副标题：不是再给产品经理一组提示词，而是用21个可交接的Skill，把调研、PRD、评审、原型与埋点真正串成一条生产线。
很多AI产品经理工具解决的是某一个动作：帮你写一页PRD、总结一份访谈，或者生成一个原型。但真实的产品工作并不是一串互不相干的文档，而是上游结论不断成为下游输入。开源项目PM-Skills 2.0瞄准的正是这个断点：它用1个总控、13个执行Skill和7个顾问Skill，组织出一套端到端的产品工作流。
下面以“iOS照片清理App”为例，拆解这套系统如何从需求假设走到可评审PRD、埋点方案与可交互原型。想直接安装，可先进入站内整理好的 PM-Skills导航页。
PM-Skills是什么：21个Skill不是简单堆数量
PM-Skills由三层组成。最上层是pm-master，负责理解目标、选择合适技能、规划执行顺序并生成交接摘要；中间是13个生产型Skill，覆盖调研、竞品、PRD、评审、优先级、路线图、数据分析、实验、埋点、复盘与原型；旁边还有7个顾问型Skill，从增长、商业化、数据、技术、设计、运营和风险等角度审视方案。
真正关键的不是“能写21种文档”，而是handoff：调研结论会进入竞品与PRD，评审意见会回写需求，事件定义会跟着功能边界更新。它更像一个小型产品团队的流程编排器。
如何安装：Qoder中优先采用标准Skills方式
仓库兼容Agent Skills标准。Qoder用户可在终端使用下面的安装命令：
npx skills add https://github.com/SpaceZephyr/pm-skills -a qoder安装完成后，新建任务或重新载入环境，再让Agent列出可用Skills进行确认。复杂目标建议先调用pm-master，单点任务则可以直接指定对应Skill。Qoder官方文档同时支持用户级与项目级Skill；如果你还不熟悉这类开发方式，可结合站内的 Vibe Coding实战指南 理解“自然语言驱动工具链”的基本思路。
安装前要看清的两个依赖
第一，pm-image2pencil依赖Pencil MCP，若本地没有该能力，图像转Pencil原型的步骤不会完整运行。第二，pm-image2proto首次执行会生成config.json与design_system.json，用于保存原型配置和设计系统。也就是说，文本类Skill通常更容易开箱即用，原型类Skill则要先检查本地工具和目录权限。
如果想继续扩充工具箱，可以从站内 SkillHub AI技能市场导航 寻找更多可组合Skill。
实测任务：做一个“上下滑动清理照片”的iOS App
测试目标很具体：用户浏览照片，向上滑保留，向下滑删除。看似只是一个手势交互，但真正落地还涉及照片权限、删除事务、撤销策略、无障碍、订阅披露、时区重置、异常埋点等大量边界。
这类任务特别适合检验工作流是否真的连贯。若只让通用模型“一次生成App方案”，它往往会快速给出看起来完整、实际上缺少约束的答案；PM-Skills则把问题拆成多个可核验阶段。
第一站：用17个问题验证7条产品假设
调研Skill围绕7条关键假设设计了17个问题，其中前3题承担筛选作用，避免把无效样本混进结论。问题不只问“你喜不喜欢”，还要识别清理频率、照片积压、删除焦虑、撤销需求和付费意愿。
这个阶段的价值，是把“我觉得用户需要”转换成可被否证的假设。后续PRD不再从空白开始，而是可以引用具体问题、目标人群和风险。
第二站：竞品分析不只列功能表
竞品Skill比较了4种代表性产品或解决思路，并把体验路径、核心卖点、收费方式与缺口放在同一框架中。这里必须保留人工核验：竞品价格、功能与平台政策会变化，AI生成的数字不能直接进入决策或对外材料。
更有用的输出不是“谁功能最多”，而是确认差异化空间：手势清理能否降低操作负担、撤销是否足够可信、删除行为如何避免误伤，以及用户为什么愿意持续使用。
第三站：PRD先定义MVP，再接受跨职能评审
初版PRD把MVP整理为F1到F5五组能力，并补充范围、用户故事、成功指标和验收条件。随后review board模拟产品、开发、测试、设计、运营与法务角色进行交叉评审。
结果并非“自动通过”：第一版被拒，评审给出2个阻断项、6个重要问题和5条建议。这正是这套流程比单次提示词更有价值的地方——它不仅负责生产内容，也主动制造反方压力。
两个阻断项，暴露了PRD里最容易藏住的坑
第一个阻断项是媒体资产范围不清：究竟处理哪些照片、视频是否包含、iCloud资源与受限权限如何表现，都必须明确。第二个阻断项来自PhotoKit：deleteAssets属于原子事务，与“批量删除允许部分成功”的语义冲突，不能在文档里含糊带过。
另外6个重要问题包括VoiceOver、隐私标签、订阅信息披露、时区重置等。修订后的PRD v1.1补齐这些约束后才通过评审。这里仍需要真实开发与测试人员确认API行为，AI评审不能替代工程验证。
第四站：18个事件把“能用”变成“可分析”
埋点方案最终定义18个事件，覆盖查看、滑动、保留、删除、撤销、批量操作与结果反馈，并专门增加delete_batch_fail记录删除失败。这样上线后才能回答：用户在哪一步放弃、误删后是否撤销、失败是否集中在某类资产或权限状态。
事件数量不是越多越好。每个事件都应绑定明确问题、触发时机和属性字典，否则只会制造无法解释的数据。
第五站：用合成素材做可交互原型
原型使用合成图片，不请求真实Photos权限，避免测试阶段接触个人相册。单文件HTML实现上下滑手势、最多20步撤销栈和清理总结，足够用于早期可用性验证和团队评审。
需要注意：可交互演示并不等于生产代码。权限弹窗、后台加载、iCloud下载、性能、删除事务与App Store合规，都要在正式开发阶段补齐。
6份交付物与33次模型调用，成本该怎么看
整条链路共形成6类主要交付物：调研问卷、竞品分析、PRD、跨职能评审报告、埋点方案和交互原型。测试过程调用Qwen3.8-Max约33次。若你想了解该模型与同类模型的能力差异，可查看站内的 Qwen3.8-Max模型对比。
调用次数说明复杂工作流会持续消耗额度。Qoder的阶段性活动曾提供新用户与符合条件用户的调用额度，并设置夜间折扣，但活动时间、资格、倍率和到期日都可能变化，实际使用前应以Qoder官方活动页与账户显示为准，不要把限时权益当成长期价格。
PM-Skills最值得借鉴的，不是“自动写文档”
它把产品工作拆成可复用模块，并把阶段间的输入输出写清楚。这让团队可以替换某一个Skill、插入人工审批，或把同一套方法迁移到不同产品，而不必每次从零发明提示词。
对产品经理而言，最佳用法是把AI当作“高强度草案与审查助手”：让它快速搭建结构、发现遗漏、模拟反方，再由人确认事实、技术限制、优先级和最终取舍。
适用人群与不适用场景
- 适合：独立开发者、创业团队、需要标准化交付的产品组织，以及希望把Vibe Coding延伸到产品全流程的人。
- 谨慎使用：医疗、金融、未成年人、隐私敏感和强监管产品，必须增加法律、安全与领域专家审核。
- 不建议：把AI生成的竞品数据、技术结论或合规判断未经核验直接发布或交付。
结论：从“会提示”升级到“会编排工作”
PM-Skills 2.0最有价值的地方，是让调研、分析、文档、评审、数据和原型共享同一条上下文链。它不能替代产品经理，却能显著减少重复整理、跨阶段遗漏和无结构返工。
如果你准备上手，建议先从一个真实但低风险的MVP开始：通过 PM-Skills站内入口 安装，先跑“调研→PRD→评审”三段流程，确认交接质量后再接入原型和数据Skill。
