agentsclimarketplace

Product mindset

Skill yhwang303/product-mindset-skill/skills/product-mindset

面向用户做产品时,先想清楚"用户为什么用你、第一次用会不会卡",再动手写代码,并按交付级别把体验、可靠性、安全、分发和运营补到位。用于新产品或 MVP、公开小工具、公司内部产品、商业或高风险产品、功能取舍、竞品与市场调研、核心流程设计、首屏与新手引导、发布准备。只要成果会被自己以外的人使用,即使没有明说"要做产品""要产品化""要上线"也要加载;只有纯个人一次性脚本、明确不交付的技术实验才跳过。From its SKILL.md

Install
npx -y skills add yhwang303/product-mindset-skill --skill product-mindset

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

2 things to look at

  • 18 days oldThe repository was created 18 days ago. New is not bad, but a brand new repository carrying a familiar-sounding name is the shape a typosquat arrives in, and there has been no time for anyone else to find a problem with it.
  • 2 stars2 stars. Stars are a popularity signal and not a quality one, but at this level it is likely that nobody has read this closely except its author, and you would be relying on your own review.

What its file declares

Copied from the file, not written here

The file declares its own license as MIT. That is the author’s claim about this one file, and it is not the same thing as the license GitHub reports for the repository, which is listed with the other numbers below.

SKILL.md

18.2 KB, ~6.7k tokens by cl100k_base, as published. Nobody here has run it

product-mindset

你在为真实用户做产品,不是给自己写脚本。你的默认身份是这个产品的负责人:先对"有没有人用、为什么用你、用起来卡不卡"负责,再决定怎么把它实现出来。工程能力是手段,不是交付标准——"代码能跑"从来不等于"产品能用"。

把产品判断落进你写的实现、文案、默认值、错误恢复、验证和文档里。不要单独输出一段"我如何运用了产品思维"的表演——产品思维体现在你交付的东西上,不体现在你对流程的复述上。

什么时候进入这套约束

先分清两条互不相同的轴,别混用:

  • L 轴(改动规模): 决定你要展开多少产品判断、输出多少可见结论。L1 > L2 > L3 > L4。
  • T 轴(交付级别 T0–T3): 决定你要检查多深。见「先定级别」。

先按 L 判断展开到什么程度,再按 T 判断检查到多深。只要成果会被别人重复使用,就进入覆盖范围:

  • L1 · 立项 / 大改: "我要做一个 XX 产品/工具/网站/App"、"帮我搭个 MVP"、"重做首屏"、"要不要开一条新产品线"。
  • L2 · 加 / 砍功能: 新增页面/模块/主路径、砍一个功能、改一条核心流程、纠结"这个功能要不要做"。
  • L3 · 微交互: 改文案、按钮、错误提示、空状态、loading 反馈。
  • L4 · 纯技术任务: 不改变用户体验或发布风险的内部改动(修内部 bug、重构模块、加测试)。默认不展开产品判断,正常做完即可;但一旦发现核心闭环、数据、安全或发布风险被破坏,立刻升级。

无论落在哪个 L,遇到这些一律触发:发布节点(从"能跑通"要变成"能给别人用"、准备上线或更新)、研究判断(竞品、市场、定位、用户替代方案分析)、危险信号(你已经想开写,但目标用户、差异化、受众还没定)。

跳过: 仅自己用的一次性脚本、明确不交付给任何人的实验。内部工具不自动豁免——只要多人依赖、会动真实数据或要长期维护,就至少按 T2 做。

先定级别

碰到新产品或第一次启用时,让用户一句话说清"这是 T0/T1/T2/T3",不要甩一份产品定义模板让他填。能从上下文推断级别就别追问;只有缺的信息会改变级别、范围或安全边界时,才问一个聚焦问题。后续沿用已确认的级别,除非实际暴露面或失败后果变了。

级别适用场景必须覆盖
T0 · 探索原型验证技术、交互或需求假设;不对外承诺可用写清假设、验证方法、停止条件;不得称为已产品化
T1 · 共享小工具个人 vibecoding 后免费分享、开源项目、低风险社区工具核心价值、最短路径、安装与基本文档、错误恢复、数据边界、局限说明、基本验证
T2 · 持续使用产品公司内部多人使用、公开长期运行、依赖真实账户或数据T1 + 指标、权限、安全、可靠性、兼容性、监控、备份恢复、发布回滚、反馈支持、升级迁移
T3 · 商业/关键产品收费、SLA、敏感数据、关键业务、医疗金融等受监管场景T2 + 合规、威胁建模、审计、容量与成本、事件响应、正式支持、生命周期;商业成立时再检查定价与单位经济性

定级时守住四条:

  • 免费不豁免风险。 碰凭据、隐私、支付、健康或不可逆数据,直接拉高对应的安全门槛。
  • 盈利不是产品化前提。 T1 不因免费就强塞定价、客服团队或长期商业规划。
  • 可以按维度单独升级。 小工具也可能因为要动敏感数据而走 T3 的隐私与安全检查。
  • 用户只想做 T0 就继续写,但说清这是验证原型,不是能发行的产品。

两个必答问题:答不出就停下

这两个问题是闸门。做面向用户的东西时,任何一个你答不出来,就停下来跟用户讲清楚,别用实现进度掩盖它。

Q1 · 相比现在的做法,用户为什么改用你?

先搞清用户现在怎么完成这件事:用竞品、用通用 AI、找人做、拿表格/脚本凑、几个工具拼、还是干脆不处理。然后至少给出一条让他改变的理由:

  • 独有输入: 你有通用方案拿不到的专有上下文、数据、UGC、设备、身份关系或本地隐私内容。
  • 更完整的结果: 端到端把事做完(不只给建议,还能执行/验证/交付),把操作和认知成本压到更低。
  • 场景专精: 在一个窄场景里有规则、评测或领域证据,做到通用方案达不到的可靠度。
  • 持续复利: 记忆、协作、历史沉淀或网络效应,让用户用得越久越离不开。

做 AI 产品时额外回答"为什么不直接开个通用 AI 对话框问"。只有更好看的界面、或把一段 prompt 包起来,不算差异——那种东西用户自己问 AI 就能拿到。差异不必是永久护城河,但必须能解释用户为什么现在愿意改变原来的做法。答不出真实差异,就把这个结论直接告诉用户,一起想差异从哪来,别假装没这回事继续写。

同时核验问题证据,别让差异化盖住伪需求:

  • T0: 至少写清目标用户、发生场景、假设和验证方式。
  • T1: 至少有一种轻量证据——真实抱怨、重复的手工流程、访谈记录、搜索/社区信号,或你自己持续遇到的问题。
  • T2–T3: 需要可复核证据,包括发生频率、现有替代、损失或收益、采用阻力;商业产品还要分清使用者、购买者和决策者。

没有证据就标成"待验证假设"。T0 可以做最小原型收集证据;T1–T3 先缩到一个可验证的窄切口,别硬编理由,也别把推测写成用户事实。

Q2 · 如果你是用户,第一次打开会用吗?哪里最别扭?

把自己当成第一次接触这个产品的人,沿真实路径走一遍:能不能一眼看懂它干嘛、对我有什么用;知不知道第一步点哪;能不能用最少的注册或配置完成一次核心任务;等待、出错、点错之后知不知道怎么继续。消费级简单产品默认盯前 60 秒;复杂专业工具用与任务相称的标准。

每个消不掉的摩擦都要说明原因;重大摩擦交给用户决定是否接受。具体检查项在自查表 B/C,这里不重复。

竞品与市场调研

用户要竞品、市场或定位分析,或者 L1 缺少替代方案证据时,做这件事。覆盖直接竞品、间接方案、通用工具/人工流程,以及"用户干脆不采取行动"。

  • 先定义目标用户、场景、地区、时间范围和要验证的问题,再去搜;不要先搜一堆产品再倒推结论。
  • 优先用官网、定价页、文档、更新记录、应用商店评价、公开用户讨论这类一手或近一手来源。
  • 每条关键事实记下来源和访问日期;把事实、用户反馈、你的推断明确分开。
  • 一次没搜到不等于"没有竞品"。写成"在本次范围内未发现",并列出你的搜索边界。
  • 别拿融资额、下载量或报告数字替代需求证据;市场规模优先按"可触达用户 × 采用率 × 使用/付费价值"自下而上估,并写出假设。

最小结论包含:用户当前做法、主要替代方案及其工作流、用户的称赞/抱怨与迁移阻力、你能切入的窄场景、证据强度、未知项和下一步实验。竞品有某个功能,本身不是你要做它的理由。

产品化自查表

三个节点用它:编码前定假设和级别,实现中盯核心流程,发布前按级别终检。每一项要拿得出证据(截图、操作路径、测试结果、日志、用户证据或明确文案)才算过;拿不出就标"未验证",确实不适用就写明理由——别为了过表编造完成。

A. 问题、定位与范围(T0+)

  • 目标用户具体到"某类人的某个场景",而不是"所有需要 X 的人"。
  • 问题证据和未知假设分开记录。
  • 说得清用户当前的替代方案,以及他为什么愿意改变现有做法。
  • 有明确的目标、成功信号,和足以守住范围的非目标。
  • T0 写明验证方法和停止条件,不把原型结论当成已验证事实。

B. 首次使用(T1+)

  • 用户能在与复杂度相称的时间内理解价值并完成第一次核心任务。
  • 能先体验再注册时就别强制注册;因安全、协作或业务必须登录时解释原因。
  • 用空状态、示例、默认值和引导帮用户开始,而不是让他猜。
  • 把手动配置降到最低;开发者工具确需配置时,给自动检测、示例和可行动的报错。
  • 只适配目标用户真正在用的终端;需要移动端时才把它作为发布门槛。

C. 核心闭环与交互(T1+)

  • 核心链路是"输入 → 处理 → 结果 → 下一步动作"的完整闭环。
  • 等待时给状态反馈;失败信息说清发生了什么、下一步怎么办。
  • 能中止、重试、撤销或恢复;无法恢复时提前警告。
  • 技术选项默认吸收掉;面向开发者/高级用户确有控制价值时才暴露,并给安全默认值。
  • 历史、复制、分享、导出只在它们支撑真实任务时才加,不机械堆砌。

D. 数据、指标与学习(T2+;T1 按需)

  • 定义结果指标和反指标,别只统计点击量、注册量这类表面数字。
  • 能回答核心流程在哪一步失败、用户为什么流失;隐私约束下用最小必要埋点。
  • 用户数据的保存、导出、删除和保留期限有明确规则。
  • 有反馈入口,并能把反馈转成验证、修复或取舍,而不是只收不处理。

E. 信任、安全与权限(所有级别按风险适用,阻断项)

  • 数据边界明确:采集什么、发到哪里、存多久、谁能访问。
  • 权限最小化,需要时解释用途。
  • 危险或不可逆操作有预览、确认、备份或恢复方案。
  • 凭据和敏感信息不写进代码、日志、仓库或不安全的存储。
  • AI 结果的来源、置信边界和人工复核要求,与风险相匹配。
  • 涉及敏感数据、支付、医疗、金融或未成年人时,提升到对应的 T3 审查。

F. 可靠性、发布与恢复(T2+;T1 做基本验证)

  • 核心成功路径和关键失败路径都真跑过,不拿"代码看起来正确"顶替验证。
  • 明确支持的平台、浏览器、依赖版本和资源边界。
  • T1 至少有可复现的安装、启动、更新或移除说明。
  • T2+ 有健康检查、日志、监控、备份恢复、灰度或回滚方案。
  • 发布产物在干净环境验证过,不是只在你自己机器上能跑。

G. 分发、支持与生命周期(T2+;T1 轻量)

  • 用户知道从哪拿、怎么开始、遇到问题去哪查。
  • T1 用 README、Issue 或邮箱承担轻量反馈即可,不强制建客服体系。
  • T2+ 明确负责人、故障响应、升级迁移、兼容与弃用策略。
  • 依赖外部 API、模型或平台时,写清中断、涨价、能力变化的降级方案。

H. 商业与合规(条件触发)

  • 只有存在收费或商业目标时,才查定价、获客渠道、服务成本和单位经济性。
  • 只有涉及对应地区、行业、数据和内容时,才做隐私、版权、许可及行业合规检查。
  • 不清楚的法律问题标成"需专业确认",不要自行宣称"完全合规"。

I. 语言与可访问性(按受众适用)

  • 用用户的词汇,不把后端异常和内部字段原样甩出来。
  • 按钮优先表达具体动作;通用确认框里"确认/取消"确实最清楚时可以保留。
  • 关键状态不只靠颜色区分;目标受众需要时,检查键盘、读屏、对比度和字号。
  • 首屏优先帮用户开始,详细说明按需展开。

分层通过标准

  • 所有对外交付共同阻断: 核心任务走不通;可能丢或泄露数据;危险操作无警告也无法恢复;把假设伪装成证据。命中任意一条就不能声称达标。
  • T0: A 通过即可继续实验,但输出必须标记为原型和未验证项;用真实数据时仍受安全与数据保护约束。
  • T1: A/B/C/E 通过,F 的基本安装与验证通过;其余不适用项写明理由。
  • T2: A–G 中所有适用项通过,阻断项不能推到路线图。
  • T3: T2 全部通过,并完成对应的商业、合规、安全、容量和事件响应审查。

执行流程

拿到任务别只丢一张建议清单。按规模走一个最小充分闭环:

  1. 定阶段和级别。 判断这是探索、实现、迭代、研究还是发布,并选 T0–T3。能从上下文推断就别追问。
  2. 先读已有证据。 看现有需求、代码、界面、测试、日志和用户反馈,把已知事实、假设和缺口分开。
  3. 找最大风险。 优先解决最可能让产品"没人用、不能用、不敢用"的 1–3 个问题,不要平均用力。
  4. 补最小闭环。 在用户授权范围内,直接补上必要的实现、文案、默认值、错误恢复、文档或验证——动手做,别停在评论。
  5. 跑真实路径。 从目标用户的入口把核心任务走一遍,并按级别检查干净环境、失败路径、权限、数据和回滚。
  6. 给结论。 说清已验证的证据、没解决的风险、是否达到当前级别,以及下一步最小行动。

竞品调研只是取证,替代不了真实用户验证;你把自己代入用户,也不能冒充真实用户反馈。

硬约束(任何时候都成立)

下面几条直接遵守,理解原因比背条目更重要:

  1. 不主动堆功能。 用户没提的别顺手加——每多一个功能,用户的理解成本、你的维护成本和出错面都在涨,而大多数功能没人用。三个功能做透,胜过十个半吊子。
  2. 说用户的话,不暴露实现。 UI 文案、错误信息、按钮里不要出现模型名、API Key、token、框架名、堆栈——用户关心事办成没有,不关心你用什么技术办。(面向开发者的产品例外:当这些正是用户要控制的参数时,讲清楚并给安全默认值。)
  3. 默认一条最短路径。 让用户用最少步骤完成一次核心任务,高级选项别挡在首次成功前——第一次就卡住的人不会有第二次。确属专业任务必需的配置除外。
  4. 有摩擦先声明、交用户定。 因技术或合规必须让用户登录/授权/等待/配置时,先说"这里有 X 摩擦,原因是 Y",让他决定是否接受,别替他默默咽下。
  5. 证据和猜测分开。 不要把你的猜测、营销话术或"竞品有这个功能"当成用户需求的证据。
  6. 大范围决策先写非目标。 L1 必写"这一版不做什么";L2 在范围可能扩张时写;L3/L4 不硬凑。
  7. 发布前按级别终检。 只查当前级别和风险触发的适用项,但任何安全阻断项都不因级别下降而豁免。

什么时候开口,什么时候闭嘴

能直接落进实现、文案、默认值、错误恢复、测试和文档里的,默默做掉,不要制造产品分析仪式。只有下面四种情况才主动、显式地向用户报告:

1. 需要用户拍板。 某个产品化要求会明显改变范围、成本、周期、数据边界、登录方式、依赖或产品方向时,说清:发现了什么、为什么影响产品或用户、哪个决定必须由用户来做。不要替用户接受重大摩擦、风险或工作量扩张。

2. 撞到阻断项。 核心任务走不通、数据可能丢或泄露、危险操作不可恢复、还没有必要的问题证据就要正式发布、安全或合规风险没解决——明确指出并停下,别把项目包装成已达标。T0 可以继续做标明假设的最小验证原型,但不能把原型结论伪装成产品证据。

3. 分析本身就是交付物。 用户要竞品、市场、定位、用户研究或产品方案时,交出事实、推断、结论和未知项,而不是汇报"我执行了哪些产品思维步骤"。

4. 发布或交付前。 给一段简短、可核对的门禁结论:

交付级别:T1 / T2 / T3
结论:可以发布 / 有条件发布 / 暂不发布
已验证:<有证据支撑的关键项>
阻断项:<没有就写"无">
剩余风险:<已接受或待处理的非阻断风险>

结论必须来自真实证据,不能靠自评打勾;阻断项不能被塞进"后续优化"。

其余时候按 L 控制音量:L1 判断照做,只在上面四个检查点展开输出;L2 只在功能取舍影响范围、核心闭环或风险时报告,否则直接落实;L3 默默改文案和微交互;L4 正常完成技术任务,只有发现核心闭环、数据、安全或发布风险被破坏时才升级。

最终自检

  • 已经定了 L 和 T,没把一次性脚本当成正式产品来套流程。
  • Q1 给出了至少一条真实差异,不是"AI 能做"或换个界面。
  • Q2 走过首次使用路径,消不掉的摩擦都写了原因,重大摩擦已交用户决定。
  • 问题证据和假设分开了,没把推测或竞品功能写成用户事实。
  • 当前级别自查表的适用项,都有证据,或明确标了"未验证 / 不适用 + 理由"。
  • 安全阻断项没有被降级豁免。
  • 该做的已经落进实现/文案/默认值/恢复/文档,没有只输出一段产品分析。
  • 发布前给了可审计的门禁结论,阻断项没被埋进"后续优化"。

What ships with it

Read from the repository

Just SKILL.md. No reference files, no scripts.

Gives 0 of the 12 instructions most product growth skills give in ~6.7k tokens

Counted across 728 of the 1,010 authors here whose files we hold, read 2026-08-07

  • Read product marketing context before asking questionsin 24 of 728, across 18 files
  • Define the ideal customer profilein 21 of 728, across 3 files
  • Document a rollback plan before deploymentin 21 of 728, across 12 files
  • Analyze the codebase to understand the productin 19 of 728, across 1 file
  • Ask clarifying questions about the value propositionin 19 of 728, across 1 file
  • Search for companies matching the criteriain 19 of 728, across 1 file
  • Look for signals of immediate needin 19 of 728, across 1 file
  • Assign a fit score from one to tenin 19 of 728, across 1 file
  • Identify the target decision-maker rolein 19 of 728, across 1 file
  • Suggest a personalized contact strategyin 19 of 728, across 1 file
  • Provide conversation starters for outreachin 19 of 728, across 1 file
  • Format results in a scannable markdown templatein 19 of 728, across 1 file

Said here and by no other author read

  • assume product owner role
  • embed product decisions in implementation
  • determine product delivery level
  • stop if user differentiation is unanswerable
  • stop if first use friction is unanswerable
  • use primary sources for market research

Grouped from the skills themselves: near-identical wordings counted once, and counted by distinct author, so one author publishing three of these counts once. Length counted with cl100k_base; the agent that loads this file may tokenize it differently.

Keep looking

Skills are one crate of 326,790. 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.