将已验证的想法整理为有边界的方案,设定固定投入并指导构建。它将 Shape Up 方法扩展到包含 AI Agent 的团队,并提供参考指南和模板。

主要功能

  1. 01按投入上限和范围限定想法
  2. 02勾勒并审视方案要素
  3. 03编写方案并确定承诺
  4. 04跟踪构建中的范围进展
  5. 05适配 AI Agent 参与的构建
  6. 06参考指南与可填写模板

适用场景

  1. 01将已验证的需求收敛为单一方案
  2. 02选择下一项有界产品承诺
  3. 03跟踪承诺构建中的范围
  4. 04调整涉及 AI Agent 的承诺

安装

复制下面的命令,在终端中运行。

$npx skills add https://github.com/magnus919/agent-skills --skill product-shaping

安装后在 Claude Code 中输入/product-shaping确认已加载。

包含的文件

除 SKILL.md 外,安装时一起下载的参考资料和脚本。

README.md
evals/
evals.json
references/
anti-patterns.md
betting.md
building.md
hybrid-adaptation.md
principles.md
shaping.md
templates/
PITCH.md
SCOPE_MAP.md

详细介绍

产品塑形

产品与工程工作的预先承诺方法,改编自 Ryan Singer 的 Shape Up(免费版见 basecamp.com/shapeup), 并扩展适用于构建者中包含 AI Agent 的团队。

循环:将原始想法塑形为范围明确的提案 → 为其下注固定的时间预算 → 通过发现各个范围并不断压缩范围以适配框限来构建 → 继续前进, 让上线后的反馈重新作为原始想法进入流程。

核心步骤

  1. 设定边界——选择时间预算(“这件事值多少投入?”),并将问题收窄为一个具体的故事。砍掉大杂烩式的需求(“重新设计 X”“X 2.0”)。
  2. 找出构成要素——粗略地勾勒解决方案,确保其已解决关键问题且范围明确:用流程草图表示流程,用粗记号笔级别的保真度处理视觉问题,用组件与契约描述非 UI 工作。
  3. 填补兔子洞——攻击自己的草图;现在就敲定艰难的决定,声明范围之外的情况,砍掉时间预算无法承受的内容。
  4. 撰写提案——问题、时间预算、解决方案、兔子洞、禁止事项。
  5. 下注——承诺投入整个框限,期间不受打扰,且损失设有上限。默认情况下,不设完成期限,也不延期:断路器会将失败导回塑形阶段。
  6. 构建——先做一个集成切片,再发现并跟踪各个范围的状态,从上坡推进到下坡;优先处理最棘手的部分;决定何时停止时,与基线进行对比。
  7. 继续前进——砍掉范围不等于降低质量;新的反馈需要经过塑形,而不是立刻答应。

参考文件

只加载当前步骤所需的内容:

参考资料加载时机
references/principles.md需要了解原因:时间预算与估算、固定时间可变范围、粗略/已解决/有边界、证据边界、渊源
references/shaping.md详细了解塑形步骤 1–4,包括非 UI/后端/基础设施工作的塑形
references/betting.md了解下注与待办事项列表的区别、断路器机制、周期作为可选支架,以及如何处理两次下注之间的缺陷
references/building.md了解责任移交、一次完成的整体切片、范围映射、坡度状态跟踪、决定何时停止
references/hybrid-adaptation.md涉及 AI Agent 构建者的任何下注:预算计量单位、批量引导、纳入范围的验证成本、针对无法收敛循环的终止标准
references/anti-patterns.md在对任何重要事项下注之前——已记录的实地失败案例及其缓解措施

模板

模板用途
templates/PITCH.md可填写的五要素提案文档
templates/SCOPE_MAP.md可填写的范围表,包含坡度状态、杂项清单和断路器检查

入口

情况从这里开始
收到原始想法或请求references/shaping.md 步骤 1
想法已验证,但范围不明确references/shaping.md
准备好整理概念文档templates/PITCH.md
决定下一个框限投入什么references/betting.md
已下注,开始构建references/building.md
构建者是 AI Agentreferences/hybrid-adaptation.md
项目总是无法完成/循环无法收敛references/anti-patterns.md,然后查看 hybrid-adaptation 中的终止标准

不适用场景

  • 问题本身尚未验证 → 使用 product-discovery。塑形用于收窄已验证的问题;它不会调查问题是否真实存在。
  • 这是一个战略问题(定位、市场进入、跨季度的产品组合权重)→ 使用 product-strategy 或 product-roadmapping-and-portfolio。此技能将单个押注打包——即一个有明确范围、设有投入限度和熔断条件的承诺;路线图则会在多个周期中安排多个此类押注,并设定继续/暂停/终止标准。
  • 已经作出押注,且工作需要正式规格说明 → 在需要正式规格说明时,spec-driven- development 会使用塑形后的输出。
  • 要通过评分比较互不相关的功能提案 → 使用 product-methodology(RICE/ MoSCoW)。在此技能的适用范围内,投入限度取代评分;同一决策只用一种体系,不要两者并用。
  • 史诗级任务难以拆解,因为没人能定义完成标准 → 转回这里:这就是一个尚未塑形的项目,强行拆分只会产生彼此脱节的任务。
  • 工作规模小、重复且完全明了 — 跳过塑形的额外流程,直接着手处理。
  • 已经作出押注,且需要意图到交付的过程管控 — 包括分类、五字段意图契约、自主性门控、失败路由,以及贯穿运行过程的可恢复状态。转到 bmad。塑形止于作出押注;bmad 则负责在有界、可检查、可恢复的 Agent 工作中贯彻已作出的意图。

相关技能

  • product-discovery — 上游:在开始收窄之前验证问题
  • product-strategy、product-roadmapping-and-portfolio — 押注之上的战略背景
  • product-methodology — 获胜押注的下游使用方(优先级排序、规格草拟)
  • spec-driven-development — 押注之后,对塑形后的输出进行可选的正式规格说明
  • implementation-planning、subagent-driven-development — 押注之后的执行; 只拆解后续工作,绝不要提前把提案拆碎
  • bmad — 作出押注后,用于意图到交付的控制面协议: 分类、五字段意图契约、自主性门控、失败路由、 可恢复的规格状态
  • work-tracking — 构建期间记录范围/阶段状态
  • qa-methodology — 在周期后期将边界情况 QA 作为能力提升,而非门槛

证据说明

每项实践主张都源于一家公司的经验(Basecamp,2019)。 截至 2026 年,独立团队的记录显示了真实的调整和有据可查的弃用案例; 在押注任何重要事项之前,请阅读 references/anti-patterns.md,并将六周周期视为可调整的脚手架,而非教条。

评论

支持 Markdown