本文分享Product Manager Skills开源方法论库，帮助PM摆脱“传话”困境。通过46个可复用技能、6个工作流，结合AI工具，将PM工作结构化、方法化。涵盖组件技能（如用户故事、定位陈述）、交互式技能（如优先级排序框架选择）和工作流技能（如产品策略制定），让AI成为你的得力助手，提升产品决策能力。
一个PM的深夜自白
凌晨两点，我盯着屏幕上的PRD文档发呆。
老板说要做"用户增长"，那就写个PRD；
工程师说实现太复杂，那就改需求；
设计师说交互有问题，那就重新改…
多年过去了。我好像什么都没学会。
这不是一个PM的故事，这是无数PM的真实处境。
PM困境：为什么你总是在"传话"？
我们来看一个典型的PM一天：
早上9点
产品评审会，老板说"这个季度要重点做用户留存"。
你问：“具体指哪个指标？留存的定义是什么？”老板：“就是留存啊，你们自己想想。”
下午2点
工程师找你：“这个需求实现不了，太复杂了。”
你问：“能不能换个方式？”工程师：“你去找老板说吧。”
下午4点
设计师给你发消息：“这个交互有问题，用户会困惑。”
你看了看：“好像是，那就改吧。”
设计师：“那逻辑怎么走？”你：“我问问老板…”
晚上8点
你在写PRD，第三次重写。因为老板又改主意了。
这不是你的错，是整个行业的错
PM这个职位，从诞生之日起就没有标准。
程序员有代码能力，设计师有审美能力，销售有沟通能力。
PM的能力是什么？“协调能力”？“沟通能力”？
这些能力太虚了，虚到没人能说清楚一个PM到底应该会什么。
所以才有了这个困境：
- • 老板觉得PM就是"传话的"
- • 工程师觉得PM就是"改需求的"
- • 设计师觉得PM就是"改稿的"
- • PM自己也不知道自己该干嘛
Product Manager Skills 是什么？
Product Manager Skills 是一个开源的PM方法论库，作者是 Dean Peters。
它的核心理念：把PM工作分解成可复用的"技能"，而不是靠"经验"和"感觉"。
这套框架包含：
- •46个经过验证的PM技能（Component + Interactive）
- •6个工作流（跨越多天的完整流程）
- •可运行在Claude Code、OpenClaw等AI Agent上
核心架构：三层技能体系
第一层：Component Skills（组件技能）—— 20个
解决什么问题：格式焦虑
你有没有过这种经历：
“老板让我写个PRD”
“PRD怎么写？有什么模板吗？”
“就正常写啊…”
Component Skills 就是把PM日常需要的产出物，全部模板化。
| 技能 | 它解决的问题 |
|---|---|
| 用户故事 | “怎么写用户需求？” |
| 定位陈述 | “怎么一句话说清产品？” |
| 竞争对手分析 | “竞品那么多，从哪开始？” |
| 定价策略 | “这个功能该收多少钱？” |
| PRDs | “需求文档的结构是什么？” |
| 问题陈述 | “怎么清晰定义一个问题？” |
| 人物角色 | “用户那么多，我怎么理解他们？” |
关键洞察：每个模板背后都有一套经过验证的方法论。
第二层：Interactive Skills（交互式技能）—— 20个
解决什么问题：选择焦虑
“我知道要做优先级排序，但用什么框架？RICE？ICE？Kano？”
这是这套框架最有价值的部分。
大多数PM工具只告诉你"用什么模板"。Interactive Skills 告诉你"在什么情况下应该用什么工具"。
工作方式：AI问你情境问题 → 你回答 → AI推荐最适合的方案 → 你选择 → AI执行
举个例子：优先级决策
传统做法：
你：“我觉得这个重要，先做。”同事：“凭什么你觉得？”
用 priority-advisor：
AI：“你们产品现在处于什么阶段？”
你：“探索期，用户规模还很小”
AI：“你们有多少历史数据？”
你：“不多，才上线3个月”AI：“基于你的情况，推荐ICE框架，而不是RICE。因为RICE需要历史数据计算Reach，但你们还没有足够数据。”
这就是差异：不是给你一个框架让你自己选，而是根据你的情况告诉你该用什么。
第三层：Workflow Skills（工作流技能）—— 6个
解决什么问题：系统性
单个技能解决单点问题，但真实PM工作往往跨越多天、多阶段。
Workflow Skills 就是把完整的PM工作流程模板化。
| 工作流 | 时长 | 解决的问题 |
|---|---|---|
| 产品策略会话 | 2-4周 | “我怎么制定一个产品策略？” |
| 发现流程 | 3-4周 | “我怎么了解用户真正的问题？” |
| PRD开发 | 2-4天 | “我怎么把一个想法写成需求？” |
| 执行启动 playbook | 90天 | “新产品上线该怎么推进？” |
| 路线图规划 | 1-2周 | “我怎么规划一个季度的版本？” |
拿"产品策略会话"举个例子：
Week 1: 定位澄清
- • AI引导你定义：你的目标用户是谁？不是谁？
- • AI引导你分析：你的竞争对手是谁？他们的优劣？
- • AI引导你找到：你的差异化机会在哪里？
Week 2-3: 问题探索
- • AI教你用MECE框架梳理问题结构
- • AI引导你识别假设，并设计验证方式
- • AI帮你区分"用户说的"和"用户做的"
Week 4: 路线图制定
- • AI基于前面洞察，帮你确定优先级
- • AI帮你把大的Epic拆解成可执行的Sprint
- • AI帮你准备给老板看的沟通材料
这不是AI替你做PM，而是AI像顾问一样引导你像PM一样思考。
深度拆解：几个关键技能
1. 优先级顾问（Priority Advisor）
PM最常说的话之一：“这个很重要。”
但"重要"不是一个可衡量的标准。
优先级顾问告诉你：
RICE框架适用条件：
- • 有足够历史数据计算Reach
- • 团队相对成熟
- • 需要向利益相关者证明决策合理性
ICE框架适用条件：
- • 早期产品，数据不足
- • 需要快速迭代验证
- • 团队较小，可以快速决策
Kano框架适用条件：
- • 功能已经存在，需要优化
- • 想了解用户对不同功能的满意度
- • 有资源做用户调研
它不是在教你背框架，而是在教你"什么时候用什么框架"。
2. 用户故事（User Story）
大多数PM写的"用户故事"是这样的：
作为用户，我想要登录功能，以便使用产品
这不是用户故事，这是功能描述。
真正的用户故事应该包含：
作为 [用户角色]我想 [完成某个任务]以便 [达成某个目标]验收标准：1. [可衡量的结果]2. [可测试的场景]3. [边界条件]好的用户故事 = 角色 + 任务 + 目标 + 可验证的验收标准
3. 问题陈述（Problem Statement）
这是被大多数PM忽视的一个技能。
在你开始解决问题之前，你真的理解问题是什么吗？
大多数PM的做法：
老板：“用户流失严重”PM：“好的，我去做一个留存功能”
Product Manager Skills 的做法：
我们观察到 [可量化的问题]例如 [具体数据]这影响了 [影响范围]因为 [根本原因假设]我们需要 [可能的解决方向]在你开始"做功能"之前，先把"问题"定义清楚。
4. 发现访谈（Discovery Interview）
大多数公司的"用户访谈"是这样的：
PM：“你好，我是产品经理，想了解一下你对我们产品的看法”
用户：“挺好的”
PM：“哪里觉得好？”
用户：“都挺好的”…（30分钟后什么都没问到）
问题出在哪里？
- 问的是"看法"而不是"行为"
- 用户说不清楚自己的想法
- PM不会追问
Product Manager Skills 教你：
1. 问行为，不问态度
❌ “你觉得这个功能好用吗？”
✅ “上次你用这个功能是为了完成什么任务？花了多长时间？”
2. 问过程，不问结论
❌ “你会用这个功能吗？”
✅ “你平时遇到XX问题时怎么做？”
3. 追问"然后呢"
用户：“我在网上看到产品，然后就注册了”
追问：“然后呢？你做了什么？”用户：“然后看了看，不知道干嘛，就走了”
这才是真实的用户旅程。
为什么这个框架值得学习？
1. 方法论来自实战
这套框架不是学术界闭门造车出来的。
作者服务过 Intercom、Amplitude、Superhuman 等公司。里面每一个技能都是经过真实PM工作验证的。
2. 为AI时代设计
传统的PM方法论是给人看的。
这套框架是给AI Agent看的。
这意味着：AI可以像顾问一样，引导你完成整个PM工作流程。
3. 增量式学习
传统学习方式：先学完所有方法论，再去做PM。
这套框架的方式：遇到什么问题，就学什么技能。
你不需要成为方法论专家才能做PM。
如何开始？
第一步：从一个问题开始
不要想着"学完所有技能"。从你当前最痛的问题开始：
- • 不知道怎么做优先级？→ 运行 priority-advisor
- • 不知道怎么做用户访谈？→ 运行 discovery-interview-prep
- • 不知道怎么做策略？→ 启动 product-strategy-session
第二步：让AI引导你
不要自己硬想，让AI问你问题，引导你思考。
写在最后
PM这个职位，从来就没有"标准答案"。
但这不意味着我们应该放弃方法论。
Product Manager Skills 告诉我们：PM工作可以被结构化、方法化、工具化。
你不需要靠"直觉"和"经验"做PM，你可以像工程师写代码一样，有模板、有流程、有工具。
当你的决策有据可依，你就不再是"传话的"，而是真正在"做产品"。
那么如何学习大模型 AI ？
对于刚入门大模型的小白，或是想转型/进阶的程序员来说，最头疼的就是找不到系统、全面的学习资源，要么零散不成体系，要么收费高昂，白白浪费时间走弯路。今天就给大家精心整理了一份全面且免费的AI大模型学习资源包，覆盖从入门到实战、从理论到面试的全流程，所有资料均已整理完毕，免费分享给各位！
核心包含：AI大模型全套系统化学习路线图（小白可直接照做）、精品学习书籍+电子文档、干货视频教程、可直接上手的实战项目+源码、2026大厂面试真题题库，一站式解决你的学习痛点，不用再到处搜集拼凑！
👇👇扫码免费领取全部内容👇👇
1、大模型系统化学习路线
学习大模型，方向比努力更重要！很多小白入门就陷入“盲目看视频、乱刷资料”的误区，最后越学越懵。这里给大家整理的这份学习路线，是结合2026年大模型行业趋势和新手学习规律设计的，最科学、最系统，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。
2、大模型学习书籍&文档
理论是实战的根基，尤其是对于程序员来说，想要真正吃透大模型原理，离不开优质的书籍和文档支撑。本次整理的书籍和电子文档，均由大模型领域顶尖专家、大厂技术大咖撰写，涵盖基础入门、核心原理、进阶技巧等内容，语言通俗易懂，既有理论深度，又贴合实战场景，小白能看懂，程序员能进阶，为后续实战和面试打下坚实基础。
3、AI大模型最新行业报告
无论是小白了解行业、规划学习方向，还是程序员转型、拓展业务边界，都需要紧跟行业趋势。本次整理的2026最新大模型行业报告，针对互联网、金融、医疗、工业等多个主流行业，系统调研了大模型的应用现状、发展趋势、现存问题及潜在机会，帮你清晰了解哪些行业更适合大模型落地，哪些技术方向值得重点深耕，避免盲目学习，精准对接行业需求。值得一提的是，报告还包含了多模态、AI Agent等前沿方向的发展分析，助力大家把握技术风口。
4、大模型项目实战&配套源码
对于程序员和想落地能力的小白来说，“光说不练假把式”，只有动手实战，才能真正巩固所学知识，将理论转化为实际能力。本次整理的实战项目，涵盖基础应用、进阶开发、多场景落地等类型，每个项目都附带完整源码和详细教程，从简单的ChatPDF搭建，到复杂的RAG系统开发、大模型部署，难度由浅入深，小白可逐步上手，程序员可直接参考优化，既能练手提升技术，又能丰富简历，为求职和职业发展加分。
5、大模型大厂面试真题
2026年大模型面试已从单纯考察原理，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。为此，我精心整理了各大厂最新大模型面试真题题库，涵盖基础原理、Prompt工程、RAG系统、模型微调、部署优化等核心考点，不仅有真题，还附带详细解题思路和行业踩坑经验，帮你精准把握面试重点，提前做好准备，面试时从容应对、游刃有余。
6、四阶段精细化学习规划（附时间节点，可直接照做）
结合上述资源，给大家整理了一份可直接落地的四阶段学习规划，总时长约2个月，小白可循序渐进，程序员可根据自身基础调整节奏，高效掌握大模型核心能力，快速实现从“入门”到“能落地、能面试”的跨越。
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👇👇
3、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】
