agentsclimarketplace

Pm docs

Skill konglong87/superPM/skills/02-solution-design/pm-docs

专为产品经理设计的 AI工具 Skills技能,一键实现全生命周期的产品管理工作流。skills frame for superPM!

Install
npx -y skills add konglong87/superPM --skill pm-docs

Assembled from the repository path, not quoted from the project. Check it against their README if it does not work.

What its author says it does

Copied from the file, not written here

Use when: 需要输出PRD/BRD/MRD产品文档、方案文档、商业计划文档、需要文档模板 Do NOT auto-select when: 用户用自然语言说"写需求文档""写PRD""帮我设计需求"等新产品请求 → 这些必须先路由到 start-super-pm Direct slash-command use is allowed: 用户显式输入 /pm-docs 时可直接进入,但必须通过本 skill 的前置门禁 Do NOT use when: 文档已完备无需生成、仅需口头讨论无需书面输出

SKILL.md

11.8 KB, as published. Nobody here has run it

Preamble (run first)

bash "$(dirname "${BASH_SOURCE[0]}")"/check-update.sh 2>/dev/null || true
# 读取技能包版本号
SKILL_ROOT="$(cd "$(dirname "${BASH_SOURCE[0]}")" 2>/dev/null && pwd)" || true
if [ -f "$SKILL_ROOT/VERSION" ]; then echo "📦 super-pm $(cat "$SKILL_ROOT/VERSION")"; fi
# 创建方案设计目录
mkdir -p docs/02-方案设计

# 检查前置文档
echo "📊 正在检查前置文档..."

if [ -f "docs/01-需求调研/MVP方案.md" ]; then
  echo "✅ MVP方案 - 已找到"
else
  echo "⏳ MVP方案 - 未找到"
fi

if [ -f "docs/01-需求调研/需求调研报告.md" ]; then
  echo "✅ 需求调研报告 - 已找到"
else
  echo "⏳ 需求调研报告 - 未找到"
fi

if [ -f "docs/01-需求调研/市场调研报告.md" ]; then
  echo "✅ 市场调研报告 - 已找到"
else
  echo "⏳ 市场调研报告 - 未找到"
fi

前置门禁

无论从哪个入口进入,都必须执行前置文档检查:

  1. 检查 docs/01-需求调研/ 中是否有 MVP方案(黄金路径的必要前置)
  2. 如果有 MVP方案 → 读取文档,判断是否与当前用户描述的产品相关
    • 相关 → 前置已满足,继续执行
    • 不相关 → 停止,建议先完成前置流程
  3. 如果没有 MVP方案 → 停止,建议先执行 /pm-brainstorm/pm-demand/pm-mvp

不得在门禁不满足时生成文档。


跨 Agent 交互规则

当流程要求与用户交互时:

  1. 如果当前环境支持 AskUserQuestion,使用 AskUserQuestion(最佳体验)。
  2. 如果当前环境不支持 AskUserQuestion,必须用普通聊天消息提出同样问题。
  3. 一次只问一个问题。
  4. 提问后必须停止当前回合,等待用户回答(STOP and WAIT)。
  5. 不得在用户回答前生成文档、写入 docs。
  6. 已有 docs 文件不能替代本轮用户回答。

执行流程

步骤 1: 确定文档类型(主 agent - 用户交互)

使用 AskUserQuestion 询问:

您希望生成哪些文档?

A) 仅 PRD - 产品需求文档 B) 仅 BRD - 商业需求文档 C) 仅 MRD - 市场需求文档 D) PRD + BRD + MRD(全套文档,推荐) E) 让我推荐(根据项目状态自动选择)

💡 提示:选择"D"可并行生成全套文档,效率提升 3x

用户选择后,记录到变量 DOC_TYPES(数组)


步骤 2: 读取前置数据(主 agent)

读取所有可能需要的前置文档

# 主 agent 一次性读取所有前置文档
required_docs=(
  "docs/01-需求调研/MVP方案.md"
  "docs/01-需求调研/需求调研报告.md"
  "docs/01-需求调研/市场调研报告.md"
  "docs/01-需求调研/确认需求清单.md"
  "docs/01-需求调研/优先级排序报告.md"
)

for doc in "${required_docs[@]}"; do
  if [ -f "$doc" ]; then
    # 使用 Read 工具读取
    echo "读取 $doc"
  fi
done

构建上下文摘要(避免占用大量上下文):

提取关键信息:

  • 产品名称
  • 目标用户
  • 核心功能
  • MVP范围
  • 市场数据
  • 商业目标

将关键信息存储为结构化数据,准备传递给 subagent。


步骤 3: 并行派发 subagent 生成文档(核心优化)

优化说明

  • 主 agent 一次性派发多个 subagent
  • 每个 subagent 负责生成一个文档
  • 文档生成细节不占用主 agent 上下文
  • 所有文档并行生成

3.1 构建 subagent 任务

如果用户选择"全套文档"

准备 3 个并行 subagent 任务:

[
  {
    "task_id": "generate_prd",
    "doc_type": "PRD",
    "required_data": [
      "产品名称",
      "目标用户",
      "MVP功能列表",
      "用户需求",
      "优先级排序"
    ]
  },
  {
    "task_id": "generate_brd",
    "doc_type": "BRD",
    "required_data": [
      "产品名称",
      "商业模式",
      "市场数据",
      "成本分析",
      "盈利预测"
    ]
  },
  {
    "task_id": "generate_mrd",
    "doc_type": "MRD",
    "required_data": [
      "产品名称",
      "市场调研数据",
      "用户画像",
      "竞品分析",
      "市场机会"
    ]
  }
]

3.2 使用 Agent 工具并行派发

并行派发 3 个 subagent(关键优化):

# 同时启动 3 个 subagent
使用 Agent 工具,参数:

Agent 1:
  subagent_type: "general-purpose"
  description: "生成 PRD 文档"
  prompt: |
    你是一个产品文档专家。请生成 PRD(产品需求文档)。

    **输入数据**:
    {从步骤2提取的关键信息}

    **要求**:
    1. 使用 Write 工具生成文档到 `docs/02-方案设计/PRD产品需求文档.md`
    2. 包含以下章节:
       - 产品概述
       - 目标用户
       - 功能需求(基于MVP方案)
       - 非功能需求
       - 交互流程
       - 数据埋点
    3. 基于前置数据填充内容,不要虚构
    4. 标注数据来源

    **输出**:返回生成的文档路径

Agent 2:
  subagent_type: "general-purpose"
  description: "生成 BRD 文档"
  prompt: |
    你是一个商业分析专家。请生成 BRD(商业需求文档)。

    **输入数据**:
    {从步骤2提取的关键信息}

    **要求**:
    1. 使用 Write 工具生成文档到 `docs/02-方案设计/BRD商业需求文档.md`
    2. 包含以下章节:
       - 商业目标
       - 商业模式
       - 盈利方式
       - 成本分析
       - 收益预测
    3. 基于前置数据填充内容

    **输出**:返回生成的文档路径

Agent 3:
  subagent_type: "general-purpose"
  description: "生成 MRD 文档"
  prompt: |
    你是一个市场分析专家。请生成 MRD(市场需求文档)。

    **输入数据**:
    {从步骤2提取的关键信息}

    **要求**:
    1. 使用 Write 工具生成文档到 `docs/02-方案设计/MRD市场需求文档.md`
    2. 包含以下章节:
       - 市场概述
       - 用户画像
       - 竞品分析
       - 市场机会
       - 进入策略
    3. 基于市场调研数据填充

    **输出**:返回生成的文档路径

主 agent 等待所有 subagent 完成


步骤 4: 收集结果并验证(主 agent)

主 agent 收集所有 subagent 的返回结果

{
  "generated_docs": [
    {
      "doc_type": "PRD",
      "path": "docs/02-方案设计/PRD产品需求文档.md",
      "status": "success",
      "size": "15KB"
    },
    {
      "doc_type": "BRD",
      "path": "docs/02-方案设计/BRD商业需求文档.md",
      "status": "success",
      "size": "12KB"
    },
    {
      "doc_type": "MRD",
      "path": "docs/02-方案设计/MRD市场需求文档.md",
      "status": "success",
      "size": "10KB"
    }
  ]
}

验证文档

  • 检查文件是否存在
  • 检查文件大小是否合理
  • (可选)读取文档开头验证格式

步骤 5: 生成汇总报告(主 agent)

使用 Write 工具生成汇总报告:

# 文档生成报告

## 生成概况

**生成时间**: {时间}
**文档数量**: 3 个
**总耗时**: {并行执行时间}

## 文档清单

### 1. PRD - 产品需求文档
- **路径**: docs/02-方案设计/PRD产品需求文档.md
- **大小**: 15KB
- **状态**: ✅ 生成成功
- **包含章节**: 产品概述、目标用户、功能需求、非功能需求、交互流程、数据埋点

### 2. BRD - 商业需求文档
- **路径**: docs/02-方案设计/BRD商业需求文档.md
- **大小**: 12KB
- **状态**: ✅ 生成成功
- **包含章节**: 商业目标、商业模式、盈利方式、成本分析、收益预测

### 3. MRD - 市场需求文档
- **路径**: docs/02-方案设计/MRD市场需求文档.md
- **大小**: 10KB
- **状态**: ✅ 生成成功
- **包含章节**: 市场概述、用户画像、竞品分析、市场机会、进入策略

## 数据来源

- MVP方案
- 需求调研报告
- 市场调研报告
- 优先级排序报告

## 下一步建议

建议执行:
1. /pm-proto - 基于PRD设计原型
2. /pm-tech - 基于PRD对接技术方案
3. /pm-data - 设计数据指标体系

对比:优化前 vs 优化后

优化前(pm-docs v1)

主 agent 执行流程:
1. 询问用户(10 tokens)
2. 读取前置数据(200 tokens)
3. 生成 PRD(3000 tokens 内容)
4. 生成 BRD(2500 tokens 内容)
5. 生成 MRD(2000 tokens 内容)
6. 生成汇总(100 tokens)

总计:7810 tokens
耗时:串行执行,约 10-15 分钟
上下文占用:文档内容全量占用

优化后(pm-docs-v2)

主 agent 执行流程:
1. 询问用户(10 tokens)
2. 读取前置数据(200 tokens)
3. 派发 3 个 subagent(50 tokens)
   ├─ Subagent 1: 生成 PRD(不占用主 agent)
   ├─ Subagent 2: 生成 BRD(不占用主 agent)
   └─ Subagent 3: 生成 MRD(不占用主 agent)
4. 接收结果(150 tokens 结构化数据)
5. 生成汇总(100 tokens)

总计:510 tokens
耗时:并行执行,约 3-5 分钟
效率提升:93% token 节省,3x 速度提升

关键优化点

1. 并行执行

v1: PRD → BRD → MRD(串行)
v2: PRD
    ├─ BRD  (并行)
    └─ MRD

2. 上下文节省

  • ✅ 文档内容不占用主 agent 上下文
  • ✅ 主 agent 只处理文档路径和元数据
  • ✅ Token 使用减少 93%

3. 异常处理

如果某个 subagent 失败

  1. 主 agent 检测到失败
  2. 提供选项:
    • A) 重试失败的文档
    • B) 手动补充
    • C) 跳过该文档
  3. 继续处理其他成功的文档

注意事项

何时使用并行模式

适合并行

  • 生成多个文档(PRD + BRD + MRD)
  • 文档之间相对独立
  • 有充足的前置数据

不适合并行

  • 只生成单个文档
  • 文档之间强依赖(如 PRD 依赖 BRD 的结果)
  • 前置数据缺失

单文档模式

如果用户只选择生成一个文档:

  • 使用单个 subagent 执行
  • 仍然节省上下文(文档内容不占用主 agent)

版本说明

v2.0.0 - Subagent 架构重构

  • 新增 Agent 工具支持
  • 文档生成并行化
  • 主 agent 上下文优化 93%
  • 效率提升 3x

v1.0.0 - 初始版本

  • 基础文档生成功能
  • 串行执行

输出质量对比

✅ Good 示例

- 有数据引用:「根据 Q4 数据,留存率从 35% 降至 28%」
- 有验证来源:「数据来源:Google Analytics, 2025-12-01」
- 有明确建议:「建议将新手引导步骤从 5 步减少至 3 步」

❌ Bad 示例

- 模糊结论:「数据表明留存率有所下降」
- 无来源:「根据经验,这个功能很重要」
- 没有行动建议:「留存是个问题」

常见误区 / Red Flags — STOP

出现以下情况立即停止并回溯:

误区正确做法
使用"应该"、"大概"、"看起来"做结论必须基于实际数据和验证
未运行检查就声称已完成先验证,再陈述
因时间紧迫跳过关键步骤没有例外,时间紧更要严格
"这次应该没问题"的想法每次都要重新验证

产出质量检查 / Verification Checklist

  • 前置依赖已满足(输入文档/数据已收集)
  • 核心步骤已全部执行
  • 输出文档已生成到 docs/ 目录
  • 每个判断都有数据/证据支撑
  • 已推荐 2-3 个后续 skill

⚠️ 任何一项未通过 → 补全后再标记完成。


Keep looking

Skills are one crate of 328,083. Ordering is by how many stacks a row turns up in, so the top of any crate is what has actually been picked rather than what has the most stars.