GitHub上的PM Skills Marketplace将传统PM方法论转化为可执行的AI工作流，彻底改变了产品开发流程。从产品发现到GTM策略，这套工具通过编码Teresa Torres等大牛的方法论，实现了从理论到实践的无缝衔接。本文以制造业宿舍管理系统为例，展示如何用/discover、/research等命令在几小时内完成原本需要数周的产品规划工作，揭示AI时代PM工作方式的革命性变革。

今年初我发现了 GitHub 上的 PM Skills Marketplace（phuryn/pm-skills），15900 Star，68 个 PM 技能 + 42 条链式工作流。起初我以为又是一堆模板合集——PM 圈的模板我见过太多了，大部分是用完一次就扔的。

但装上用了之后，我发现它不是模板，而是把 PM 方法论编码成了可执行的操作序列。你输入/discover，AI 不是给你一段产品发现的理论，而是带你一步步走完发现流程，每一步都有具体产出。

最近几个月我在好几个项目里用了这套 Skills，效果不错。今天分享使用该工具的实践：制造业企业宿舍管理系统

产品发现：谁的问题，什么场景，多大市场？

1.1 用 /discover Command 启动

我打开 Claude Code，加载了pm-product-discovery插件，输入/discover。

这条 Command 不是直接跳到”做什么产品”，而是串联了 5 个 Skill 的渐进式流程：

/discover = brainstorm → assumption-mapping → prioritize → experiment-design → opportunity-solution-tree

第一步：brainstorming（头脑风暴）

AI 问了 3 个关键问题：

– 你服务的用户是谁？→ 制造业企业的行政/HR 管理层和蓝领住宿员工

– 他们当前最大的 3 个痛点？→ 安全管控难、入住退宿流程混乱、费用核算低效

– 这些痛点之间有什么关联？→ 安全和流程是因果关系——流程不透明导致违规入住无法发现

我输入后，AI 自动生成了一个Opportunity-Solution Tree（OST），这是 Teresa Torres 的核心方法论，PM Skills 直接把她的框架编码成了可执行的 Skill。

OST 的结构是这样的：

机会1：员工安全无法保障 → 方案A：智能门禁+人脸识别 → 方案B：访客登记+异常滞留预警

机会2：入住退宿流程混乱 → 方案A：线上全流程申请-审批-分配 → 方案B：招工季批量快速入住通道

机会3：费用核算低效 → 方案A：水电自动抄表+线上缴费 → 方案B：月度账单自动生成+催缴通知

第二步：assumption-mapping（假设映射）

每个方案背后都有假设，PM Skills 的 assumption-mapping Skill 帮我显式标注了风险：

结论：方案B（访客预警）和方案A（线上入住）的组合验证成本最低，应该优先推进。

1.2 用 /research Command 补充市场数据

我接着输入/research，加载了pm-market-research插件。这个 Command 串联了：

/research = personas → market-segmentation → journey-maps → market-sizing

Personas（用户画像）

AI 生成了 3 个核心画像：

画像1：张主任（行政主管，45岁）

– 管理 6 栋宿舍楼，1200+ 住宿员工

– 每天处理 10+ 起入住/退宿/换房事务

– 最大痛点：钥匙分配回收、违规入住无法追溯

– 决策权：选型和预算审批

画像2：小李（一线工人，28岁）

– 住 8 人间，每季度可能换房

– 最大痛点：报修流程慢、费用明细看不到

– 使用习惯：微信、小程序，不习惯用复杂APP

画像3：王经理（HR总监）

– 招工季每月 200+ 新入职需快速安排住宿

– 最大痛点：手工台账对账耗时、住宿费用和工资联动困难

– 关注指标：入住率、费用收缴率、员工满意度

Market Sizing（市场规模）

基于行业数据，AI 做了 TAM/SAM/SOM 分析：

– TAM：中国制造业企业 400 万+，其中 95% 宿舍管理依赖手工 → 潜在市场规模约 80 亿

– SAM：中型及以上制造业企业（500人以上）约 8 万家 → 约 20 亿

– SOM：首批切入华东地区制造业集群（长三角 5000 家）→ 约 2 亿首年可触达

效果：3 小时完成了原本需要 2 周调研才能获得的洞察。

产品愿景：我们在做什么，为什么值得做？

2.1 用 /vision Command 定义产品内核

输入/vision，加载pm-product-strategy插件。这条 Command 包含：

/vision = product-vision → business-model → pricing → competitive → north-star

Product Vision Statement

AI 基于 Discovery 和 Research 的输出，生成了一句话愿景：

让制造业企业从”管钥匙”到”管体验”——用一套系统，把宿舍从成本中心变成员工留任引擎。

这个愿景有判断、有立场。不是”提升管理效率”这种正确的废话，而是说清楚底层逻辑：宿舍管理不是行政琐事，它直接影响员工留任率。制造业缺工时代，宿舍体验=招聘竞争力。

North Star Metric（北极星指标）

AI 建议的北极星不是”管理效率”之类的虚荣指标，而是：

月度住宿员工主动续住率

为什么？因为续住率是结果指标，它同时反映了安全满意度、流程便捷度、费用透明度——三个核心痛点的综合出口。管理效率只是过程指标，续住率才是业务结果。

2.2 用 /competitive Command 做竞品分析

输入/competitive，AI 自动搜索了当前市场上的宿舍/公寓管理系统，生成了竞品矩阵：

Battlecard（竞品对比卡）

AI 针对最强的两个竞品（寓信科技、寓盟管家）生成了 Battlecard：

vs 寓信科技：他们做的是公寓租赁全周期，我们是制造业企业宿舍管理——用户不同、场景不同、KPI不同。他们追求出租率和租金回报，我们追求员工满意度和留任率。他们的优势是合规和BI，我们的优势是对制造业招工季、换班制、8人间等场景的深度理解。

vs 寓盟管家：他们是多业态通用平台，企业宿舍只是其中一条线。我们是专门做制造业宿舍——这意味着我们的入住退宿流程可以适配招工季批量入职、季度换房等制造业特有节奏，而不是用通用公寓流程硬套。

结论：市场上有公寓管理系统，但没有专门做制造业企业宿舍管理的系统。差异化机会=行业纵深。

效果：原本需要 1 周竞品调研 + 2 天 Battlecard 撰写的任务，2 小时完成。

PRD：从愿景到可执行的产品定义

3.1 用 /prd Command 写 PRD

输入/prd，加载pm-execution插件。这条 Command 是 PM Skills 中最长的一条工作流：

/prd = problem-statement → user-stories → acceptance-criteria → feature-prioritization → success-metrics → release-plan

Problem Statement

AI 把前面 Discovery 和 Vision 的输出自动融入了 Problem Statement：

制造业企业宿舍管理停留在”纸质台账+机械钥匙+电话报修”时代。95%的企业缺乏信息化系统，导致：安全事件无法追溯、招工季入住效率极低、费用核算依赖人工且易错。这不是一个管理效率问题，而是员工留任率问题——宿舍体验差直接推高离职率，在制造业缺工时代，每一张流失的床位都是招聘成本。

User Stories（按画像拆分）

AI 产出了 12 条核心 User Story，并自动标注了优先级：

P0（必须有）：

P1（应该有）：

P2（可以有）：

Acceptance Criteria

AI 为每条 P0 User Story 写了验收标准。以 US-01 为例：

✅ 系统支持批量导入入职名单（Excel/CSV）✅ 自动匹配空房规则（按部门、性别、班次）✅ 智能门锁授权在入住审批后 5 分钟内生效✅ 入住完成后自动推送房间号和门锁密码到员工微信✅ 从名单导入到入住完成，单人次操作不超过 3 分钟

Feature Prioritization

AI 用 Impact × Effort × Risk × Alignment 四维打分，对 6 个核心模块做了排序：

效果：一份完整 PRD，从 Problem Statement 到 Release Plan，原本需要 3-5 天，用了4 小时。

GTM 策略：怎么让第一批客户用起来？

4.1 用 /gtm Command 做上市策略

输入/gtm，加载pm-go-to-market插件。这条 Command 串联：

/gtm = beachhead-market → icp → gtm-actions → battlecard → launch-plan

Beachhead Market（滩头市场）

AI 基于前面的 Market Sizing，建议的首选滩头：

长三角 5000 人以上制造业企业，已部署 ERP/OA 系统，有信息化基础但宿舍管理仍是手工。

为什么选这个滩头？

– 这些企业已经证明了自己会买单买系统（有 ERP 就有预算习惯）

– 宿舍管理是明确的痛点，不是”可优化”而是”必须解决”

– 集中在长三角，可以线下交付和运维

ICP（理想客户画像）

AI 给出了 ICP 的 5 个维度：

GTM Actions（上市动作）

AI 生成了 3 阶段 GTM 动作清单：

Phase 1：种子客户（0-3 月）

– 找 3 家企业做共创（免费部署+深度定制+联合打磨）

– 方式：通过制造业 HR 社群、长三角园区运营方渠道触达

– 目标：拿到 1 个完整案例 + 2 个 NPS ≥ 40 的客户

Phase 2：区域复制（3-6 月）

– 以种子案例为背书，通过园区运营方做渠道推广

– 定价策略：SaaS订阅（按床位数计费）+ 硬件安装一次性收费

– 目标：10 家付费客户，ARR 破 200 万

Phase 3：规模化（6-12 月）

– 打通钉钉/飞书集成，降低部署门槛

– 开发制造业行业模板（电子、机械、纺织各有专属流程）

– 目标：50 家客户，ARR 破 1000 万

效果：GTM 策略从”我应该怎么推广”变成”3 阶段可执行动作清单”，1.5 小时完成。

全链路回顾：PM Skills 到底改变了什么？

5.1 效率对比

5.2 质量变化

效率提升只是表面，更重要的变化是质量：

1. 系统性而非碎片性

传统做法中，PM 各环节往往是各自为政——调研的人不写 PRD，写 PRD 的人不做 GTM。PM Skills 的 Command 设计天然串联了上下游，每个环节的输出自动成为下一环节的输入。Discovery 的 OST 直接进了 Vision 的假设验证，Vision 的 North Star 直接进了 PRD 的 Success Metrics。

2. 有判断而非骑墙

PM Skills 的 Skill 写作原则明确要求”观点要突出，不说废话”。这直接影响输出质量——愿景不是”提升管理效率”，而是”把宿舍从成本中心变成留任引擎”；北极星不是”管理效率”，而是”主动续住率”。每一个判断背后都有论据支撑。

3. 可验证而非拍脑袋

假设映射 Skill 强制标注每个方案的关键假设和验证难度。这意味着后续的实验设计和迭代方向是有依据的，而不是”我觉得应该这么做”。

5.3 我学到的方法论

做完这个案例，我对 PM Skills 的核心价值有了新的理解：

PM Skills 不是”让 AI 替你写文档”，而是”让 PM 方法论变成可执行的操作序列”。

传统的 PM 方法论（Teresa Torres 的 OST、Marty Cagan 的产品发现、Alberto Savoia 的 pretotyping）都是书——你读了，觉得好，但做的时候往往从第 3 步跳到第 10 步，中间的步骤要么忘了要么觉得麻烦。

PM Skills 把这些方法论编码成了 Command——不是知识，而是操作。你输入/discover，AI 不是给你一段关于产品发现的理论，而是一步步带你走完发现流程，每一步都有具体输出。

这就是 Skills 和 Prompt 的根本区别：Prompt 是知识的搬运，Skills 是方法论的执行。

给你的实操建议

6.1 三个起步动作

1.安装 pm-skills：在 Claude Code 中运行claude plugin marketplace add phuryn/pm-skills，或者在 Codex/Gemini CLI 中按项目 README 的方式安装

2.先跑 /discover：不要跳到 PRD。产品发现是所有后续工作的地基。如果发现做错了，后面全错

3.坚持走完一条 Command：每条 Command 都是完整流程。不要中途跳出来”我直接写 PRD”，那和不用 Skills 没区别

6.2 三个常见误区

误区1：把 Skills 当 Prompt 用

❌ “帮我写一个宿舍管理的 PRD” → 这是在用 Prompt，AI 会给你一个通用模板

✅/prd→ 这是用 Skill，AI 会按完整流程一步步推进，每个环节有方法论支撑

误区2：跳过 Discovery 直接做 PRD

❌ 最常见的错误。PM Skills 的 Command 设计是有顺序的：discover → research → vision → competitive → prd → gtm。跳过 Discovery 写 PRD，等于没有地基盖楼

✅ 至少完成 /discover + /research 再进 /prd

误区3：AI 输出直接当最终交付

❌ PM Skills 产出的质量远超手动写，但仍然是”高质量草稿”。需要人工验证假设、校对数据、确认判断

✅ 把 Skills 输出当作”第一稿”，然后做两件事：验证关键假设 + 补充行业特有细节

6.3 选什么工具跑 Skills？

总结

PM Skills Marketplace 的 15900 Star 不是因为它有 68 个模板，而是因为它把 PM 方法论从”知道”变成了”做到”。

做制造业宿舍管理系统这个案例，让我真正体会到：产品管理最难的不是写文档，而是在正确的时机做正确的判断。OST 帮你找到真正的机会，假设映射帮你避免踩坑，Command 串联帮你不跳步骤。

如果你还在用”帮我写个 PRD”这种 Prompt 和 AI 对话，试试/discover→/research→/vision→/prd→/gtm这条完整链路。你会发现，PM 的价值不在于文档本身，在于做出文档背后的那套思考过程。

声明：仅代表个人观点，与供职机构无关