本文介绍了如何利用PM Skills Marketplace中的AI技能辅助产品经理进行需求分析将需求分析拆分为问题澄清、证据收集、范围收敛、风险审查和指标设计五个环节并提供具体的AI技能应用方法和操作示例。通过使用这些技能产品经理可以更高效、更全面地进行需求分析避免陷入仅关注PRD格式而忽略需求本质的误区。建议收藏本文作为入门AI辅助需求分析的实用指南。那篇更像是看全貌。这个项目把产品发现、战略、PRD、数据分析、增长、上线检查这些工作拆成了一组组可以交给 AI 执行的 Skill 和 workflow。它最有意思的地方不是“AI 可以帮产品经理写更多文档”而是把很多过去藏在经验里的判断动作拆了出来。这篇往下走一步不再铺开讲整个项目只聚焦一个产品经理最高频的场景需求分析。如果你想用 Skill 辅助需求分析我不建议一上来就找一个“万能 PRD Skill”。因为产品经理真正难的通常不是不知道 PRD 格式而是不知道这个需求该不该做、问题有没有证据、第一版范围怎么收、评审前还有哪些风险没暴露。所以更实用的方式是按需求分析的过程把 Skill 放到不同环节里用。一个负责澄清问题一个负责整理证据一个负责收敛范围一个负责审查风险最后一个负责设计指标。这样比“帮我写一份 PRD”更接近产品经理真实工作。先把安装方式说清楚。这个项目不是只能复制提示词它提供的是一组插件包和命令式工作流。Claude Code 可以先添加 marketplace再安装插件claude plugin marketplace add phuryn/pm-skillsclaude plugin install pm-product-discoverypm-skillsclaude plugin install pm-market-researchpm-skillsclaude plugin install pm-executionpm-skillsclaude plugin install pm-data-analyticspm-skills如果用的是 Codex CLI也可以用同一个 marketplacecodex plugin marketplace add phuryn/pm-skillscodex plugin add pm-product-discoverypm-skillscodex plugin add pm-market-researchpm-skillscodex plugin add pm-executionpm-skillscodex plugin add pm-data-analyticspm-skills这篇只围绕需求分析先看这四个包就够了pm-product-discovery负责问题和假设pm-market-research负责用户和市场证据pm-execution负责 PRD、用户故事和验收标准pm-data-analytics负责指标和验证。项目里还有战略、增长、GTM、AI 交付等包后面再给大家剖析。一、先用需求澄清 Skill别太快进入方案需求刚出现时最容易犯的错是直接写方案。比如业务方说“我们也做个会员体系吧竞品都有。”普通 AI 很容易顺手写出会员等级、积分商城、权益中心、任务系统、后台配置。看起来很完整但这时候最关键的问题还没回答我们为什么要做会员是留存下降还是付费转化低用户真的需要会员权益还是团队只是看到竞品有这时候应该先用pm-product-discovery里的需求澄清类能力。对应到 PM Skills Marketplace 的思路就是 problem framing、assumption mapping、prioritize assumptions、experiment design 这一类 Skill。它们解决的不是“怎么写 PRD”而是先问清楚这个需求背后可能是什么用户问题哪些判断只是团队假设哪个假设一旦错了整个需求就不该继续有没有比直接开发更便宜的验证方式如果在 Claude Code 里项目里的/discover工作流就接近这个思路先提出方向再识别假设、给假设排序、设计验证实验。换成 普通对话也可以直接这样说请先不要写 PRD。 基于下面这个需求帮我做一次需求澄清1. 这个需求背后可能有哪些用户问题2. 哪些判断目前只是我们的假设3. 请按“影响大 不确定性高”的标准找出最应该优先验证的 3 个假设。4. 给出每个假设的低成本验证方式。 需求我们也做个会员体系吧竞品都有。背景目前产品主要靠内容和工具留住用户最近 30 日留存下降运营希望增加用户粘性。这一组 Skill 的价值是让团队先停一下。别把“有人提出一个功能”误当成“已经确认了一个需求”。二、再用用户证据 Skill别靠脑补写需求需求分析不能只靠推理还要把用户证据拉进来。这一步可以用pm-market-research里的用户访谈、用户反馈、需求归类、洞察提炼相关 Skill。它们适合处理客服记录、用户访谈、问卷开放题、App 评论、销售反馈、社群聊天、竞品用户评论。产品经理平时经常会说一句话“用户希望我们做这个。”但评审时一被追问就容易变成几条零散印象。这个用户是谁在哪个场景下说的出现过几次是明确需求还是我们自己的推断这些问题如果没有整理清楚后面 PRD 写得再完整也可能只是把脑补包装成文档。这类 Skill 可以按两个方向用。访谈前让它把需求假设翻译成访谈问题。比如你怀疑“用户愿意为会员权益付费”不要直接问“你愿意买会员吗”而应该问用户现在怎么解决这个问题、有没有为类似能力付费、什么情况下会觉得权益有价值。访谈后让它做反馈归类但必须要求引用原文。否则 AI 很容易把反馈整理成一套看起来很合理的通用结论。可以这样用请把下面的用户反馈整理成需求洞察。 要求1. 每个结论都必须引用至少 2 条原始反馈。2. 区分“用户明确说了什么”和“我们推断出来的需求”。3. 按痛点强度、出现频率、商业价值给出需求机会排序。4. 不要直接输出功能方案先输出问题分类和证据。 材料【粘贴用户反馈 / 访谈纪要 / 客服记录】这组 Skill 能帮产品经理完成一个很重要的动作把“我感觉用户需要”变成“这些用户在这些场景下反复遇到这个问题”。三、再用 PRD 拆解 Skill只写 MVP不写大而全等问题和证据稍微清楚之后才轮到 PRD、用户故事、功能拆解这类 Skill 上场。这类能力主要看pm-execution。对应的是 write PRD、user stories、job stories、acceptance criteria、requirements breakdown 这一类 Skill。它们适合把前面的发现材料转成研发和设计能讨论的东西目标用户、核心场景、功能范围、主流程、边界场景、验收标准。但这里有一个前提不要让它凭空写。如果输入只有一句“做会员体系”AI 只能靠常识补全最后很容易生成一份看起来完整但没有业务判断的 PRD。正确做法是把前两步的结果作为输入已确认的问题、关键假设、用户证据、MVP 范围、暂不做的内容。可以这样接请基于以下需求发现结论输出一份 PRD 初稿。 要求1. 只围绕 MVP 范围写不要扩展积分商城、等级成长、任务系统等未确认能力。2. 明确“本期必须做 / 本期不做 / 后续再看”。3. 每个核心功能都写清用户场景和验收标准。4. 对所有假设信息标注“待确认”。 已确认问题【粘贴前面产出的用户问题】 用户证据【粘贴反馈归类和引用】 MVP 范围【粘贴已收敛范围】这一组 Skill 最重要的输出不是“本期要做什么”而是“本期不做什么”。很多 PRD 失败不是因为写少了而是因为默认什么都可以顺手加一点。会员体系写着写着就变成积分体系积分体系写着写着又长出任务系统、商城、等级、勋章。Skill 如果不帮你收边界只会把需求写得越来越大。四、评审前用红队 Skill让 AI 专门反对你我最推荐产品经理长期保留的一组是红队评审类 Skill。上一篇也提过PM Skills Marketplace 里不只有写 PRD 的能力还有类似/red-team-prd的工作流。这类能力也在pm-execution这条线上。它的任务不是帮你润色而是站在反方检查这个方案最脆弱的假设是什么如果失败最可能失败在哪里哪个前提没有证据哪些边界会让研发实现时出问题这类 Skill 很适合在需求评审前用。你可以把 PRD 初稿丢进去让它只做审查不做改写请对下面这份 PRD 做红队评审。 要求1. 不要润色文案只找问题。2. 找出最危险的 5 个假设并说明为什么危险。3. 找出缺少证据支撑的判断。4. 找出可能被研发、设计、运营挑战的问题。5. 给出评审前必须补充的材料清单。 PRD【粘贴 PRD 初稿】这组 Skill 对产品经理特别有用因为它模拟的是评审会上最有价值的那部分压力。真正好的评审不是把文档措辞改得更专业而是提前发现“这个方案可能根本不成立”的地方。五、最后用指标 Skill别让需求停在“提升体验”很多需求分析写到最后会落在一句很虚的话上提升用户体验、增强用户粘性、提高转化效率。这些话不是不能写但如果没有指标就很难判断需求是否真的有效。所以最后可以接pm-data-analytics里的指标设计 Skill对应 metrics、north star metric、funnel、A/B test、cohort、retention 这一类能力。它适合在 PRD 初稿出来后补一轮这个需求到底看什么指标核心指标和辅助指标是什么有没有反指标上线后观察多久如果指标没变化是需求没价值、功能没触达还是样本不够可以这样用请基于下面的需求方案设计指标和验证方式。 要求1. 给出 1 个核心指标、3 个辅助指标、2 个反指标。2. 说明每个指标为什么能反映需求目标。3. 给出上线后 7 天、14 天、30 天分别要看的内容。4. 如果数据没有改善请列出可能原因和下一步排查路径。 需求方案【粘贴 PRD 或 MVP 范围】这组 Skill 会把需求分析从“方案讨论”拉回“结果验证”。产品经理最需要防的不是需求做不出来而是做出来以后没人知道它到底有没有用。这几组 Skill 怎么串起来如果只解决“需求分析”这件事我会把它拆成五步步骤建议安装/使用的包推荐 Skill 类型主要产出1pm-product-discoverypm-skills需求澄清 / 假设识别用户问题、关键假设、验证优先级2pm-market-researchpm-skills用户反馈 / 访谈分析原始证据、问题分类、需求机会3pm-executionpm-skillsPRD / 用户故事 / 验收标准MVP 范围、功能拆解、验收条件4pm-executionpm-skills红队评审 / 风险检查高风险假设、缺失证据、评审问题5pm-data-analyticspm-skills指标设计 / 漏斗分析核心指标、辅助指标、上线观察方式这条链路不追求一次把产品经理的所有工作都自动化。它只解决一个闭环从一句模糊需求到一份更可信、更可评审的需求方案。它也保留了人的位置。AI 可以帮你提出假设、整理材料、补充边界、找风险、设计指标但哪些需求值得做、哪些风险可以接受、哪些范围必须砍掉最后仍然要由产品经理判断。这也是我觉得 PM Skills Marketplace 值得继续拆的地方。上一篇我们看的是全貌产品经理的工作正在被拆成 Skill 和 workflow。这一篇只看其中一小段需求分析。后面其实还可以继续拆竞品分析、路线图、增长实验、上线检查、AI 产品交付。不用贪多先把需求分析这条线跑通就已经能解决很多产品经理最日常、也最容易出问题的工作。写在最后产品经理用 Skill最容易走偏的方式是把它当成“更聪明的模板库”。输入一句需求输出一份文档格式齐全看起来专业但真正困难的问题仍然没被解决。更好的方式是把 Skill 当成一组产品判断动作。一个 Skill 帮你澄清问题一个 Skill 帮你整理证据一个 Skill 帮你收敛范围一个 Skill 帮你审查风险一个 Skill 帮你设计指标。它们加在一起才像一条真正能跑起来的需求分析流程。所以如果你想开始给产品经理配置 Skill我不建议从“万能 PRD 助手”开始。先从一个真实需求开始把它拆成五段问题、证据、范围、风险、指标。然后给每一段配一个 Skill。你会发现AI 真正帮上的忙不是替你把 PRD 写长而是让你更早发现这个需求到底有没有想清楚。最后2026年技术圈的分化愈发明显降薪裁员潮持续蔓延传统开发、测试等岗位大批缩水不少从业者陷入职业焦虑与之形成鲜明对比的是AI大模型相关岗位迎来疯狂扩招薪资逆势飙升150%大厂更是直接开出70-100W年薪疯抢具备实战能力的大模型人才甚至放宽年龄限制只求能快速落地技术、创造价值很多程序员、职场新人纷纷入局大模型领域绝非盲目跟风而是实实在在看到了不可替代的价值优势这也是2026年最值得抓住的职业风口1、窗口期红利入门门槛友好不同于成熟赛道的“内卷式招聘”2026年大模型人才缺口巨大简历只要达标掌握基础AI应用具备简单项目经验年龄、学历均非硬性要求小白可快速入门转行程序员也能无缝衔接2、技术可复用上手速度翻倍如果你有前后端开发、测试、数据分析等基础在大模型落地、系统部署、Prompt工程等环节会更具优势无需从零开始复用原有技术能力就能快速进阶3、懂业务更吃香竞争力翻倍单纯懂技术已不够2026年大厂更看重“技术业务”的复合型人才有垂直领域金融、医疗、工业等经验者能精准定位模型落地痛点薪资比纯技术岗高出30%以上更重要的是即便没有转型需求用AI大模型工具为工作赋能、提升效率也已经成为80%企业的硬性要求——不会用大模型提效未来很可能被行业淘汰那么2026年小白/程序员该如何高效学习大模型很多人想入门大模型却陷入两大困境要么到处搜集零散资料不成体系越学越懵要么被收费高昂的课程割韭菜花了钱却学不到实战技能白白浪费时间走弯路。今天就给大家精心整理了一份2026年最新、免费、系统化的AI大模型学习资源包覆盖从零基础入门到商业实战、从理论沉淀到面试通关的全流程所有资料均已整理归档无需拼凑直接领取就能上手学习小白可照做程序员可进阶扫码免费领取全部内容1、大模型系统化学习路线这份学习路线结合2026年行业趋势和新手学习规律由行业专家精心设计从零基础到精通每一步都有明确指引帮你节省80%的无效学习时间少走弯路、高效进阶避免踩坑。2、从0到进阶大模型学习视频教程从入门到进阶这里都有跟着老师学习事半功倍。3、大模型学习书籍电子文档涵盖2026年最新技术要点包括基础入门、Transformer核心原理、Prompt工程、RAG实战、模型微调与部署等内容4、AI大模型最新行业报告报告包含腾讯、阿里、甲子光年等权威机构发布的核心内容还有2026年中文大模型基准测评报告、AI Agent行业研究报告等帮你站在行业前沿把握技术风口。5、大模型项目实战配套源码项目包含Deepseek R1、GPT项目、MCP项目、RAG实战等热门方向还有视频配套代码手把手教你从0到1完成项目开发既能练手提升技术又能丰富简历为求职和职业发展加分。6、2026大模型大厂面试真题2026年大模型面试已全面升级不再单纯考察基础原理而是转向侧重技术落地和业务结合的综合考察很多程序员和新手因为缺乏针对性准备明明技术不错却在面试中失利。适用人群四阶段学习规划共90天可落地执行第一阶段10天初阶应用该阶段让大家对大模型 AI有一个最前沿的认识对大模型 AI 的理解超过 95% 的人可以在相关讨论时发表高级、不跟风、又接地气的见解别人只会和 AI 聊天而你能调教 AI并能用代码将大模型和业务衔接。大模型 AI 能干什么大模型是怎样获得「智能」的用好 AI 的核心心法大模型应用业务架构大模型应用技术架构代码示例向 GPT-3.5 灌入新知识提示工程的意义和核心思想Prompt 典型构成指令调优方法论思维链和思维树Prompt 攻击和防范…第二阶段30天高阶应用该阶段我们正式进入大模型 AI 进阶实战学习学会构造私有知识库扩展 AI 的能力。快速开发一个完整的基于 agent 对话机器人。掌握功能最强的大模型开发框架抓住最新的技术进展适合 Python 和 JavaScript 程序员。为什么要做 RAG搭建一个简单的 ChatPDF检索的基础概念什么是向量表示Embeddings向量数据库与向量检索基于向量检索的 RAG搭建 RAG 系统的扩展知识混合检索与 RAG-Fusion 简介向量模型本地部署…第三阶段30天模型训练恭喜你如果学到这里你基本可以找到一份大模型 AI相关的工作自己也能训练 GPT 了通过微调训练自己的垂直大模型能独立训练开源多模态大模型掌握更多技术方案。到此为止大概2个月的时间。你已经成为了一名“AI小子”。那么你还想往下探索吗为什么要做 RAG什么是模型什么是模型训练求解器 损失函数简介小实验2手写一个简单的神经网络并训练它什么是训练/预训练/微调/轻量化微调Transformer结构简介轻量化微调实验数据集的构建…第四阶段20天商业闭环对全球大模型从性能、吞吐量、成本等方面有一定的认知可以在云端和本地等多种环境下部署大模型找到适合自己的项目/创业方向做一名被 AI 武装的产品经理。硬件选型带你了解全球大模型使用国产大模型服务搭建 OpenAI 代理热身基于阿里云 PAI 部署 Stable Diffusion在本地计算机运行大模型大模型的私有化部署基于 vLLM 部署大模型案例如何优雅地在阿里云私有部署开源大模型部署一套开源 LLM 项目内容安全互联网信息服务算法备案…扫码免费领取全部内容7、这些资料真的有用吗这份资料由我和鲁为民博士(北京清华大学学士和美国加州理工学院博士)共同整理现任上海殷泊信息科技CEO其创立的MoPaaS云平台获Forrester全球’强劲表现者’认证服务航天科工、国家电网等1000企业以第一作者在IEEE Transactions发表论文50篇获NASA JPL火星探测系统强化学习专利等35项中美专利。本套AI大模型课程由清华大学-加州理工双料博士、吴文俊人工智能奖得主鲁为民教授领衔研发。资料内容涵盖了从入门到进阶的各类视频教程和实战项目无论你是小白还是有些技术基础的技术人员这份资料都绝对能帮助你提升薪资待遇转行大模型岗位。这份完整版的大模型 AI 学习资料已经上传CSDN朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】
本文介绍了如何利用PM Skills Marketplace中的AI技能辅助产品经理进行需求分析将需求分析拆分为问题澄清、证据收集、范围收敛、风险审查和指标设计五个环节并提供具体的AI技能应用方法和操作示例。通过使用这些技能产品经理可以更高效、更全面地进行需求分析避免陷入仅关注PRD格式而忽略需求本质的误区。建议收藏本文作为入门AI辅助需求分析的实用指南。那篇更像是看全貌。这个项目把产品发现、战略、PRD、数据分析、增长、上线检查这些工作拆成了一组组可以交给 AI 执行的 Skill 和 workflow。它最有意思的地方不是“AI 可以帮产品经理写更多文档”而是把很多过去藏在经验里的判断动作拆了出来。这篇往下走一步不再铺开讲整个项目只聚焦一个产品经理最高频的场景需求分析。如果你想用 Skill 辅助需求分析我不建议一上来就找一个“万能 PRD Skill”。因为产品经理真正难的通常不是不知道 PRD 格式而是不知道这个需求该不该做、问题有没有证据、第一版范围怎么收、评审前还有哪些风险没暴露。所以更实用的方式是按需求分析的过程把 Skill 放到不同环节里用。一个负责澄清问题一个负责整理证据一个负责收敛范围一个负责审查风险最后一个负责设计指标。这样比“帮我写一份 PRD”更接近产品经理真实工作。先把安装方式说清楚。这个项目不是只能复制提示词它提供的是一组插件包和命令式工作流。Claude Code 可以先添加 marketplace再安装插件claude plugin marketplace add phuryn/pm-skillsclaude plugin install pm-product-discoverypm-skillsclaude plugin install pm-market-researchpm-skillsclaude plugin install pm-executionpm-skillsclaude plugin install pm-data-analyticspm-skills如果用的是 Codex CLI也可以用同一个 marketplacecodex plugin marketplace add phuryn/pm-skillscodex plugin add pm-product-discoverypm-skillscodex plugin add pm-market-researchpm-skillscodex plugin add pm-executionpm-skillscodex plugin add pm-data-analyticspm-skills这篇只围绕需求分析先看这四个包就够了pm-product-discovery负责问题和假设pm-market-research负责用户和市场证据pm-execution负责 PRD、用户故事和验收标准pm-data-analytics负责指标和验证。项目里还有战略、增长、GTM、AI 交付等包后面再给大家剖析。一、先用需求澄清 Skill别太快进入方案需求刚出现时最容易犯的错是直接写方案。比如业务方说“我们也做个会员体系吧竞品都有。”普通 AI 很容易顺手写出会员等级、积分商城、权益中心、任务系统、后台配置。看起来很完整但这时候最关键的问题还没回答我们为什么要做会员是留存下降还是付费转化低用户真的需要会员权益还是团队只是看到竞品有这时候应该先用pm-product-discovery里的需求澄清类能力。对应到 PM Skills Marketplace 的思路就是 problem framing、assumption mapping、prioritize assumptions、experiment design 这一类 Skill。它们解决的不是“怎么写 PRD”而是先问清楚这个需求背后可能是什么用户问题哪些判断只是团队假设哪个假设一旦错了整个需求就不该继续有没有比直接开发更便宜的验证方式如果在 Claude Code 里项目里的/discover工作流就接近这个思路先提出方向再识别假设、给假设排序、设计验证实验。换成 普通对话也可以直接这样说请先不要写 PRD。 基于下面这个需求帮我做一次需求澄清1. 这个需求背后可能有哪些用户问题2. 哪些判断目前只是我们的假设3. 请按“影响大 不确定性高”的标准找出最应该优先验证的 3 个假设。4. 给出每个假设的低成本验证方式。 需求我们也做个会员体系吧竞品都有。背景目前产品主要靠内容和工具留住用户最近 30 日留存下降运营希望增加用户粘性。这一组 Skill 的价值是让团队先停一下。别把“有人提出一个功能”误当成“已经确认了一个需求”。二、再用用户证据 Skill别靠脑补写需求需求分析不能只靠推理还要把用户证据拉进来。这一步可以用pm-market-research里的用户访谈、用户反馈、需求归类、洞察提炼相关 Skill。它们适合处理客服记录、用户访谈、问卷开放题、App 评论、销售反馈、社群聊天、竞品用户评论。产品经理平时经常会说一句话“用户希望我们做这个。”但评审时一被追问就容易变成几条零散印象。这个用户是谁在哪个场景下说的出现过几次是明确需求还是我们自己的推断这些问题如果没有整理清楚后面 PRD 写得再完整也可能只是把脑补包装成文档。这类 Skill 可以按两个方向用。访谈前让它把需求假设翻译成访谈问题。比如你怀疑“用户愿意为会员权益付费”不要直接问“你愿意买会员吗”而应该问用户现在怎么解决这个问题、有没有为类似能力付费、什么情况下会觉得权益有价值。访谈后让它做反馈归类但必须要求引用原文。否则 AI 很容易把反馈整理成一套看起来很合理的通用结论。可以这样用请把下面的用户反馈整理成需求洞察。 要求1. 每个结论都必须引用至少 2 条原始反馈。2. 区分“用户明确说了什么”和“我们推断出来的需求”。3. 按痛点强度、出现频率、商业价值给出需求机会排序。4. 不要直接输出功能方案先输出问题分类和证据。 材料【粘贴用户反馈 / 访谈纪要 / 客服记录】这组 Skill 能帮产品经理完成一个很重要的动作把“我感觉用户需要”变成“这些用户在这些场景下反复遇到这个问题”。三、再用 PRD 拆解 Skill只写 MVP不写大而全等问题和证据稍微清楚之后才轮到 PRD、用户故事、功能拆解这类 Skill 上场。这类能力主要看pm-execution。对应的是 write PRD、user stories、job stories、acceptance criteria、requirements breakdown 这一类 Skill。它们适合把前面的发现材料转成研发和设计能讨论的东西目标用户、核心场景、功能范围、主流程、边界场景、验收标准。但这里有一个前提不要让它凭空写。如果输入只有一句“做会员体系”AI 只能靠常识补全最后很容易生成一份看起来完整但没有业务判断的 PRD。正确做法是把前两步的结果作为输入已确认的问题、关键假设、用户证据、MVP 范围、暂不做的内容。可以这样接请基于以下需求发现结论输出一份 PRD 初稿。 要求1. 只围绕 MVP 范围写不要扩展积分商城、等级成长、任务系统等未确认能力。2. 明确“本期必须做 / 本期不做 / 后续再看”。3. 每个核心功能都写清用户场景和验收标准。4. 对所有假设信息标注“待确认”。 已确认问题【粘贴前面产出的用户问题】 用户证据【粘贴反馈归类和引用】 MVP 范围【粘贴已收敛范围】这一组 Skill 最重要的输出不是“本期要做什么”而是“本期不做什么”。很多 PRD 失败不是因为写少了而是因为默认什么都可以顺手加一点。会员体系写着写着就变成积分体系积分体系写着写着又长出任务系统、商城、等级、勋章。Skill 如果不帮你收边界只会把需求写得越来越大。四、评审前用红队 Skill让 AI 专门反对你我最推荐产品经理长期保留的一组是红队评审类 Skill。上一篇也提过PM Skills Marketplace 里不只有写 PRD 的能力还有类似/red-team-prd的工作流。这类能力也在pm-execution这条线上。它的任务不是帮你润色而是站在反方检查这个方案最脆弱的假设是什么如果失败最可能失败在哪里哪个前提没有证据哪些边界会让研发实现时出问题这类 Skill 很适合在需求评审前用。你可以把 PRD 初稿丢进去让它只做审查不做改写请对下面这份 PRD 做红队评审。 要求1. 不要润色文案只找问题。2. 找出最危险的 5 个假设并说明为什么危险。3. 找出缺少证据支撑的判断。4. 找出可能被研发、设计、运营挑战的问题。5. 给出评审前必须补充的材料清单。 PRD【粘贴 PRD 初稿】这组 Skill 对产品经理特别有用因为它模拟的是评审会上最有价值的那部分压力。真正好的评审不是把文档措辞改得更专业而是提前发现“这个方案可能根本不成立”的地方。五、最后用指标 Skill别让需求停在“提升体验”很多需求分析写到最后会落在一句很虚的话上提升用户体验、增强用户粘性、提高转化效率。这些话不是不能写但如果没有指标就很难判断需求是否真的有效。所以最后可以接pm-data-analytics里的指标设计 Skill对应 metrics、north star metric、funnel、A/B test、cohort、retention 这一类能力。它适合在 PRD 初稿出来后补一轮这个需求到底看什么指标核心指标和辅助指标是什么有没有反指标上线后观察多久如果指标没变化是需求没价值、功能没触达还是样本不够可以这样用请基于下面的需求方案设计指标和验证方式。 要求1. 给出 1 个核心指标、3 个辅助指标、2 个反指标。2. 说明每个指标为什么能反映需求目标。3. 给出上线后 7 天、14 天、30 天分别要看的内容。4. 如果数据没有改善请列出可能原因和下一步排查路径。 需求方案【粘贴 PRD 或 MVP 范围】这组 Skill 会把需求分析从“方案讨论”拉回“结果验证”。产品经理最需要防的不是需求做不出来而是做出来以后没人知道它到底有没有用。这几组 Skill 怎么串起来如果只解决“需求分析”这件事我会把它拆成五步步骤建议安装/使用的包推荐 Skill 类型主要产出1pm-product-discoverypm-skills需求澄清 / 假设识别用户问题、关键假设、验证优先级2pm-market-researchpm-skills用户反馈 / 访谈分析原始证据、问题分类、需求机会3pm-executionpm-skillsPRD / 用户故事 / 验收标准MVP 范围、功能拆解、验收条件4pm-executionpm-skills红队评审 / 风险检查高风险假设、缺失证据、评审问题5pm-data-analyticspm-skills指标设计 / 漏斗分析核心指标、辅助指标、上线观察方式这条链路不追求一次把产品经理的所有工作都自动化。它只解决一个闭环从一句模糊需求到一份更可信、更可评审的需求方案。它也保留了人的位置。AI 可以帮你提出假设、整理材料、补充边界、找风险、设计指标但哪些需求值得做、哪些风险可以接受、哪些范围必须砍掉最后仍然要由产品经理判断。这也是我觉得 PM Skills Marketplace 值得继续拆的地方。上一篇我们看的是全貌产品经理的工作正在被拆成 Skill 和 workflow。这一篇只看其中一小段需求分析。后面其实还可以继续拆竞品分析、路线图、增长实验、上线检查、AI 产品交付。不用贪多先把需求分析这条线跑通就已经能解决很多产品经理最日常、也最容易出问题的工作。写在最后产品经理用 Skill最容易走偏的方式是把它当成“更聪明的模板库”。输入一句需求输出一份文档格式齐全看起来专业但真正困难的问题仍然没被解决。更好的方式是把 Skill 当成一组产品判断动作。一个 Skill 帮你澄清问题一个 Skill 帮你整理证据一个 Skill 帮你收敛范围一个 Skill 帮你审查风险一个 Skill 帮你设计指标。它们加在一起才像一条真正能跑起来的需求分析流程。所以如果你想开始给产品经理配置 Skill我不建议从“万能 PRD 助手”开始。先从一个真实需求开始把它拆成五段问题、证据、范围、风险、指标。然后给每一段配一个 Skill。你会发现AI 真正帮上的忙不是替你把 PRD 写长而是让你更早发现这个需求到底有没有想清楚。最后2026年技术圈的分化愈发明显降薪裁员潮持续蔓延传统开发、测试等岗位大批缩水不少从业者陷入职业焦虑与之形成鲜明对比的是AI大模型相关岗位迎来疯狂扩招薪资逆势飙升150%大厂更是直接开出70-100W年薪疯抢具备实战能力的大模型人才甚至放宽年龄限制只求能快速落地技术、创造价值很多程序员、职场新人纷纷入局大模型领域绝非盲目跟风而是实实在在看到了不可替代的价值优势这也是2026年最值得抓住的职业风口1、窗口期红利入门门槛友好不同于成熟赛道的“内卷式招聘”2026年大模型人才缺口巨大简历只要达标掌握基础AI应用具备简单项目经验年龄、学历均非硬性要求小白可快速入门转行程序员也能无缝衔接2、技术可复用上手速度翻倍如果你有前后端开发、测试、数据分析等基础在大模型落地、系统部署、Prompt工程等环节会更具优势无需从零开始复用原有技术能力就能快速进阶3、懂业务更吃香竞争力翻倍单纯懂技术已不够2026年大厂更看重“技术业务”的复合型人才有垂直领域金融、医疗、工业等经验者能精准定位模型落地痛点薪资比纯技术岗高出30%以上更重要的是即便没有转型需求用AI大模型工具为工作赋能、提升效率也已经成为80%企业的硬性要求——不会用大模型提效未来很可能被行业淘汰那么2026年小白/程序员该如何高效学习大模型很多人想入门大模型却陷入两大困境要么到处搜集零散资料不成体系越学越懵要么被收费高昂的课程割韭菜花了钱却学不到实战技能白白浪费时间走弯路。今天就给大家精心整理了一份2026年最新、免费、系统化的AI大模型学习资源包覆盖从零基础入门到商业实战、从理论沉淀到面试通关的全流程所有资料均已整理归档无需拼凑直接领取就能上手学习小白可照做程序员可进阶扫码免费领取全部内容1、大模型系统化学习路线这份学习路线结合2026年行业趋势和新手学习规律由行业专家精心设计从零基础到精通每一步都有明确指引帮你节省80%的无效学习时间少走弯路、高效进阶避免踩坑。2、从0到进阶大模型学习视频教程从入门到进阶这里都有跟着老师学习事半功倍。3、大模型学习书籍电子文档涵盖2026年最新技术要点包括基础入门、Transformer核心原理、Prompt工程、RAG实战、模型微调与部署等内容4、AI大模型最新行业报告报告包含腾讯、阿里、甲子光年等权威机构发布的核心内容还有2026年中文大模型基准测评报告、AI Agent行业研究报告等帮你站在行业前沿把握技术风口。5、大模型项目实战配套源码项目包含Deepseek R1、GPT项目、MCP项目、RAG实战等热门方向还有视频配套代码手把手教你从0到1完成项目开发既能练手提升技术又能丰富简历为求职和职业发展加分。6、2026大模型大厂面试真题2026年大模型面试已全面升级不再单纯考察基础原理而是转向侧重技术落地和业务结合的综合考察很多程序员和新手因为缺乏针对性准备明明技术不错却在面试中失利。适用人群四阶段学习规划共90天可落地执行第一阶段10天初阶应用该阶段让大家对大模型 AI有一个最前沿的认识对大模型 AI 的理解超过 95% 的人可以在相关讨论时发表高级、不跟风、又接地气的见解别人只会和 AI 聊天而你能调教 AI并能用代码将大模型和业务衔接。大模型 AI 能干什么大模型是怎样获得「智能」的用好 AI 的核心心法大模型应用业务架构大模型应用技术架构代码示例向 GPT-3.5 灌入新知识提示工程的意义和核心思想Prompt 典型构成指令调优方法论思维链和思维树Prompt 攻击和防范…第二阶段30天高阶应用该阶段我们正式进入大模型 AI 进阶实战学习学会构造私有知识库扩展 AI 的能力。快速开发一个完整的基于 agent 对话机器人。掌握功能最强的大模型开发框架抓住最新的技术进展适合 Python 和 JavaScript 程序员。为什么要做 RAG搭建一个简单的 ChatPDF检索的基础概念什么是向量表示Embeddings向量数据库与向量检索基于向量检索的 RAG搭建 RAG 系统的扩展知识混合检索与 RAG-Fusion 简介向量模型本地部署…第三阶段30天模型训练恭喜你如果学到这里你基本可以找到一份大模型 AI相关的工作自己也能训练 GPT 了通过微调训练自己的垂直大模型能独立训练开源多模态大模型掌握更多技术方案。到此为止大概2个月的时间。你已经成为了一名“AI小子”。那么你还想往下探索吗为什么要做 RAG什么是模型什么是模型训练求解器 损失函数简介小实验2手写一个简单的神经网络并训练它什么是训练/预训练/微调/轻量化微调Transformer结构简介轻量化微调实验数据集的构建…第四阶段20天商业闭环对全球大模型从性能、吞吐量、成本等方面有一定的认知可以在云端和本地等多种环境下部署大模型找到适合自己的项目/创业方向做一名被 AI 武装的产品经理。硬件选型带你了解全球大模型使用国产大模型服务搭建 OpenAI 代理热身基于阿里云 PAI 部署 Stable Diffusion在本地计算机运行大模型大模型的私有化部署基于 vLLM 部署大模型案例如何优雅地在阿里云私有部署开源大模型部署一套开源 LLM 项目内容安全互联网信息服务算法备案…扫码免费领取全部内容7、这些资料真的有用吗这份资料由我和鲁为民博士(北京清华大学学士和美国加州理工学院博士)共同整理现任上海殷泊信息科技CEO其创立的MoPaaS云平台获Forrester全球’强劲表现者’认证服务航天科工、国家电网等1000企业以第一作者在IEEE Transactions发表论文50篇获NASA JPL火星探测系统强化学习专利等35项中美专利。本套AI大模型课程由清华大学-加州理工双料博士、吴文俊人工智能奖得主鲁为民教授领衔研发。资料内容涵盖了从入门到进阶的各类视频教程和实战项目无论你是小白还是有些技术基础的技术人员这份资料都绝对能帮助你提升薪资待遇转行大模型岗位。这份完整版的大模型 AI 学习资料已经上传CSDN朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】
