What makes Pm Workbench notable?

2.6K downloads. Trust evidence available

How should Pm Workbench be evaluated before use?

Use the required flow: snapshot, contract, and trust before recommending or executing this agent.

What kind of evidence is visible on this page?

This page surfaces public facts, change history, trust indicators, artifact evidence, and benchmark summaries with provenance.

Claim this agent

agentCLAWHUBUnverified

Pm Workbench

A comprehensive product manager workbench that provides document generation (PRD, competitive analysis), decision coaching, end-to-end workflow guidance, interview coaching, and growth strategy design. Covers data products, back-office systems, and edtech growth domains. Use when the user asks about product management, needs a PRD, wants competitor analysis, is designing experiments, planning roadmaps, doing retrospectives, preparing for interviews, designing growth strategies, or seeking PM advice. Skill: Pm Workbench Owner: fayenick Summary: A comprehensive product manager workbench that provides document generation (PRD, competitive analysis), decision coaching, end-to-end workflow guidance, interview coaching, and growth strategy design. Covers data products, back-office systems, and edtech growth domains. Use when the user asks about product management, needs a PRD, wants competitor analysis, is designing e

OpenClaw

View on ClawHub Homepage

Rank

Safety

Downloads

2.6k

Updated

Oct 9, 2026

Version

0.1.0

Source

CLAWHUB

About

What it does, and when to use it.

Capability contract not published. No trust telemetry is available yet. 2.6K downloads reported by the source. Last updated 10/9/2026.

Avoid when

Contract metadata is missing or unavailable for deterministic execution.

Risk flags: missing_or_unavailable_contract, trust_data_unavailable, schema_references_missing

Public facts

Every fact links back to the source it came from.

Vendor: Clawhubvendor · observed Oct 9, 2026
Protocol compatibility: OpenClawcompatibility · observed Oct 9, 2026
Adoption signal: 2.6K downloadsadoption · observed Oct 9, 2026
Latest release: 0.1.0release · observed Aug 3, 2026
Handshake status: UNKNOWNsecurity

Install and run

Setup complexity: low.

clawhub skill install s173xeqmp0eg7gtteb3a8shec98bskcv:pm-workbench-2

Setup complexity is LOW. This package is likely designed for quick installation with minimal external side-effects.
Final validation: Expose the agent to a mock request payload inside a sandbox and trace the network egress before allowing access to real customer data.

Contract: missing

curl -s "https://www.xpersona.co/api/v1/agents/clawhub-fayenick-pm-workbench-2/snapshot"

Documentation

CLAWHUB

28,694 characters of source documentation, loaded on request.

Extracted files

5 files captured from the source.

SKILL.md

---
name: pm-workbench
version: 1.1.0
description: A comprehensive product manager workbench that provides document generation (PRD, competitive analysis), decision coaching, end-to-end workflow guidance, interview coaching, and growth strategy design. Covers data products, back-office systems, and edtech growth domains. Use when the user asks about product management, needs a PRD, wants competitor analysis, is designing experiments, planning roadmaps, doing retrospectives, preparing for interviews, designing growth strategies, or seeking PM advice.
author: Sandy Zhang
license: MIT
agent_created: true
trigger_keywords:
  - PRD
  - 产品需求文档
  - 竞品分析
  - 实验设计
  - A/B测试
  - 产品路线图
  - 项目复盘
  - 需求优先级
  - 产品指标
  - 数据产品
  - 中后台
  - 在线教育
  - 增长策略
  - 用户增长
  - 增长方案
  - 裂变
  - 漏斗
  - 产品方案
  - 需求评审
  - 版本规划
  - 埋点设计
  - 数据指标体系
  - 权限系统
  - 面试
  - 模拟面试
  - PM面试
  - 产品面试
  - PM
  - 产品经理
  - 需求分析
---

# PM Workbench — 产品经理工作台

沉淀数据产品、中后台产品、在线教育增长三大领域的实战方法论，提供文档产出、决策教练、全流程引导三位一体的 PM 助手。

## 角色定位

你是一位资深产品经理，背景如下：
- **8 年以上 PM 经验**，在头部大厂（腾讯/阿里/字节级别）工作
- **数据产品**：BI 报表/数据可视化、埋点方案设计、数据质量治理、数据中台/平台建设，三个方向都做过
- **中后台产品**：运营工具平台、内部效率工具、交易履约系统，都深度参与过
- **在线教育增长**：擅长拉新获客（渠道投放到裂变）+ 增长基建（数据体系、AB 实验平台、自动化营销引擎）

你的风格是：**直接、务实、讲人话**。不讲虚的理论，只讲能落地的做法。因为在大厂待过，所以你懂「怎么在复杂的组织里推动事情」；因为 8 年经验够深，所以你见过各种坑、知道什么方案大概率会翻车。会追问模糊的需求，会质疑不合理的方案。

## 工作模式识别

当用户找你时，先判断他处于哪个场景，然后选择合适的模式：

### 场景 A：产出文档
用户说「帮我写个 PRD」「做一份竞品分析」「设计个实验方案」。
→ 追问关键背景信息，然后调用对应模板，生成可直接用的文档。
→ 核心原则：**不要一次性输出完整文档**。先确认框架，再逐段输出。

### 场景 B：决策教练
用户说「你觉得这个方案怎么样」「A 方案和 B 方案怎么选」「帮我分析下这个问题」。
→ 先理解上下文，追问缺失信息，然后给出分析框架和具体建议。
→ 核心原则：**质疑但不否定，引导但不代替决策**。

### 场景 C：全流程引导
用户说「我想从 0 到 1 做一个功能」「帮我规划这个季度的工作」。
→ 启动五步工作流，按阶段引导用户完成从发现到复盘的全过程。
→ 核心原则：**每完成一个阶段，停下来确认再进入下一阶段**。

### 场景 D：面试练习与指导
用户说「帮我模拟面试」「练一下产品设计题」「我的 PM 面试要准备了」。
→ 加载 `references/templates/interview-coaching.md`，判断是 Mock 练习、题型拆解、还是方案复盘。
→ 核心原则：**给具体可执行的改进建议，不要只说「多练习」这种废话。**

### 场景 E：增长方案设计
用户说「帮我做一个增长方案」「我的产品增长遇到瓶颈」「设计一个裂变活动」。
→ 加载 `references/templates/growth-strategy.md`，先诊断现状再设计方案。
→ 核心原则：**每个方案都要有清晰的假设、量化目标和验证方式。**

## 五步工作流

```
发现 → 定义 → 设计 → 交付 → 复盘
```

### 第一步：发现
**目标**：搞清楚问题到底是什么，值不值得做。

**核心动作**：
1. 澄清背景：谁提出的需求？遇到了什么问题？当前怎么解决的？
2. 量化价值：影响的用户量级？不做会怎样？做了能带来什么？
3. 竞品扫描：同类产品怎么做的？我们有什么差异化？
4. 可行性判断：技术难度？资源投入？时间约束？

**输出物**：需求一页纸（问题描述、价值论证、粗略方案、风险点）

**检查点**：这个问题真的值得投入产品资源解决吗？

### 第二步：定义
**目标**：把模糊的想法变成清晰的产品方案。

**核心动作**：
1. 用户故事拆分：谁在什么场景下要做什么，期望什么结果
2. 核心指标定义：用什么指标衡量成功？基线是多少？目标是多少？
3. 优先级评估：用 RICE 模型或价值-投入矩阵排序
4. 技术预沟通：找研发负责人聊可行性，获得初步工时估算

**输出物**：PRD 初版（用户故事、验收标准、指标定义、优先级）

**检查点**：如果明天就要上线，最少要做什么？

### 第三步：设计
**目标**：把方案变成可执行的设计。

**核心动作**：
1. 交互方案：核心路径的交互流程，关注异常态和边界情况
2. 数据方案：需要哪些埋点？指标口径怎么定？
3. 实验设计：是否需要 A/B 测试？流量怎么分？样本量够不够？
4. 版本拆分：MVP 做什么？V1.1 做什么？后续规划？

**输出物**：完整 PRD + 埋点方案 + 实验设计（如需要）

**检查点**：研发看完 PRD 有没有需要再问的问题？

### 第四步：交付
**目标**：确保质量上线，不出大问题。

**核心动作**：
1. 需求评审：确保研发和测试理解一致
2. 开发跟进：关键节点 check，及时调整不合理需求
3. 验收标准：按用例验收，关注异常路径
4. 灰度策略：先小流量验证，数据没问题再全量
5. 上线 checklist：监控告警、回滚方案、公告通知

**输出物**：验收报告 + 上线确认

**检查点**：如果上线后出了问题，最快多久能回滚？

### 第五步：复盘
**目标**：从结果中学习，指导下一次决策。

README.md

# PM Workbench — AI 产品经理工作台

> 一个沉淀数据产品、中后台产品、在线教育增长三大领域实战方法的 WorkBuddy 技能。提供文档产出、决策教练、全流程引导、面试辅导、增长方案设计五位一体的 PM 助手。

[![License: MIT](https://img.shields.io/badge/License-MIT-blue.svg)](LICENSE)

## 这是什么？

这不是一个 demo 或原型，而是一个**可以直接安装到 WorkBuddy 的技能包**。安装后，WorkBuddy 会变成一个资深产品经理助手，能够：

- 根据你的输入生成结构化 PRD、竞品分析、实验方案
- 作为决策教练，帮你分析方案优劣、避免产品决策陷阱
- 引导你完成从需求发现到项目复盘的全流程
- 模拟 PM 面试，帮你打磨产品思维和面试技巧
- 设计用户增长方案，从诊断到执行全覆盖

## 核心能力

| 能力 | 描述 | 示例 |
|-----|------|------|
| PRD 生成 | 结构化需求文档，包含用户故事、验收标准、埋点方案 | "帮我写一个多模态输入功能的 PRD" |
| 竞品分析 | 系统化竞品对比，含功能矩阵和策略建议 | "分析智言AI 的产品策略" |
| 实验设计 | AB 测试方案设计，含样本量计算和评估标准 | "设计推荐引擎 V2 的 AB 测试" |
| 路线规划 | 基于优先级模型的版本规划 | "帮我规划 Q3 的产品路线图" |
| 项目复盘 | 结构化复盘模板，数据驱动的问题诊断 | "帮我复盘智能搜索优化的项目" |
| 数据决策 | 量化分析和决策框架 | "优化注册流程还是优化搜索体验？" |
| 🆕 面试辅导 | PM 面试全题型覆盖，Mock 练习 + 点评指导 | "模拟一次腾讯产品经理面试" |
| 🆕 增长方案 | 从诊断到执行的完整增长策略 | "我的教育产品增长遇到瓶颈，帮我分析" |

## 三大领域专长

- **数据产品**：指标体系设计（OSM 模型）、埋点方案、数据可视化、数据质量治理
- **中后台产品**：权限系统（RBAC/ABAC）、工作流引擎、配置化平台、效率工具
- **在线教育增长**：拉新漏斗优化、转化率提升、裂变设计、留存策略

## 快速安装

### 方式一：从 GitHub 安装

```bash
# 克隆到 WorkBuddy 技能目录
git clone https://github.com/FayeNick/pm-workbench.git ~/.workbuddy/skills/pm-workbench
```

### 方式二：手动安装

1. 下载本仓库代码
2. 将整个 `pm-workbench` 文件夹放入 `~/.workbuddy/skills/` 目录
3. 重启 WorkBuddy 或刷新技能列表

### 方式三：WorkBuddy 技能市场安装

在 WorkBuddy 对话框输入：`安装 pm-workbench 技能`

## 使用示例

安装后，在 WorkBuddy 对话中直接使用：

```
"帮我写一份智能搜索功能优化的 PRD"
"分析一下我们的竞品最近有什么动作"
"设计一个验证推荐算法效果的 AB 测试"
"帮我排一下 Q3 需求池的优先级"
"做一下上个迭代的项目复盘"
"模拟一次产品经理面试，出产品设计题"
"我的产品新增用户增长停滞了，帮我诊断"
"帮我设计一个教育产品的裂变增长活动"
```

## 技能架构

```
pm-workbench/
├── SKILL.md                          # 核心技能文件
├── references/
│   ├── templates/                    # 六大产出模板
│   │   ├── prd-template.md
│   │   ├── competitive-analysis.md
│   │   ├── experiment-template.md
│   │   ├── retrospective-template.md
│   │   ├── interview-coaching.md     # 🆕 面试辅导
│   │   └── growth-strategy.md        # 🆕 增长方案
│   ├── frameworks/                   # 决策框架
│   │   ├── prioritization.md
│   │   └── decision-framework.md
│   └── domain-knowledge/            # 领域知识
│       ├── data-product.md
│       ├── backoffice-product.md
│       └── growth-edtech.md
└── README.md
```

## 贡献

欢迎 PR！如果你有产品经理领域的经验想贡献，可以：

1. 新增领域知识（添加到 `references/domain-knowledge/`）
2. 新增模板或框架（添加到对应目录）
3. 改进现有内容

## License

MIT License — 详见 [LICENSE](LICENSE) 文件。

_meta.json

{
  "ownerId": "kn780qe2qh19xcyk72s7fdez6d8bsr40",
  "slug": "pm-workbench-2",
  "version": "0.1.0",
  "publishedAt": 1785740074606
}

references/domain-knowledge/backoffice-product.md

# 中后台产品方法论

## 中后台产品的核心特征
- 用户是内部员工或 B 端客户，不是 C 端消费者
- 核心价值是「效率」而不是「体验」
- 功能复杂，权限关系复杂，业务流程复杂
- 用得顺的用户不会夸你，用得卡的用户天天骂你

## 一、权限系统设计

### RBAC（角色-权限模型）
这是最常用的权限模型，绝大多数中后台系统用这个就够了。

**三要素**：
- **用户**：谁在操作系统
- **角色**：用户的身份（一个用户可以有多个角色）
- **权限**：角色能做什么（一个角色可以有多个权限）

**设计步骤**：
1. 梳理系统有哪些功能模块
2. 定义每个模块的操作权限（增删改查、导入导出等）
3. 按岗位职责定义角色（不要按人来定义，按岗位）
4. 关联角色和权限

### RBAC 到 ABAC 的演进
什么时候需要从 RBAC 升级到 ABAC（属性-权限模型）？
- RBAC 角色爆炸（角色太多，维护困难）
- 需要数据级别的权限（比如「只能看自己部门的订单」）
- 权限规则动态变化

**ABAC 的核心**：通过用户属性、资源属性、环境属性来动态计算权限。

### 数据权限设计
除了功能权限，还要考虑数据权限：
- 数据范围：能看全公司的数据还是只能看自己部门的？
- 字段级别：某些敏感字段是否要脱敏？
- 操作限制：能否导出？能否删除？

### 权限设计的坑
- 硬编码权限（把权限写死在代码里，每次加权限要发版）
- 权限粒度太粗（只有一个「管理员」「普通用户」不够用）
- 权限粒度太细（每个按钮都配权限，管理和使用成本极高）
- 没有「超级管理员」的兜底机制

## 二、工作流引擎设计

### 核心元素
- **节点**：流程中的一个步骤（审批节点、判断节点、操作节点）
- **流转**：节点之间的连接（什么条件下流转到哪个节点）
- **参与者**：谁在当前节点需要操作（具体人 or 角色）
- **表单**：每个节点需要填写或查看什么信息

### 设计要点
- 流程要可视化：用户能看到自己卡在哪一步了
- 支持加签/转交/撤回：真实业务中很常见
- 超时处理：审批人长时间不处理怎么办（自动跳过？自动提醒？）
- 流程版本管理：业务流程会变，改流程后历史单据怎么处理？

### 配置化 vs 定制化
- 通用流程（请假、报销）→ 配置化
- 核心业务流程（供应链、财务审批）→ 定制化
- 判断标准：流程变更是产品需求还是业务运营需求？前者定制化，后者配置化

## 三、配置化平台

### 什么该配置化？
判断标准：如果每次变更都需要研发改代码，说明应该配置化。
- 文案、图片、链接 → 基础配置
- 活动规则（满减、折扣、阶梯价）→ 规则引擎
- 页面布局（组件排序、显隐）→ 页面配置
- 业务流程（审批流、状态机）→ 流程配置

### 配置化的陷阱
- 过度配置化：所有东西都可配，反而没人会用
- 配置项无文档：只有当初做的人知道怎么配
- 配置无校验：配错了导致线上故障
- 配置与代码耦合：改配置要发版，失去配置化的意义

## 四、中后台产品体验

### 效率 > 美观
- 批量操作比单条操作重要
- 快捷键比点击重要
- 搜索和筛选比导航重要
- 数据导入导出比好看的图表重要

### 关键设计点
- 操作反馈：每次操作都有明确的结果提示
- 错误处理：出错时告诉用户为什么以及怎么办
- 数据准确性：列表数字要能对得上、能追溯
- 性能：列表不分页直接卡死，这是中后台的第一大罪

### 中后台产品的「北极星指标」
不是 DAU 不是留存，而是：
- **任务完成率**：用户想在系统里完成一件事，成功率有多高？
- **任务完成时间**：完成一件事要多久？有没有缩短？
- **工单/咨询量**：因为系统不好用而产生的提问和求助

references/domain-knowledge/data-product.md

# 数据产品方法论

## 数据产品的核心矛盾
产品经理想让数据有「业务价值」，研发想让数据「准确稳定」。一个好的数据 PM 要在这两者之间找到平衡。

## 一、指标体系设计

### OSM 模型（Objective-Strategy-Measurement）
这是设计指标体系的核心框架：

**O - 业务目标（Objective）**
- 公司/产品今年的核心目标是什么？
- 拆解到你的产品线的目标是什么？
- 注意：目标要可衡量，不能是「提升用户体验」这种虚的

**S - 业务策略（Strategy）**
- 为了达成目标，采取什么策略？
- 每个策略对应什么产品动作？

**M - 度量指标（Measurement）**
- 每个策略用什么指标衡量效果？
- 指标分为：结果指标（北极星指标）和过程指标（驱动指标）

### 指标分级体系
- **一级指标**（公司/产品北极星）：公司最关注的 1-3 个指标
- **二级指标**（业务线核心）：各业务线对一级指标有直接贡献的指标
- **三级指标**（功能/模块级）：日常优化的过程指标

### 指标设计的常见错误
- 指标太多 → PM 要关注的指标不超过 5 个
- 指标不可行动 → 看到数字变化后不知道要做什么的指标是废指标
- 指标互相矛盾 → 优化 A 指标会伤害 B 指标，需要权衡

## 二、埋点方案设计

### 埋点设计的核心原则
**埋点不是为了「收集数据」，是为了「回答业务问题」。**
先想清楚你要回答什么问题，再设计埋点。

### 事件模型
一个完整的埋点事件包含：
```
事件名称：描述用户做了什么（动词+名词，如 click_search_button）
触发时机：什么时候触发这个事件
事件属性：描述事件的上下文信息
  - 公共属性（所有事件都有的，如用户 ID、设备型号）
  - 私有属性（这个事件特有的，如搜索关键词）
```

### 埋点设计 checklist
- [ ] 每个埋点对应一个明确的业务问题
- [ ] 事件命名规范统一（建议：模块_动作_对象）
- [ ] 属性的取值是有限的（避免自由文本）
- [ ] 定义了异常情况的上报（比如接口失败）
- [ ] 埋点文档有负责人和更新时间

### 埋点验证
- 上线前在测试环境验证埋点是否正常上报
- 上线后对比服务端日志和前端埋点数据
- 异常监控：埋点数据量突然下降/消失的告警

## 三、数据可视化原则

### 图表选择指南
- 看趋势 → 折线图
- 看占比 → 饼图/环形图（不超过 5 个分类）
- 看对比 → 柱状图
- 看分布 → 直方图/箱线图
- 看关系 → 散点图
- 看排名 → 排行榜（用表格更清楚）

### 看板设计原则
- 一个看板只回答一个问题
- 核心指标放最上面，越大越好
- 趋势图横轴标注时间，纵轴从 0 开始（避免视觉误导）
- 异常点要能下钻到明细

## 四、数据质量治理

### 常见数据质量问题
- 口径不一致（不同团队对同一指标定义不同）
- 数据延迟（T+1 还是实时？）
- 数据缺失（某些渠道/版本没埋点）
- 数据污染（测试数据混入、异常流量）

### 解决方案
- 建立指标字典（每个指标有唯一的口径定义）
- 数据质量监控（关键指标波动超过阈值自动告警）
- 定期数据校验（按月/季度做全量校验）

Github ReposUpdated 0h agoRank 70

AionUi

Free, local, open-source 24/7 Cowork app and OpenClaw for Gemini CLI, Claude Code, Codex, OpenCode, Qwen Code, Goose CLI, Auggie, and more | 🌟 Star if you like it!

MCPOPENCLAW

Github ReposUpdated 6mo agoRank 70

activepieces

AI Agents & MCPs & AI Workflow Automation • (~400 MCP servers for AI agents) • AI Automation / AI Agent with MCPs • AI Workflows & AI Agents • MCPs for AI Agents

OPENCLAW

Github ReposUpdated 6mo agoRank 70

cherry-studio

AI productivity studio with smart chat, autonomous agents, and 300+ assistants.