两个skills把产品经理从PRD中解脱出来

本文分享两款专为产品经理设计的 AI Skills，聚焦于日常工作中模糊需求澄清与 PRD 撰写这两大痛点场景。不同于传统“输入一句话生成大篇文档”的粗放模式，这两款工具通过将 Agent 作业过程拆解为多个精细步骤，最大化利用大语言模型（LLM）的注意力机制，显著提升了产出质量。

PM-Make：将模糊需求转化为产品定型文档

该技能适用于产品设计初期常见的模糊场景，例如：

• 仅有一个大概的产品想法；
• 业务方提供的背景信息边界不清；
• 管理层要求“先出个方案看看”；
• 用户需求看似真实，但落实到页面、流程和规则时十分模糊；
• 直接撰写 PRD 容易导致内容发散。

PM-Make 的核心定位并非直接撰写 PRD，而是专注于需求澄清与定型。

其工作机制是在初始化阶段强制创建六个文档空间（shaping/00-intake.md 至 shaping/05-open-questions.md）。Agent 会首先读取初始信息并填入模板，对于不确定的信息，严格标记为"[待确认]"而非随意编造。这一设计有效避免了 LLM 因过度创作而引入未经确认的假设，防止这些错误在后续环节中累积。

随后，Agent 会进行多轮交互式澄清。每轮仅抛出 3-5 个针对当前最关键缺失信息的问题，避免一次性施加过多压力。用户可用自然语言回答，Agent 据此同步更新 01 至 05 号文档。经过 2-3 轮交互，待信息收集完备后，最终生成06-shaped-brief.md定型摘要。

最终的定型文档涵盖产品定位、目标用户、核心场景、替代方案、核心价值、MVP 范围、核心流程、页面结构、关键业务规则及待确认问题等关键要素。这不仅是一份产品开发前的“对齐仪式”文档，用于确认团队认知一致性，更可作为后续编写 PRD 的基础，甚至是指导 Coding Agent 进行 Vibe-Coding 的高质量提示词。实践表明，使用此定型文档作为开发需求，能显著提升代码生成的准确率，实现“一稿过”。

PRD-Make：分模块迭代撰写高质量 PRD

PRD-Make 的核心策略是拒绝让 LLM 一次性生成整篇 PRD。传统的一次性生成方式往往导致内容结构完整但细节粗糙，原因在于 LLM 的注意力在长文本生成中被摊薄。

该技能采用“制定模块计划 - 逐个击破”的策略：

1. 首先制定详细的写作模块计划；
2. 按顺序逐个模块撰写；
3. 每完成一个模块，需经用户确认、修改或补充后，再进入下一个模块。

为确保执行严格，系统增设了两层约束机制：每写完一个模块更新_module-plan.md状态，经用户确认后再更新_append-log.md。虽然此过程耗时略长，但能确保 LLM 在每一轮次中注意力高度聚焦，充分利用max_tokens限额，从而大幅提升交付内容的深度与质量。

行业洞察：AI 时代的产物经理进阶

产品经理应用 AI 的重点应从单纯的“生成”转向对原理理解后的“约束添加”。在 Agent 循环中，既要关注整体效能提升，更要深入每一个“断点”识别风险与机会。每一次迭代中的微小修正，正是发挥产品直觉（Product Sense）的关键时刻。

Skills 代表了下一代产品形态，正如移动端 App 之于 PC 应用，其核心在于围绕新特性重构体验，而非简单的界面适配。Agent 作为一种“带脑子的循环”，通过规则改变与无限迭代，正在重塑任务完成方式。对于从业者而言，深刻理解 AI 能否改写特定任务、重构体验或替代现有产品，已成为职业生涯发展的分水岭。

目前，相关的线下实操课程已在深圳、北京、上海等地陆续开展。课程为期两天，摒弃枯燥的概念宣讲，主打“干中学”，通过一系列实操任务帮助学员全面塑造对 AI 产品的理解与设计能力。

尽管上述两款 Skills 仍有优化空间，例如在问题精准度与防幻觉机制上需持续迭代，但其已显著降低了从“模糊想法”到“可协作产品文档”的转化摩擦。特别是在面向设计、研发及 Coding Agent 协作时，结构化与边界感显得尤为重要。