{"id":"90ebf75e-7219-4285-a563-525f37f7d431","entityType":"agent","slug":"clawhub-fayenick-pm-workbench-2","name":"Pm Workbench","canonicalUrl":"https://www.xpersona.co/agent/clawhub-fayenick-pm-workbench-2","canonicalPath":"/agent/clawhub-fayenick-pm-workbench-2","generatedAt":"2026-10-10T01:14:16.675Z","source":"CLAWHUB","claimStatus":"UNCLAIMED","verificationTier":"NONE","summary":{"evidence":{"source":"editorial-content","verified":true,"confidence":"high","updatedAt":"2026-10-09T13:04:17.229Z","emptyReason":null},"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. 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","descriptionLabel":"Technical summary","evidenceSummary":"Capability contract not published. No trust telemetry is available yet. 2.6K downloads reported by the source. Last updated 10/9/2026.","installCommand":"clawhub skill install s173xeqmp0eg7gtteb3a8shec98bskcv:pm-workbench-2","sourceUrl":"https://clawhub.ai/fayenick/pm-workbench-2","homepage":"https://clawhub.ai/fayenick/skills/pm-workbench-2","primaryLinks":[{"label":"View on ClawHub","url":"https://clawhub.ai/fayenick/pm-workbench-2","kind":"source"},{"label":"Homepage","url":"https://clawhub.ai/fayenick/skills/pm-workbench-2","kind":"homepage"}],"safetyScore":84,"overallRank":62,"popularityScore":68,"trustScore":null,"claimedByName":null,"isOwner":false,"seoDescription":"A comprehensive product manager workbench that provides document generation (PRD, competitive analysis), decision coaching, end-to-end workflow guidance, interv"},"coverage":{"evidence":{"source":"public-profile","verified":false,"confidence":"medium","updatedAt":"2026-10-09T13:04:17.229Z","emptyReason":null},"protocols":[{"protocol":"OPENCLEW","label":"OpenClaw","status":"self-declared","notes":"Declared in the public agent profile."}],"capabilities":[],"verifiedCount":0,"selfDeclaredCount":1,"capabilityMatrix":{"rows":[{"key":"OPENCLEW","type":"protocol","support":"unknown","confidenceSource":"profile","notes":"Listed on profile"}],"flattenedTokens":"protocol:OPENCLEW|unknown|profile"}},"adoption":{"evidence":{"source":"CLAWHUB","verified":false,"confidence":"medium","updatedAt":"2026-10-09T13:04:17.229Z","emptyReason":null},"stars":null,"forks":null,"downloads":2596,"packageName":null,"latestVersion":"0.1.0","tractionLabel":"2.6K downloads"},"release":{"evidence":{"source":"CLAWHUB","verified":false,"confidence":"medium","updatedAt":"2026-10-09T13:04:16.936Z","emptyReason":null},"lastUpdatedAt":"2026-10-09T13:04:17.229Z","lastCrawledAt":"2026-10-09T13:04:16.936Z","lastIndexedAt":null,"nextCrawlAt":"2026-10-10T13:04:16.936Z","lastVerifiedAt":null,"highlights":[{"version":"0.1.0","createdAt":"2026-08-03T06:54:34.606Z","changelog":"**PM Workbench 1.1.0 introduces two major new modules and expands expertise coverage.** - Added interview coaching module with mock, coaching, and preparation modes for PM interviews. - Introduced user growth strategy design, including funnel analysis, experiment planning, and ROI estimation. - Strengthened workflow guidance: now includes richer prompts for background clarification and stepwise output. - Updated user experience persona, enhancing domain-specific responses for data products, back-office, and edtech growth. - Improved interaction rules: more structured questioning, data-driven advice, and option-based recommendations.","fileCount":21,"zipByteSize":36010}]},"execution":{"evidence":{"source":"CLAWHUB","verified":false,"confidence":"low","updatedAt":null,"emptyReason":"No published capability contract is available yet."},"installCommand":"clawhub skill install s173xeqmp0eg7gtteb3a8shec98bskcv:pm-workbench-2","setupComplexity":"low","setupSteps":["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":{"contractStatus":"missing","authModes":[],"requires":[],"forbidden":[],"supportsMcp":false,"supportsA2a":false,"supportsStreaming":false,"inputSchemaRef":null,"outputSchemaRef":null,"dataRegion":null,"contractUpdatedAt":null,"sourceUpdatedAt":null,"freshnessSeconds":null},"invocationGuide":{"preferredApi":{"snapshotUrl":"https://www.xpersona.co/api/v1/agents/clawhub-fayenick-pm-workbench-2/snapshot","contractUrl":"https://www.xpersona.co/api/v1/agents/clawhub-fayenick-pm-workbench-2/contract","trustUrl":"https://www.xpersona.co/api/v1/agents/clawhub-fayenick-pm-workbench-2/trust"},"curlExamples":["curl -s \"https://www.xpersona.co/api/v1/agents/clawhub-fayenick-pm-workbench-2/snapshot\"","curl -s \"https://www.xpersona.co/api/v1/agents/clawhub-fayenick-pm-workbench-2/contract\"","curl -s \"https://www.xpersona.co/api/v1/agents/clawhub-fayenick-pm-workbench-2/trust\""],"jsonRequestTemplate":{"query":"summarize this repo","constraints":{"maxLatencyMs":2000,"protocolPreference":["OPENCLEW"]}},"jsonResponseTemplate":{"ok":true,"result":{"summary":"...","confidence":0.9},"meta":{"source":"CLAWHUB","generatedAt":"2026-10-10T01:14:16.674Z"}},"retryPolicy":{"maxAttempts":3,"backoffMs":[500,1500,3500],"retryableConditions":["HTTP_429","HTTP_503","NETWORK_TIMEOUT"]}},"endpoints":{"dossierUrl":"https://www.xpersona.co/api/v1/agents/clawhub-fayenick-pm-workbench-2/dossier","snapshotUrl":"https://www.xpersona.co/api/v1/agents/clawhub-fayenick-pm-workbench-2/snapshot","contractUrl":"https://www.xpersona.co/api/v1/agents/clawhub-fayenick-pm-workbench-2/contract","trustUrl":"https://www.xpersona.co/api/v1/agents/clawhub-fayenick-pm-workbench-2/trust"}},"reliability":{"evidence":{"source":"runtime-metrics","verified":false,"confidence":"low","updatedAt":null,"emptyReason":"No trust, reliability, or runtime telemetry is available."},"trust":{"status":"unavailable","handshakeStatus":"UNKNOWN","verificationFreshnessHours":null,"reputationScore":null,"p95LatencyMs":null,"successRate30d":null,"fallbackRate":null,"attempts30d":null,"trustUpdatedAt":null,"trustConfidence":"unknown","sourceUpdatedAt":null,"freshnessSeconds":null},"decisionGuardrails":{"doNotUseIf":["Contract metadata is missing or unavailable for deterministic execution."],"safeUseWhen":[],"riskFlags":["missing_or_unavailable_contract","trust_data_unavailable","schema_references_missing"],"operationalConfidence":"low"},"executionMetrics":{"observedLatencyMsP50":null,"observedLatencyMsP95":null,"estimatedCostUsd":null,"uptime30d":null,"rateLimitRpm":null,"rateLimitBurst":null,"lastVerifiedAt":null,"verificationSource":null},"runtimeMetrics":{"successRate":null,"avgLatencyMs":null,"avgCostUsd":null,"hallucinationRate":null,"retryRate":null,"disputeRate":null,"p50Latency":null,"p95Latency":null,"lastUpdated":null}},"benchmarks":{"evidence":{"source":"no-benchmark-data","verified":false,"confidence":"low","updatedAt":null,"emptyReason":"No benchmark suites or observed failure patterns are available."},"suites":[],"failurePatterns":[]},"artifacts":{"evidence":{"source":"CLAWHUB","verified":false,"confidence":"high","updatedAt":"2026-10-09T13:04:17.229Z","emptyReason":null},"readme":"Skill: Pm Workbench\n\nOwner: fayenick\n\nSummary: 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.\n\nTags: latest:0.1.0\n\nVersion history:\n\nv0.1.0 | 2026-08-03T06:54:34.606Z | auto\n\n**PM Workbench 1.1.0 introduces two major new modules and expands expertise coverage.**\n\n- Added interview coaching module with mock, coaching, and preparation modes for PM interviews.\n- Introduced user growth strategy design, including funnel analysis, experiment planning, and ROI estimation.\n- Strengthened workflow guidance: now includes richer prompts for background clarification and stepwise output.\n- Updated user experience persona, enhancing domain-specific responses for data products, back-office, and edtech growth.\n- Improved interaction rules: more structured questioning, data-driven advice, and option-based recommendations.\n\nArchive index:\n\nArchive v0.1.0: 21 files, 36010 bytes\n\nFiles: .gitignore (55b), LICENSE (1082b), README.md (4262b), references (0b), references/domain-knowledge (0b), references/domain-knowledge/backoffice-product.md (4095b), references/domain-knowledge/data-product.md (3392b), references/domain-knowledge/growth-edtech.md (4442b), references/frameworks (0b), references/frameworks/decision-framework.md (3080b), references/frameworks/prioritization.md (2750b), references/templates (0b), references/templates/competitive-analysis.md (2355b), references/templates/experiment-template.md (2790b), references/templates/growth-strategy.md (10056b), references/templates/interview-coaching.md (8227b), references/templates/prd-template.md (3693b), references/templates/retrospective-template.md (2287b), skill-card.md (3059b), SKILL.md (10842b), _meta.json (133b)\n\nFile v0.1.0:SKILL.md\n\n---\nname: pm-workbench\nversion: 1.1.0\ndescription: 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.\nauthor: Sandy Zhang\nlicense: MIT\nagent_created: true\ntrigger_keywords:\n  - PRD\n  - 产品需求文档\n  - 竞品分析\n  - 实验设计\n  - A/B测试\n  - 产品路线图\n  - 项目复盘\n  - 需求优先级\n  - 产品指标\n  - 数据产品\n  - 中后台\n  - 在线教育\n  - 增长策略\n  - 用户增长\n  - 增长方案\n  - 裂变\n  - 漏斗\n  - 产品方案\n  - 需求评审\n  - 版本规划\n  - 埋点设计\n  - 数据指标体系\n  - 权限系统\n  - 面试\n  - 模拟面试\n  - PM面试\n  - 产品面试\n  - PM\n  - 产品经理\n  - 需求分析\n---\n\n# PM Workbench — 产品经理工作台\n\n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。\n\n## 角色定位\n\n你是一位资深产品经理，背景如下：\n- **8 年以上 PM 经验**，在头部大厂（腾讯/阿里/字节级别）工作\n- **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\n- **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\n- **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）\n\n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。\n\n## 工作模式识别\n\n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：\n\n### 场景 A：产出文档\n用户说「帮我写个 PRD」「做一份竞品分析」「设计个实验方案」。\n→ 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。\n→ 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。\n\n### 场景 B：决策教练\n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」。\n→ 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。\n→ 核心原则：**质疑但不否定，引导但不代替决策**。\n\n### 场景 C：全流程引导\n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」。\n→ 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。\n→ 核心原则：**每完成一个阶段，停下来确认再进入下一阶段**。\n\n### 场景 D：面试练习与指导\n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」。\n→ 加载 `references/templates/interview-coaching.md`，判断是 Mock 练习、题型拆解、还是方案复盘。\n→ 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。**\n\n### 场景 E：增长方案设计\n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」。\n→ 加载 `references/templates/growth-strategy.md`，先诊断现状再设计方案。\n→ 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。**\n\n## 五步工作流\n\n```\n发现 → 定义 → 设计 → 交付 → 复盘\n```\n\n### 第一步：发现\n**目标**：搞清楚问题到底是什么，值不值得做。\n\n**核心动作**：\n1. 澄清背景：谁提出的需求？遇到了什么问题？当前怎么解决的？\n2. 量化价值：影响的用户量级？不做会怎样？做了能带来什么？\n3. 竞品扫描：同类产品怎么做的？我们有什么差异化？\n4. 可行性判断：技术难度？资源投入？时间约束？\n\n**输出物**：需求一页纸（问题描述、价值论证、粗略方案、风险点）\n\n**检查点**：这个问题真的值得投入产品资源解决吗？\n\n### 第二步：定义\n**目标**：把模糊的想法变成清晰的产品方案。\n\n**核心动作**：\n1. 用户故事拆分：谁在什么场景下要做什么，期望什么结果\n2. 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？\n3. 优先级评估：用 RICE 模型或价值-投入矩阵排序\n4. 技术预沟通：找研发负责人聊可行性，获得初步工时估算\n\n**输出物**：PRD 初版（用户故事、验收标准、指标定义、优先级）\n\n**检查点**：如果明天就要上线，最少要做什么？\n\n### 第三步：设计\n**目标**：把方案变成可执行的设计。\n\n**核心动作**：\n1. 交互方案：核心路径的交互流程，关注异常态和边界情况\n2. 数据方案：需要哪些埋点？指标口径怎么定？\n3. 实验设计：是否需要 A/B 测试？流量怎么分？样本量够不够？\n4. 版本拆分：MVP 做什么？V1.1 做什么？后续规划？\n\n**输出物**：完整 PRD + 埋点方案 + 实验设计（如需要）\n\n**检查点**：研发看完 PRD 有没有需要再问的问题？\n\n### 第四步：交付\n**目标**：确保质量上线，不出大问题。\n\n**核心动作**：\n1. 需求评审：确保研发和测试理解一致\n2. 开发跟进：关键节点 check，及时调整不合理需求\n3. 验收标准：按用例验收，关注异常路径\n4. 灰度策略：先小流量验证，数据没问题再全量\n5. 上线 checklist：监控告警、回滚方案、公告通知\n\n**输出物**：验收报告 + 上线确认\n\n**检查点**：如果上线后出了问题，最快多久能回滚？\n\n### 第五步：复盘\n**目标**：从结果中学习，指导下一次决策。\n\n**核心动作**：\n1. 数据回收：核心指标达成情况？与预期的差距？\n2. 用户反馈：正向反馈和负向反馈分别是什么？\n3. 根因分析：数据好的原因是什么？差的原因是什么？\n4. 经验沉淀：如果重来一次会怎么做？下次要注意什么？\n\n**输出物**：复盘报告 + 经验卡片\n\n**检查点**：这次学到的东西，下个项目怎么用？\n\n## 八项核心能力\n\n### 1. PRD 生成\n- 使用 `references/templates/prd-template.md` 作为模板\n- 流程：收集背景 → 确认框架 → 逐段填充 → 整体检查\n- 关键原则：PRD 不是写给自己看的，是写给研发看且能直接开发的\n\n### 2. 竞品分析\n- 使用 `references/templates/competitive-analysis.md` 作为框架\n- 流程：确定竞品范围 → 功能拆解 → 差异化分析 → 策略建议\n- 关键原则：竞品分析的目的不是抄功能，是找到差异化机会\n\n### 3. 实验设计\n- 使用 `references/templates/experiment-template.md` 作为模板\n- 流程：明确假设 → 指标定义 → 流量分配 → 样本量计算 → 评估标准\n- 关键原则：不是所有改动都需要 AB 测试，小改动直接上线用数据说话\n\n### 4. 路线规划\n- 流程：收集需求池 → 优先级排序 → 资源评估 → 版本规划\n- 使用 `references/frameworks/prioritization.md` 中的优先级模型\n- 关键原则：路线图是承诺而不是预测，留出缓冲\n\n### 5. 项目复盘\n- 使用 `references/templates/retrospective-template.md` 作为模板\n- 流程：数据回收 → 用户反馈 → 根因分析 → 经验沉淀\n- 关键原则：复盘不以追责为目的，以学习为目标\n\n### 6. 数据驱动决策\n- 使用 `references/frameworks/decision-framework.md` 中的决策框架\n- 流程：定义问题 → 量化分析 → 方案对比 → 决策输出\n- 关键原则：数据告诉你「发生了什么」，但不告诉你「为什么」\n\n### 7. 面试练习与指导 🆕\n- 使用 `references/templates/interview-coaching.md` 作为框架\n- 模式：Mock 模式（扮演面试官）| 教练模式（点评回答）| 准备模式（梳理故事）\n- 覆盖：行为面、产品设计、数据分析、策略题、执行题、开放题，六大题型\n- 关键原则：**给具体可执行的改进建议**，不是泛泛的「多练习」\n\n### 8. 用户增长方案设计 🆕\n- 使用 `references/templates/growth-strategy.md` 作为框架\n- 流程：增长诊断 → 漏斗分析 → 渠道策略 → 裂变设计 → 实验规划 → ROI 测算\n- 模式：诊断模式（找杠杆）| 方案模式（出完整方案）| 评审模式（挑战优化）\n- 关键原则：**每个方案都要有清晰的假设、量化目标和验证方式**，不要凭感觉做增长\n\n## 领域专长\n\n三个领域各有独特的方法论，当用户提到相关场景时自动加载对应知识：\n\n### 数据产品\n加载 `references/domain-knowledge/data-product.md`\n- 指标体系设计（OSM 模型）\n- 埋点方案设计（事件模型、属性定义）\n- 数据质量治理\n- 数据可视化原则\n\n### 中后台产品\n加载 `references/domain-knowledge/backoffice-product.md`\n- 权限系统设计（RBAC → ABAC 演进）\n- 工作流引擎设计\n- 配置化 vs 定制化决策\n- 中后台产品体验原则\n\n### 在线教育增长\n加载 `references/domain-knowledge/growth-edtech.md`\n- 拉新漏斗优化\n- 转化率提升方法\n- 裂变活动设计\n- 留存策略与预警\n\n## 交互规则\n\n1. **追问优先**：收到模糊需求时，先追问关键信息再动手。比如「写个 PRD」→ 先问是什么产品、解决什么问题、目标用户是谁。\n2. **质疑但不否定**：用户说「我觉得应该做这个功能」，你可以追问「这个判断的数据依据是什么？」但不要说「你这个想法不对」。\n3. **拆分输出**：长文档（PRD、竞品分析）不要一次性输出，先给框架让用户确认，再逐段输出。\n4. **给出选项**：需要决策时，给出 2-3 个选项，每个选项说明利弊，而不是直接给唯一答案。\n5. **用数据说话**：尽可能用量化分析替代主观判断。没有数据时坦诚说明，不要编造。\n6. **保持产研视角**：永远站在产品和研发的交叉点上思考，给出的方案要能落地。\n\n## 安装\n\n将此目录放入 `~/.workbuddy/skills/` 或项目目录的 `.workbuddy/skills/` 下即可使用。\n\n## 版本\n\nv1.1 — 新增面试练习与指导、用户增长方案设计两大模块，融入用户经验画像\n\nFile v0.1.0:README.md\n\n# PM Workbench — AI 产品经理工作台\n\n> 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。\n\n[![License: MIT](https://img.shields.io/badge/License-MIT-blue.svg)](LICENSE)\n\n## 这是什么？\n\n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：\n\n- 根据你的输入生成结构化 PRD、竞品分析、实验方案\n- 作为决策教练，帮你分析方案优劣、避免产品决策陷阱\n- 引导你完成从需求发现到项目复盘的全流程\n- 模拟 PM 面试，帮你打磨产品思维和面试技巧\n- 设计用户增长方案，从诊断到执行全覆盖\n\n## 核心能力\n\n| 能力 | 描述 | 示例 |\n|-----|------|------|\n| 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\" |\n| 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\" |\n| 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\" |\n| 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\" |\n| 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\" |\n| 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？\" |\n| 🆕 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\" |\n| 🆕 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\" |\n\n## 三大领域专长\n\n- **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\n- **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\n- **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\n\n## 快速安装\n\n### 方式一：从 GitHub 安装\n\n```bash\n# 克隆到 WorkBuddy 技能目录\ngit clone https://github.com/FayeNick/pm-workbench.git ~/.workbuddy/skills/pm-workbench\n```\n\n### 方式二：手动安装\n\n1. 下载本仓库代码\n2. 将整个 `pm-workbench` 文件夹放入 `~/.workbuddy/skills/` 目录\n3. 重启 WorkBuddy 或刷新技能列表\n\n### 方式三：WorkBuddy 技能市场安装\n\n在 WorkBuddy 对话框输入：`安装 pm-workbench 技能`\n\n## 使用示例\n\n安装后，在 WorkBuddy 对话中直接使用：\n\n```\n\"帮我写一份智能搜索功能优化的 PRD\"\n\"分析一下我们的竞品最近有什么动作\"\n\"设计一个验证推荐算法效果的 AB 测试\"\n\"帮我排一下 Q3 需求池的优先级\"\n\"做一下上个迭代的项目复盘\"\n\"模拟一次产品经理面试，出产品设计题\"\n\"我的产品新增用户增长停滞了，帮我诊断\"\n\"帮我设计一个教育产品的裂变增长活动\"\n```\n\n## 技能架构\n\n```\npm-workbench/\n├── SKILL.md                          # 核心技能文件\n├── references/\n│   ├── templates/                    # 六大产出模板\n│   │   ├── prd-template.md\n│   │   ├── competitive-analysis.md\n│   │   ├── experiment-template.md\n│   │   ├── retrospective-template.md\n│   │   ├── interview-coaching.md     # 🆕 面试辅导\n│   │   └── growth-strategy.md        # 🆕 增长方案\n│   ├── frameworks/                   # 决策框架\n│   │   ├── prioritization.md\n│   │   └── decision-framework.md\n│   └── domain-knowledge/            # 领域知识\n│       ├── data-product.md\n│       ├── backoffice-product.md\n│       └── growth-edtech.md\n└── README.md\n```\n\n## 贡献\n\n欢迎 PR！如果你有产品经理领域的经验想贡献，可以：\n\n1. 新增领域知识（添加到 `references/domain-knowledge/`）\n2. 新增模板或框架（添加到对应目录）\n3. 改进现有内容\n\n## License\n\nMIT License — 详见 [LICENSE](LICENSE) 文件。\n\nFile v0.1.0:_meta.json\n\n{\n  \"ownerId\": \"kn780qe2qh19xcyk72s7fdez6d8bsr40\",\n  \"slug\": \"pm-workbench-2\",\n  \"version\": \"0.1.0\",\n  \"publishedAt\": 1785740074606\n}\n\nFile v0.1.0:references/domain-knowledge/backoffice-product.md\n\n# 中后台产品方法论\n\n## 中后台产品的核心特征\n- 用户是内部员工或 B 端客户，不是 C 端消费者\n- 核心价值是「效率」而不是「体验」\n- 功能复杂，权限关系复杂，业务流程复杂\n- 用得顺的用户不会夸你，用得卡的用户天天骂你\n\n## 一、权限系统设计\n\n### RBAC（角色-权限模型）\n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。\n\n**三要素**：\n- **用户**：谁在操作系统\n- **角色**：用户的身份（一个用户可以有多个角色）\n- **权限**：角色能做什么（一个角色可以有多个权限）\n\n**设计步骤**：\n1. 梳理系统有哪些功能模块\n2. 定义每个模块的操作权限（增删改查、导入导出等）\n3. 按岗位职责定义角色（不要按人来定义，按岗位）\n4. 关联角色和权限\n\n### RBAC 到 ABAC 的演进\n什么时候需要从 RBAC 升级到 ABAC（属性-权限模型）？\n- RBAC 角色爆炸（角色太多，维护困难）\n- 需要数据级别的权限（比如「只能看自己部门的订单」）\n- 权限规则动态变化\n\n**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。\n\n### 数据权限设计\n除了功能权限，还要考虑数据权限：\n- 数据范围：能看全公司的数据还是只能看自己部门的？\n- 字段级别：某些敏感字段是否要脱敏？\n- 操作限制：能否导出？能否删除？\n\n### 权限设计的坑\n- 硬编码权限（把权限写死在代码里，每次加权限要发版）\n- 权限粒度太粗（只有一个「管理员」「普通用户」不够用）\n- 权限粒度太细（每个按钮都配权限，管理和使用成本极高）\n- 没有「超级管理员」的兜底机制\n\n## 二、工作流引擎设计\n\n### 核心元素\n- **节点**：流程中的一个步骤（审批节点、判断节点、操作节点）\n- **流转**：节点之间的连接（什么条件下流转到哪个节点）\n- **参与者**：谁在当前节点需要操作（具体人 or 角色）\n- **表单**：每个节点需要填写或查看什么信息\n\n### 设计要点\n- 流程要可视化：用户能看到自己卡在哪一步了\n- 支持加签/转交/撤回：真实业务中很常见\n- 超时处理：审批人长时间不处理怎么办（自动跳过？自动提醒？）\n- 流程版本管理：业务流程会变，改流程后历史单据怎么处理？\n\n### 配置化 vs 定制化\n- 通用流程（请假、报销）→ 配置化\n- 核心业务流程（供应链、财务审批）→ 定制化\n- 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\n\n## 三、配置化平台\n\n### 什么该配置化？\n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。\n- 文案、图片、链接 → 基础配置\n- 活动规则（满减、折扣、阶梯价）→ 规则引擎\n- 页面布局（组件排序、显隐）→ 页面配置\n- 业务流程（审批流、状态机）→ 流程配置\n\n### 配置化的陷阱\n- 过度配置化：所有东西都可配，反而没人会用\n- 配置项无文档：只有当初做的人知道怎么配\n- 配置无校验：配错了导致线上故障\n- 配置与代码耦合：改配置要发版，失去配置化的意义\n\n## 四、中后台产品体验\n\n### 效率 > 美观\n- 批量操作比单条操作重要\n- 快捷键比点击重要\n- 搜索和筛选比导航重要\n- 数据导入导出比好看的图表重要\n\n### 关键设计点\n- 操作反馈：每次操作都有明确的结果提示\n- 错误处理：出错时告诉用户为什么以及怎么办\n- 数据准确性：列表数字要能对得上、能追溯\n- 性能：列表不分页直接卡死，这是中后台的第一大罪\n\n### 中后台产品的「北极星指标」\n不是 DAU 不是留存，而是：\n- **任务完成率**：用户想在系统里完成一件事，成功率有多高？\n- **任务完成时间**：完成一件事要多久？有没有缩短？\n- **工单/咨询量**：因为系统不好用而产生的提问和求助\n\nFile v0.1.0:references/domain-knowledge/data-product.md\n\n# 数据产品方法论\n\n## 数据产品的核心矛盾\n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。\n\n## 一、指标体系设计\n\n### OSM 模型（Objective-Strategy-Measurement）\n这是设计指标体系的核心框架：\n\n**O - 业务目标（Objective）**\n- 公司/产品今年的核心目标是什么？\n- 拆解到你的产品线的目标是什么？\n- 注意：目标要可衡量，不能是「提升用户体验」这种虚的\n\n**S - 业务策略（Strategy）**\n- 为了达成目标，采取什么策略？\n- 每个策略对应什么产品动作？\n\n**M - 度量指标（Measurement）**\n- 每个策略用什么指标衡量效果？\n- 指标分为：结果指标（北极星指标）和过程指标（驱动指标）\n\n### 指标分级体系\n- **一级指标**（公司/产品北极星）：公司最关注的 1-3 个指标\n- **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\n- **三级指标**（功能/模块级）：日常优化的过程指标\n\n### 指标设计的常见错误\n- 指标太多 → PM 要关注的指标不超过 5 个\n- 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\n- 指标互相矛盾 → 优化 A 指标会伤害 B 指标，需要权衡\n\n## 二、埋点方案设计\n\n### 埋点设计的核心原则\n**埋点不是为了「收集数据」，是为了「回答业务问题」。**\n先想清楚你要回答什么问题，再设计埋点。\n\n### 事件模型\n一个完整的埋点事件包含：\n```\n事件名称：描述用户做了什么（动词+名词，如 click_search_button）\n触发时机：什么时候触发这个事件\n事件属性：描述事件的上下文信息\n  - 公共属性（所有事件都有的，如用户 ID、设备型号）\n  - 私有属性（这个事件特有的，如搜索关键词）\n```\n\n### 埋点设计 checklist\n- [ ] 每个埋点对应一个明确的业务问题\n- [ ] 事件命名规范统一（建议：模块_动作_对象）\n- [ ] 属性的取值是有限的（避免自由文本）\n- [ ] 定义了异常情况的上报（比如接口失败）\n- [ ] 埋点文档有负责人和更新时间\n\n### 埋点验证\n- 上线前在测试环境验证埋点是否正常上报\n- 上线后对比服务端日志和前端埋点数据\n- 异常监控：埋点数据量突然下降/消失的告警\n\n## 三、数据可视化原则\n\n### 图表选择指南\n- 看趋势 → 折线图\n- 看占比 → 饼图/环形图（不超过 5 个分类）\n- 看对比 → 柱状图\n- 看分布 → 直方图/箱线图\n- 看关系 → 散点图\n- 看排名 → 排行榜（用表格更清楚）\n\n### 看板设计原则\n- 一个看板只回答一个问题\n- 核心指标放最上面，越大越好\n- 趋势图横轴标注时间，纵轴从 0 开始（避免视觉误导）\n- 异常点要能下钻到明细\n\n## 四、数据质量治理\n\n### 常见数据质量问题\n- 口径不一致（不同团队对同一指标定义不同）\n- 数据延迟（T+1 还是实时？）\n- 数据缺失（某些渠道/版本没埋点）\n- 数据污染（测试数据混入、异常流量）\n\n### 解决方案\n- 建立指标字典（每个指标有唯一的口径定义）\n- 数据质量监控（关键指标波动超过阈值自动告警）\n- 定期数据校验（按月/季度做全量校验）\n\nFile v0.1.0:references/domain-knowledge/growth-edtech.md\n\n# 在线教育增长方法论\n\n## 核心认知\n在线教育增长的核心公式：\n**收入 = 流量 × 转化率 × 客单价 × 续费率**\n\n增长 PM 的工作就是在这个公式的每个环节上做优化。不需要每个环节都做到最好，但要找到当前最大的瓶颈在哪。\n\n## 一、拉新漏斗\n\n### 经典拉新链路\n```\n曝光 → 点击 → 落地页 → 注册 → 激活 → 首次体验 → 首次付费\n```\n\n### 每个环节的优化重点\n\n**曝光 → 点击**\n- 素材：标题要解决用户焦虑（不是功能堆砌）\n- 渠道：不同渠道用户画像不同，素材要区别对待\n\n**点击 → 落地页**\n- 落地页承诺和广告素材一致性（挂羊头卖狗肉 → 跳出率飙升）\n- 首屏 3 秒法则：用户打开后 3 秒内要知道「这是什么」「对我有什么用」\n- 社会证明：已有多少人使用、真实用户评价\n\n**落地页 → 注册**\n- 注册步骤越少越好（能手机号就不邮箱，能微信登录就不手机号）\n- 先给价值再要信息（先让用户体验核心功能，再引导注册）\n\n**注册 → 激活**\n- 激活定义：用户第一次体验到核心价值（不是注册完成）\n- 新手引导：不要教用户点哪，要让用户自己发现价值\n- Aha moment：用户什么时候会觉得「这东西不错」？\n\n**激活 → 首次付费**\n- 免费试用是双刃剑：用得好 → 付费率高，用得不好 → 给了用户不付费的借口\n- 付费点前置 vs 后置：看产品类型\n- 价格锚定：原价 vs 折扣价，月付 vs 年付的对比\n\n### 漏斗分析实战\n- 找出最大的流失环节（不是最小的转化率）\n- 分析流失原因：是产品问题还是用户不匹配？\n- 计算每个环节的优化空间：有的环节已经优化到天花板了，不值得继续投入\n\n## 二、转化率优化\n\n### 转化率优化的核心思路\n不是「怎么让更多人买」，是「怎么让想买的人更容易买」。\n\n### 常见转化障碍\n- 价格不透明（不知道要花多少钱）\n- 决策信息不足（不知道买了能获得什么）\n- 支付路径复杂（要填一堆信息才能付钱）\n- 信任感不足（不知道付了钱能不能退）\n\n### 优化方法\n- 预支付页：在支付前把关键信息说清楚（课程大纲、学习效果、用户评价）\n- 支付流程简化：减少页面跳转，减少表单字段\n- 社交证明：真实用户学习效果展示\n- 退款承诺：降低决策心理门槛\n- 限时优惠：制造紧迫感（但不要虚假限时）\n\n## 三、裂变增长\n\n### 裂变的底层逻辑\n用户帮你拉用户，需要满足两个条件：\n1. 分享有动力（对我有什么好处？）\n2. 被分享者愿意点（对看到的人有什么吸引力？）\n\n### 常见裂变模式\n- **邀请有礼**：邀请好友注册/付费，双方都有奖励\n- **拼团**：多人一起购买享折扣\n- **分销**：用户推广获得佣金\n- **打卡/分享成果**：学习打卡在社交圈传播\n\n### 裂变设计的坑\n- 奖励太虚（给积分不给现金 → 动力不足）\n- 流程太复杂（分享要 3 步 → 大部分人中途放弃）\n- 只奖励邀请人（被邀请人没动力点链接）\n- 羊毛党（被职业薅羊毛的把预算薅光）\n\n## 四、留存策略\n\n### 在线教育的留存特点\n- 自然流失率高（学完就走了、坚持不下去）\n- 续费是关键（一次付费的 LTV 很低）\n- 内容质量和学习效果是留存的根本\n\n### 留存优化方法\n- 学习进度可视化（让用户看到自己学了多少）\n- 阶段性成果反馈（考试、证书、排行榜）\n- 学习提醒（但不是骚扰）\n- 学习计划（让用户有「要完成」的承诺感）\n- 社区/同伴（一个人很难坚持，一群人更容易）\n\n### 流失预警\n- 定义流失信号：几天没登录？学习进度停滞多久？\n- 预警机制：满足信号条件自动触发挽留动作（push、优惠券、班主任联系）\n- 注意：不同阶段流失原因不同（新手流失是因为不会用，老手流失是因为没新内容）\n\n## 五、增长的底层思维\n\n- **测试思维**：所有增长策略都是假设，用实验验证\n- **渠道思维**：没有万能的增长方法，什么渠道来什么用户\n- **LTV 思维**：不只看获客成本，看用户全生命周期价值\n- **产品思维**：最好的增长是好产品，增长只能放大产品价值，不能创造产品价值\n\nFile v0.1.0:references/frameworks/decision-framework.md\n\n# 产品决策框架\n\n## 核心原则\n做决策不是选「对与错」，是选「在有限信息下的最优解」。不追求完美决策，追求快速决策 + 及时纠错。\n\n## 常见决策场景与框架\n\n### 场景 1：做不做这个功能？\n**决策三步法**：\n1. 这个功能解决的是真实问题还是想象中的问题？（有数据吗？有用户反馈吗？）\n2. 不做会有什么后果？（用户流失？竞品领先？还是其实没关系？）\n3. 做的话投入产出比如何？（用 RICE 模型粗估）\n\n**判断标准**：只有三个问题的答案都是「值得做」时才做。\n\n### 场景 2：两个方案怎么选？\n**对比决策法**：\n1. 列出两个方案的优缺点（各 3-5 条）\n2. 对每个优缺点打分（1-5 分，5 最重要）\n3. 加权比较\n4. 考虑「最差情况」：如果选了 A，最差的后果是什么？能不能接受？\n\n**注意**：如果在两个方案之间纠结很久，说明两个方案可能差不多 — 随便选一个先做，数据会告诉你答案。\n\n### 场景 3：什么时候该砍一个功能？\n**判断信号**：\n- 使用率低于预期目标的 50%\n- 维护成本高于业务价值\n- 用户反馈长期负面\n- 团队没有意愿继续投入\n\n**决策流程**：\n1. 先确认不是「用的人少但是重要的人用」（比如核心付费用户的关键功能）\n2. 给一个观察期（比如 1-2 个月），设定明确的保留/砍掉标准\n3. 砍功能 ≠ 功能失败，砍掉一个没用的功能比重写一个有用的功能更值得肯定\n\n### 场景 4：要不要追竞品的功能？\n**决策检查**：\n- 竞品做的这个功能，是他们的核心优势还是边缘功能？\n- 我们的用户真的需要这个功能吗？（而不是你觉得应该有）\n- 我们有能力做得更好吗？还是只能追赶？\n- 如果不做这个，我们有没有更有价值的投入方向？\n\n**结论**：竞品做什么是他们的策略，我们要做的是自己的差异化。追着竞品跑永远是被动的。\n\n## 决策记录格式\n每次重要决策都应该记录，格式如下：\n\n```\n决策日期：YYYY-MM-DD\n决策背景：（什么情况下需要做这个决策）\n决策选项：\n  A. [选项A] - 利弊\n  B. [选项B] - 利弊\n选择结果：选了 X\n选择理由：（为什么选这个）\n放弃原因：（为什么没选其他的）\n预期结果：（期待看到什么数据变化）\n复盘时间：（什么时间回来看这个决策对不对）\n```\n\n记录的目的是：三个月后回来看这个决策对不对，而不是现在争论谁对谁错。\n\n## 避免的决策陷阱\n- **沉没成本**：「已经投入这么多了不能停」 → 投入已经成为过去，决策只看未来\n- **确认偏误**：只找支持自己想法的证据 → 主动找反对意见\n- **从众效应**：因为别人都这么做所以我们也这么做 → 想清楚为什么\n- **近期偏差**：因为最近发生的事情影响判断 → 看长周期数据\n- **过度自信**：觉得这次一定能成 → 所有预测都是概率，留好 Plan B\n\nFile v0.1.0:references/frameworks/prioritization.md\n\n# 需求优先级排序方法\n\n## 核心原则\n排优先级不是排「想做什么」，而是排「不做什么」。资源永远不够，关键是敢说不。\n\n## 三种排序方法\n\n### 方法一：RICE 评分模型（推荐）\n适合有数据积累的产品。\n\n**R = Reach（覆盖人数）**\n- 在考核周期内，多少用户会用到这个功能？\n- 评分：1-10（1=很少，10=几乎所有用户）\n\n**I = Impact（影响力）**\n- 对核心指标的影响有多大？\n- 评分：0.25, 0.5, 1, 2, 3, 5（0.25=极小，5=极大）\n\n**C = Confidence（信心程度）**\n- 你对 R 和 I 的评估有多大的把握？\n- 评分：20%, 50%, 80%, 100%\n\n**E = Effort（投入估算）**\n- 需要多少人月？\n- 单位：人月\n\n**RICE 分数 = (R × I × C) / E**\n分数越高优先级越高。\n\n### 方法二：价值-投入矩阵\n适合早期产品，数据积累不足时使用。\n\n```\n高价值 ┼──────────────┼──────────────┐\n      │   重点投入     │   优先做       │\n      │  (需要计划)    │   (立即行动)    │\n      ├──────────────┼──────────────┤\n低价值 │   不做         │   有空再做     │\n      │   (说不)      │   (等人认领)    │\n      └──────────────┴──────────────┘\n       高投入                      低投入\n```\n\n### 方法三：三要素法\n最简单的快速排序，回答三个问题：\n1. **不做会死吗？** → 是 → P0\n2. **做了用户会 wow 吗？** → 是 → P1\n3. **这两个都不是？** → P2 或不做\n\n## 排序时的注意事项\n\n### 务必考虑的因素\n- **战略对齐**：这个需求在不在公司/产品今年的战略方向上？\n- **技术债务**：实现这个需求是否会产生新的技术债？\n- **依赖关系**：这个需求是否依赖其他团队？依赖能解决吗？\n- **时机窗口**：现在做是不是最佳时机？错过会不会有损失？\n\n### 常见错误\n- 只排功能需求，忽略技术优化和 bug 修复\n- 所有需求都是 P0（说明没排优先级）\n- 按提需求的人的职级排优先级\n- 只看价值不看投入\n- 只用自己的判断，没拉研发一起评估\n\n## 优先级对应的处理策略\n\n| 优先级 | 含义 | 处理策略 | 时限 |\n|-------|------|---------|------|\n| P0 | 不做会影响核心指标或用户体验 | 当前迭代必须完成 | 本次迭代 |\n| P1 | 做了有明显正向效果 | 排入下 1-2 个迭代 | 本月内 |\n| P2 | 锦上添花 | 资源充裕时排期 | 本季度内 |\n| P3 | 有了更好，没有也行 | 有时间再做或持续待排 | 无固定时间 |\n\nFile v0.1.0:references/templates/competitive-analysis.md\n\n# 竞品分析框架\n\n## 分析步骤\n\n### 第一步：确定分析范围\n先明确：分析的目的是什么？\n- **战略对标**：看行业发展方向，找到自己的定位\n- **功能对标**：找功能差距，决定抄不抄、怎么抄\n- **用户体验对标**：看交互细节，优化体验\n- **定价对标**：看商业模式，调整定价策略\n\n竞品范围：\n- 直接竞品（做同一件事的）\n- 间接竞品（解决同一问题的不同方案）\n- 潜在竞品（可能进入这个领域的）\n\n一般选 3-5 个，别贪多。\n\n### 第二步：功能拆解\n按模块列出每个竞品的功能，标注：\n- ✅ 有且完善\n- ⚠️ 有但不完善\n- ❌ 没有\n- 🔮 预告/内测中\n\n| 功能模块 | 我司产品 | 竞品A | 竞品B | 竞品C |\n|---------|---------|-------|-------|-------|\n| | | | | |\n\n### 第三步：差异化分析\n找到三个关键问题的答案：\n1. 竞品做得比我们好的地方 → 我们怎么追上？\n2. 我们做得比竞品好的地方 → 怎么放大优势？\n3. 大家都做得不好的地方 → 这是不是我们的机会？\n\n### 第四步：策略建议\n基于分析给出可落地的建议，按优先级排序：\n- 短期要做的事（1-2 周）：小优化、修 bug、补功能\n- 中期要做的事（1-2 月）：功能迭代、体验优化\n- 长期要做的事（3-6 月）：战略投入、差异化建设\n\n## 分析维度\n\n### 产品维度\n- 核心功能完整度\n- 用户体验/易用性\n- 性能/稳定性\n- 更新迭代速度\n\n### 用户维度\n- 目标用户画像\n- 用户规模和增长趋势\n- 用户口碑/评价\n- 用户留存和粘性\n\n### 商业维度\n- 商业模式\n- 定价策略\n- 收入规模（估算）\n- 融资/资源情况\n\n### 技术维度\n- 技术架构\n- AI/算法能力\n- 数据积累\n- 技术壁垒\n\n## 输出格式\n\n分析报告结构：\n1. 分析背景和目的\n2. 竞品概览（一句话定位 + 关键数据）\n3. 功能对比矩阵\n4. 差异化分析和洞察\n5. 策略建议（含优先级和预期效果）\n6. 附录（详细对比数据）\n\n## 注意事项\n- 不要为了分析而分析，每次分析都要有明确的「要回答的问题」\n- 功能对比要实事求是，不要美化自己、贬低对手\n- 竞品分析是手段不是目的，最终要落到「我们该做什么」\n- 定期更新竞品信息，竞品是会变的\n\nFile v0.1.0:references/templates/experiment-template.md\n\n# 实验设计模板\n\n## 什么时候需要做 AB 测试\n\n适合做 AB 测试的场景：\n- 算法/策略变更（推荐排序、定价策略等）\n- 用户体验改动（新流程 vs 旧流程）\n- 功能效果验证（新功能是否有正向影响）\n\n不适合做 AB 测试的场景：\n- 明显的 bug 修复\n- 纯 UI 美化（颜色、间距调整等）\n- 样本量不够（无法达到统计显著性）\n- 实验周期过长导致决策延迟\n\n## 实验设计步骤\n\n### 1. 明确实验假设\n格式：「如果 [做了什么改动]，则会 [产生什么影响]，因为 [什么原因]」\n\n好的假设：「如果将搜索结果页的首屏展示从 3 条增加到 5 条，则搜索结果点击率会提升，因为更多结果在同屏展示减少了用户滚动操作」\n不好的假设：「改一下搜索应该会好一点」\n\n### 2. 定义核心指标\n- 核心指标（OEC）：实验要优化的核心指标，一般 1 个\n- 护栏指标：实验不能伤害的指标，比如核心流程转化率不能降\n- 观测指标：顺便看看有没有意外效果的其他指标\n\n### 3. 计算样本量\n需要用到的参数：\n- 预期提升幅度（比如提升 2%）\n- 统计显著性水平（通常 α=0.05）\n- 统计功效（通常 1-β=0.8）\n- 基线转化率（当前数据）\n\n样本量不够怎么办：\n- 延长实验周期\n- 扩大实验流量\n- 降低预期效果（接受只能检测到更大的效果）\n\n### 4. 流量分配\n- 对照组：50%（留一半流量保证用户体验稳定）\n- 实验组：50%（如果多个实验组，按需分配）\n- 如果样本量够，可以降低实验流量降低风险\n\n### 5. 实验周期\n- 最短周期：达到最小样本量所需时间\n- 建议周期：至少包含一个完整的业务周期（对于周级波动明显的产品，至少跑一周）\n- 注意：不要频繁看数据提前停止实验（peeking problem）\n\n### 6. 评估标准\n- 统计显著：p < 0.05，且结果稳定（不是刚达到显著就停止）\n- 实际显著：效果提升是否值得上线（统计显著 ≠ 实际有意义）\n- 一致性：不同用户群体、不同时间段效果是否一致\n\n## 实验后分析\n\n### 正向结果\n- 确认 p 值是否稳定\n- 检查是否有细分群体反而下降\n- 评估上线成本和时机\n\n### 反向结果\n- 分析可能的原因（假设为什么不成立）\n- 是否有其他指标意外提升？\n- 从中学到什么，下次怎么改进？\n\n### 无显著差异\n- 延长实验时间看趋势\n- 检查样本量是否真的够了\n- 考虑是否需要改假设重新实验\n\n## 常见错误\n- 同时跑太多实验互相干扰\n- 实验期间改代码\n- 只看 p 值不看实际效果大小\n- 达到显著性就马上停止（建议跑满预定周期）\n- 只关注正向指标不看护栏指标\n\nFile v0.1.0:references/templates/growth-strategy.md\n\n# 用户增长方案设计\n\n> 从诊断到执行的全流程增长方法论。覆盖漏斗分析、渠道策略、裂变设计、实验规划、资源分配五大模块。\n\n---\n\n## 一、增长诊断：先找增长杠杆\n\n### 诊断三步法\n\n```\n数据扫描 → 杠杆识别 → 方案假设\n```\n\n### 第一步：数据扫描\n\n用 AARRR 模型扫描各环节健康度：\n\n| 环节 | 核心指标 | 健康基准参考 | 常见问题 |\n|------|---------|-------------|---------|\n| Acquisition | 新增用户量、CAC、渠道 ROI | CAC < LTV/3 | 投放效率低、自然量增长乏力 |\n| Activation | 激活率、首日关键行为完成率 | 40%+ | 注册流程长、价值感知弱 |\n| Retention | 次日/7日/30日留存 | 次日40%+ | 产品粘性不足、核心价值没传达到 |\n| Revenue | 付费转化率、ARPU、LTV | 根据行业不同 | 定价策略、付费意愿、支付体验 |\n| Referral | 邀请率、K 因子 | K > 0.3 有传播性 | 激励不够、分享门槛高、缺乏社交货币 |\n\n### 第二步：杠杆识别\n\n用以下框架找到「投入产出比最高」的增长杠杆：\n\n```\n问题矩阵 = 影响面 × 优化难度\n\n          影响面大\n            │\n   ┌────────┼────────┐\n   │ 低优先级 │ 核心杠杆 │\n   │ (难/大)  │ 优先投入 │\n   └────────┼────────┘\n   ┌────────┼────────┐\n优化难度大──┼──优化难度小\n   ┌────────┼────────┐\n   │  不做   │ 顺手做  │\n   │ (难/小)  │ (易/小) │\n   └────────┴────────┘\n            │\n          影响面小\n```\n\n**推荐优先级**：核心杠杆（右上）→ 顺手做（右下）→ 低优先级（左上）→ 不做（左下）\n\n### 第三步：方案假设\n\n每个杠杆写出一个清晰的增长假设：\n\n> 「如果我们做 _____（具体行动），预计能带来 _____（量化目标），因为 _____（逻辑依据），我们通过 _____（衡量方式）来验证。」\n\n示例：\n> 「如果我们在注册流程第三步加入社交账号一键登录，预计能提升注册转化率 15-20%，因为当前有 30% 的用户在这一步流失，且竞品数据显示社交登录可降低 40% 的注册摩擦。我们通过对比实验组的注册完成率来验证。」\n\n---\n\n## 二、漏斗诊断与优化\n\n### 漏斗分析标准流程\n\n```\n1. 画完整漏斗（每个环节的绝对量 + 转化率）\n2. 找最大流失点（绝对量 × 转化率损失）\n3. 深挖流失原因（定性 + 定量）\n4. 设计优化方案\n5. 实验验证\n```\n\n### 漏斗拆解模板\n\n以在线教育典型转化漏斗为例：\n\n```\n环节                用户量       转化率       行业参考       判断\n──────────────────────────────────────────────────────────────\n广告曝光          1,000,000       —           —            —\n广告点击            30,000      3.0%       2-5%          正常\n落地页浏览          28,000     93.3%       90%+          正常\n注册                8,400     30.0%       25-35%        偏弱 ⚠️\n选择课程            2,520     30.0%       35-45%        偏弱 ⚠️\n试听/体验            1,512     60.0%       50-60%        正常\n购买                  302     20.0%       15-25%        正常\n完课                  196     65.0%       60-70%        正常\n续报                   78     40.0%       35-45%        正常\n```\n\n**优先优化**：注册转化率（30% → 35%，额外 +420 注册）和选课转化率（30% → 35%，额外 +294 选课）。\n\n### 常见漏斗问题及解法\n\n| 问题 | 常见原因 | 解法方向 |\n|------|---------|---------|\n| 注册转化率低 | 流程长、信息多、价值不明确 | 缩短流程、社交登录、注册前预览价值 |\n| 激活率低 | 没有清晰的首动作、价值感知弱 | 新手引导、首次体验设计、即时反馈 |\n| 留存差 | 核心价值没打到、竞品替代性强 | 强化核心功能、个性化推荐、习惯养成机制 |\n| 付费转化低 | 价格敏感、信任不足、决策成本高 | 免费增值/试用、价格锚定、信任背书 |\n\n---\n\n## 三、渠道策略\n\n### 渠道矩阵\n\n```\n渠道分类 = 付费渠道 + 免费渠道 + 产品渠道\n\n付费渠道（花钱买量）\n├── 信息流投放（抖音/快手/小红书/腾讯广告）\n├── 搜索投放（百度/搜狗/应用商店）\n├── KOL/KOC 合作\n└── 线下渠道\n\n免费渠道\n├── SEO/ASO\n├── 内容营销（公众号/视频号/知乎/B站）\n├── 社群/私域\n└── PR/媒体合作\n\n产品渠道（产品自带增长）\n├── 社交裂变（分享/邀请/拼团）\n├── 自然搜索（产品内搜索流量分发）\n├── 应用商店自然量\n└── 口碑/NPS\n```\n\n### 渠道评估框架\n\n对每个渠道评估 4 个维度（1-5分），选出核心渠道：\n\n```\n         量级   精准度  ROI   可持续性  总分\n信息流     5      3      3      3      14\n搜索投放   3      5      4      4      16  ← 高分\nKOL合作    3      4      3      2      12\n内容营销   2      4      5      5      16  ← 高分\n社交裂变   4      3      5      4      16  ← 高分\n```\n\n**策略建议**：搜索投放 + 内容营销 + 社交裂变作为三条主增长线。\n\n---\n\n## 四、裂变设计\n\n### 裂变四要素\n\n```\n触发物 → 分享动机 → 传播路径 → 承接体验\n```\n\n### 常见裂变模式\n\n| 模式 | 适用场景 | 核心激励 | 注意事项 |\n|------|---------|---------|---------|\n| **邀请有礼** | 有天然社交场景的产品 | 双向奖励（现金/权益） | 防刷、风控、成本测算 |\n| **拼团** | 客单价较高的付费产品 | 一起买更便宜 | 拼团成功率、团长激励 |\n| **分销** | 有用户信任基础的场景 | 佣金分成 | 合规性、分佣透明度 |\n| **内容裂变** | 有内容生产能力 | 内容本身是社交货币 | 裂变率由内容质量决定 |\n| **工具裂变** | 有实用价值的工具属性 | 工具的使用价值 | 结果页/分享页引导 |\n\n### 裂变方案模板\n\n```markdown\n## 裂变活动方案\n\n### 基本信息\n- 活动名称：\n- 活动目标：\n- 目标用户：\n- 活动周期：\n\n### 活动机制\n- 用户完成什么动作触发裂变？\n- 被邀请人的激励是什么？\n- 邀请人的激励是什么？\n- 上限规则：\n\n### 传播设计\n- 分享物（用户分享什么）？\n- 分享渠道（微信/朋友圈/其他）？\n- 社交话术（默认文案 + 个性化空间）？\n\n### 防刷策略\n- 设备/IP 限制\n- 行为异常检测\n- 收益上限控制\n\n### 成本预估\n- 单用户激励成本\n- 预期参与人数\n- 预估总成本\n- 预期 ROI（新增用户价值 / 总成本）\n\n### 衡量指标\n- 参与率 = 参与用户 / 曝光用户\n- 分享率 = 分享用户 / 参与用户\n- 点击率 = 点击用户 / 曝光用户\n- 转化率 = 新增用户 / 点击用户\n- K因子 = 邀请用户数 / 发起用户数\n- 获客成本 = 总激励成本 / 新增用户数\n```\n\n---\n\n## 五、实验规划\n\n### 增长实验节奏\n\n```\n轻量级实验（1-2周，快速验证）\n├── 文案/UI 微调\n├── 流程顺序调整\n├── 引导/提醒优化\n└── 定价策略测试\n\n中型实验（2-4周，较大改动）\n├── 功能模块调整\n├── 渠道策略切换\n├── 裂变机制迭代\n└── 内容策略调整\n\n重型实验（1-2月，结构性改动）\n├── 产品定位/价值主张调整\n├── 增长模型重构\n├── 新渠道/新市场开拓\n└── 定价/商业模式调整\n```\n\n### 增长实验季度规划模板\n\n```markdown\n## QX 增长实验规划\n\n### 季度增长目标\n- 北极星指标：\n- 季度目标：\n- 关键二级指标：\n\n### 实验管线\n\n| 序号 | 实验名称 | 假设 | 预期提升 | 所需资源 | 优先级 | 时间线 |\n|------|---------|------|---------|---------|--------|--------|\n| 1    |        |      |         |         | P0     | W1-W2  |\n| 2    |        |      |         |         | P1     | W3-W4  |\n\n### 资源分配\n- 研发人力：\n- 设计人力：\n- 运营人力：\n- 预算：\n\n### 风险评估\n- 最大风险：\n- 应对方案：\n- 止损条件：\n```\n\n---\n\n## 六、资源分配与 ROI 测算\n\n### 增长预算分配原则\n\n```\n70% → 确定性增长（已验证的渠道/策略优化）\n20% → 新增长引擎（新渠道测试、新裂变模式）\n10% → 探索性实验（高风险高回报尝试）\n```\n\n### ROI 测算框架\n\n```markdown\n## ROI 快速测算\n\n### 收入侧\n- 单用户 LTV：¥_____\n- 月目标新增：_____ 人\n- 月预期收入 = LTV × 月目标新增\n\n### 成本侧\n- CAC（获客成本）= 总投放成本 / 新增用户数\n  - 渠道 A CAC：¥_____\n  - 渠道 B CAC：¥_____\n  - 自然量 CAC：¥0\n- 综合 CAC：¥_____\n- 月总成本 = 综合 CAC × 月目标新增 + 固定成本\n\n### 回收周期\n- 回收期 = CAC / 月人均贡献收入\n- 健康标准：回收期 < 6 个月（内容/教育类偏长）\n```\n\n---\n\n## 七、使用说明\n\n当用户说「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」时：\n\n1. **诊断优先**：先分析现状数据，找到增长杠杆，再设计方案\n2. **假设驱动**：每个方案都要有清晰的假设和验证方式\n3. **量化表达**：用数据说话，不要「感觉能增长」\n4. **资源敏感**：考虑团队实际情况，给出的方案要能落地\n5. **风险意识**：每个方案都要有止损条件和回滚方案\n\n### 工作模式\n\n- **诊断模式**：用户描述现状 → 你帮分析数据、找杠杆 → 输出诊断报告\n- **方案模式**：用户指定方向 → 你出完整方案（机制、成本、衡量）\n- **评审模式**：用户拿出方案 → 你从数据、风险、可行性角度挑战和优化\n\nFile v0.1.0:references/templates/interview-coaching.md\n\n# 面试练习与指导\n\n> 产品经理面试全题型覆盖，包含分行框架、Mock 流程、自检清单。基于头部大厂面试风格设计。\n\n---\n\n## 一、PM 面试题型分类\n\n| 题型 | 考察点 | 典型问题 | 大厂权重 |\n|------|--------|---------|---------|\n| **行为面** | 项目经验、沟通能力、冲突处理 | \"你做过最成功的项目是什么？\" | ⭐⭐⭐⭐⭐ |\n| **产品设计** | 用户洞察、方案设计、创新能力 | \"设计一个XX功能\" | ⭐⭐⭐⭐⭐ |\n| **数据分析** | 指标思维、归因能力、实验素养 | \"DAU下降了20%，你怎么排查？\" | ⭐⭐⭐⭐ |\n| **策略题** | 商业思维、资源分配、优先判断 | \"如果给你1000万预算，你投哪里？\" | ⭐⭐⭐ |\n| **执行题** | 项目管理、风险控制、推动能力 | \"需求排期被砍怎么办？\" | ⭐⭐⭐ |\n| **开放题** | 逻辑表达、知识广度、临场反应 | \"你怎么看AI对产品经理的影响？\" | ⭐⭐ |\n\n---\n\n## 二、行为面 STAR-L 框架\n\n### 标准框架：STAR + L（Learning）\n\n```\nS - Situation  : 背景，一句话说清上下文\nT - Task       : 你的任务，你负责什么\nA - Action     : 你做了什么，要具体（不是\"团队做了什么\"）\nR - Result     : 结果，用数据说话\nL - Learning   : 如果重来一次会怎么优化\n```\n\n### 常见行为问题及回答要点\n\n**1. \"你做过最成功的项目是什么？\"**\n- 选项目：选一个有数据的、复杂度适中的、你大部分懂的项目\n- 不要选：纯执行项目、失败项目、争议大的项目\n- 回答结构：背景(2句) → 我的任务(1句) → 我做了什么(5-10句) → 结果(数据) → 复盘反思(2-3句)\n- 关键：强调\"我\"的贡献，不是\"团队\"的贡献\n\n**2. \"项目中遇到的最大困难是什么？\"**\n- 不要选：技术难题（这不是你的专业领域）\n- 推荐选：跨部门协调、优先级冲突、资源不足、用户需求矛盾\n- 回答重点：你是怎么想的、怎么推动的、结果怎么样\n\n**3. \"和研发/设计师有冲突怎么处理？\"**\n- 不要说的：抱怨研发难沟通、直接找对方老板\n- 应该说的：理解对方诉求、用数据说话、找折中方案、建立长期信任\n\n**4. \"你的缺点是什么？\"**\n- 不要说：\"我太追求完美\"（这是变相夸自己）\n- 应该说：真实但不致命的缺点 + 你意识到后在怎么改进\n- 例：\"我早期不太擅长向上管理，后来通过定期同步和预期管理改善\"\n\n**5. \"你为什么离开上一家公司？\"**\n- 核心原则：向前看，不要抱怨过去\n- 推荐说法：想寻求新的成长空间、对新方向的兴趣、个人发展诉求\n\n---\n\n## 三、产品设计题回答框架\n\n### CIRCLE 框架\n\n```\nC - Clarify       : 追问澄清（场景、用户、目标、约束）\nI - Identify      : 识别核心用户和核心场景\nR - Requirements  : 提炼核心需求（功能+非功能）\nC - Craft         : 设计方案（核心路径+关键功能）\nL - Logic         : 衡量标准（用什么指标判断成功）\nE - Edge cases    : 边界情况（异常态、冷启动）\n```\n\n### 应用示例\n\n**题目：「设计一个 XX 功能」**\n\n第1步：追问（不要直接开始设计）\n- \"目标用户是谁？是什么场景下使用？\"\n- \"这个功能的核心目标是什么？量化的成功标准是什么？\"\n- \"有什么约束条件？平台、时间、资源？\"\n\n第2步：拆解核心场景\n- 用 2-3 句话界定核心用户画像和典型使用场景\n- 区分核心场景 vs 长尾场景\n\n第3步：方案设计\n- 画核心路径（先说主流程，再说分支）\n- 关键页面和交互要点\n- 不需要画完整产品，聚焦核心体验\n\n第4步：衡量标准\n- 北极星指标是什么？\n- 几个关键二级指标\n- 怎么判断成功？\n\n第5步：边界和冷启动\n- 空状态怎么处理？\n- 异常情况怎么办？\n- 第一波用户从哪来？\n\n---\n\n## 四、数据分析题回答框架\n\n### 诊断框架\n\n```\n现象确认 → 数据下钻 → 假设验证 → 归因结论 → 行动建议\n```\n\n### 典型问题：\"DAU 下降了 20%，你怎么排查？\"\n\n**第1步：现象确认**\n- 什么时候开始的？是突降还是持续下降？\n- 下降是全局的还是某些渠道/版本/人群？\n- 有没有做任何改动或外部事件？\n\n**第2步：维度下钻**\n- 按渠道：哪个渠道掉了？\n- 按版本：新版本兼容有问题吗？\n- 按地域/设备/网络：有没有分布变化？\n- 按人群：新老用户是谁在掉？\n\n**第3步：关键指标联动**\n- 新增用户掉了吗？（拉新问题）\n- 次日留存掉了吗？（产品体验问题）\n- 日活掉但时长没变？（可能是低活用户流失）\n- Push/通知到达率变了吗？\n\n**第4步：归因假设 → 验证**\n- 服务器故障？→ 检查5xx比例\n- 新版本 bug？→ 分版本看数据\n- 流量波动？→ 检查渠道数据\n- 竞品动作？→ 看行业趋势\n\n**第5步：行动建议**\n- 短期止损：什么可以立刻做\n- 中期修复：根因怎么解决\n- 长期预防：怎么避免下次\n\n---\n\n## 五、Mock 面试流程\n\n### 标准流程（30-45分钟）\n\n```\n1. 热身（2分钟）   ：自我介绍，确认面试方向\n2. 行为面（10分钟） ：2-3个行为问题\n3. 产品设计（10分钟）：1个设计题\n4. 数据分析（8分钟） ：1个分析题\n5. 反问环节（5分钟） ：回答候选人的问题\n6. 整体反馈（5分钟） ：给出评分和改进建议\n```\n\n### 评分维度\n\n| 维度 | 权重 | 评分标准 |\n|------|------|---------|\n| **逻辑表达** | 25% | 结构清晰、层次分明、不绕圈子 |\n| **产品思维** | 25% | 用户视角、数据驱动、决策有依据 |\n| **项目深度** | 20% | 不是假大空、有具体细节、有反思 |\n| **执行力** | 15% | 推动能力、结果导向、闭环意识 |\n| **沟通气场** | 15% | 自信但不傲慢、能听进去反馈 |\n\n### 面试后反馈结构\n\n```\n【整体评价】一句话总结表现\n【亮点】2-3个做得好的地方，具体举例子\n【待改进】2-3个需要提升的地方，给具体建议\n【关键风险】如果我是面试官，为什么可能不通过？\n【行动计划】接下来怎么针对性提升\n```\n\n---\n\n## 六、大厂面试特点速查\n\n### 腾讯系\n- 重产品 sense，喜欢问\"你觉得XX产品好吗？为什么？\"\n- 行为面问得很细，喜欢深挖细节\n- 数据分析是必考项\n\n### 阿里系\n- 重策略思维和商业判断\n- 喜欢问\"如果资源有限，你优先做什么？\"\n- 价值观面试很重要\n\n### 字节系\n- 重执行力和数据驱动\n- 产品设计题要求产出快、颗粒度细\n- 喜欢追问\"你怎么衡量效果？\"\n\n### 美团\n- 重方法论和系统思维\n- 喜欢问\"你怎么拆解这个问题？\"\n- 业务理解深度要求高\n\n---\n\n## 七、自检清单\n\n### 面试前\n\n- [ ] 准备好 3 个核心项目故事（用 STAR-L 框架）\n- [ ] 准备好自己主导的、有数据、有反思的项目\n- [ ] 了解目标公司业务、文化、近期动态\n- [ ] 准备好 2-3 个反问问题\n- [ ] 练习过开摄像头/镜子的自我介绍（2分钟内）\n\n### 面试中\n\n- [ ] 每个回答在 2-3 分钟内，不要超过 5 分钟\n- [ ] 先给结论，再给论据（金字塔原理）\n- [ ] 不会的问题坦诚说不会，但给出思考路径\n- [ ] 被追问时不要慌，恰恰说明面试官感兴趣\n\n### 面试复盘问题\n\n- 哪个问题回答得最好？为什么？\n- 哪个问题卡住了？下次怎么回答？\n- 面试官在哪个问题反复追问？说明什么？\n- 如果我是面试官，我会怎么评价这场面试？\n\n---\n\n## 八、面试辅导使用说明\n\n当用户说「帮我模拟面试」「练一下产品设计题」「我的面试要准备了」等时：\n\n1. **判断场景**：用户是想要 Mock 练习、题型拆解、还是方案复盘\n2. **Mock 模式**：扮演面试官，按标准流程出题，结束后给反馈\n3. **教练模式**：用户给你一个回答，你从面试官视角点评改进\n4. **准备模式**：帮用户梳理项目故事，准备核心回答\n\n核心原则：**给具体可执行的改进建议，不要只说「要多练习」这种废话。**","readmeExcerpt":"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","codeSnippets":[],"executableExamples":[{"language":"text","snippet":"发现 → 定义 → 设计 → 交付 → 复盘"},{"language":"bash","snippet":"# 克隆到 WorkBuddy 技能目录\ngit clone https://github.com/FayeNick/pm-workbench.git ~/.workbuddy/skills/pm-workbench"},{"language":"text","snippet":"\"帮我写一份智能搜索功能优化的 PRD\"\n\"分析一下我们的竞品最近有什么动作\"\n\"设计一个验证推荐算法效果的 AB 测试\"\n\"帮我排一下 Q3 需求池的优先级\"\n\"做一下上个迭代的项目复盘\"\n\"模拟一次产品经理面试，出产品设计题\"\n\"我的产品新增用户增长停滞了，帮我诊断\"\n\"帮我设计一个教育产品的裂变增长活动\""},{"language":"text","snippet":"pm-workbench/\n├── SKILL.md                          # 核心技能文件\n├── references/\n│   ├── templates/                    # 六大产出模板\n│   │   ├── prd-template.md\n│   │   ├── competitive-analysis.md\n│   │   ├── experiment-template.md\n│   │   ├── retrospective-template.md\n│   │   ├── interview-coaching.md     # 🆕 面试辅导\n│   │   └── growth-strategy.md        # 🆕 增长方案\n│   ├── frameworks/                   # 决策框架\n│   │   ├── prioritization.md\n│   │   └── decision-framework.md\n│   └── domain-knowledge/            # 领域知识\n│       ├── data-product.md\n│       ├── backoffice-product.md\n│       └── growth-edtech.md\n└── README.md"},{"language":"text","snippet":"事件名称：描述用户做了什么（动词+名词，如 click_search_button）\n触发时机：什么时候触发这个事件\n事件属性：描述事件的上下文信息\n  - 公共属性（所有事件都有的，如用户 ID、设备型号）\n  - 私有属性（这个事件特有的，如搜索关键词）"},{"language":"text","snippet":"曝光 → 点击 → 落地页 → 注册 → 激活 → 首次体验 → 首次付费"}],"parameters":null,"dependencies":[],"permissions":[],"extractedFiles":[{"path":"SKILL.md","content":"---\nname: pm-workbench\nversion: 1.1.0\ndescription: 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.\nauthor: Sandy Zhang\nlicense: MIT\nagent_created: true\ntrigger_keywords:\n  - PRD\n  - 产品需求文档\n  - 竞品分析\n  - 实验设计\n  - A/B测试\n  - 产品路线图\n  - 项目复盘\n  - 需求优先级\n  - 产品指标\n  - 数据产品\n  - 中后台\n  - 在线教育\n  - 增长策略\n  - 用户增长\n  - 增长方案\n  - 裂变\n  - 漏斗\n  - 产品方案\n  - 需求评审\n  - 版本规划\n  - 埋点设计\n  - 数据指标体系\n  - 权限系统\n  - 面试\n  - 模拟面试\n  - PM面试\n  - 产品面试\n  - PM\n  - 产品经理\n  - 需求分析\n---\n\n# PM Workbench — 产品经理工作台\n\n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。\n\n## 角色定位\n\n你是一位资深产品经理，背景如下：\n- **8 年以上 PM 经验**，在头部大厂（腾讯/阿里/字节级别）工作\n- **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\n- **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\n- **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）\n\n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。\n\n## 工作模式识别\n\n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：\n\n### 场景 A：产出文档\n用户说「帮我写个 PRD」「做一份竞品分析」「设计个实验方案」。\n→ 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。\n→ 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。\n\n### 场景 B：决策教练\n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」。\n→ 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。\n→ 核心原则：**质疑但不否定，引导但不代替决策**。\n\n### 场景 C：全流程引导\n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」。\n→ 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。\n→ 核心原则：**每完成一个阶段，停下来确认再进入下一阶段**。\n\n### 场景 D：面试练习与指导\n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」。\n→ 加载 `references/templates/interview-coaching.md`，判断是 Mock 练习、题型拆解、还是方案复盘。\n→ 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。**\n\n### 场景 E：增长方案设计\n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」。\n→ 加载 `references/templates/growth-strategy.md`，先诊断现状再设计方案。\n→ 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。**\n\n## 五步工作流\n\n```\n发现 → 定义 → 设计 → 交付 → 复盘\n```\n\n### 第一步：发现\n**目标**：搞清楚问题到底是什么，值不值得做。\n\n**核心动作**：\n1. 澄清背景：谁提出的需求？遇到了什么问题？当前怎么解决的？\n2. 量化价值：影响的用户量级？不做会怎样？做了能带来什么？\n3. 竞品扫描：同类产品怎么做的？我们有什么差异化？\n4. 可行性判断：技术难度？资源投入？时间约束？\n\n**输出物**：需求一页纸（问题描述、价值论证、粗略方案、风险点）\n\n**检查点**：这个问题真的值得投入产品资源解决吗？\n\n### 第二步：定义\n**目标**：把模糊的想法变成清晰的产品方案。\n\n**核心动作**：\n1. 用户故事拆分：谁在什么场景下要做什么，期望什么结果\n2. 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？\n3. 优先级评估：用 RICE 模型或价值-投入矩阵排序\n4. 技术预沟通：找研发负责人聊可行性，获得初步工时估算\n\n**输出物**：PRD 初版（用户故事、验收标准、指标定义、优先级）\n\n**检查点**：如果明天就要上线，最少要做什么？\n\n### 第三步：设计\n**目标**：把方案变成可执行的设计。\n\n**核心动作**：\n1. 交互方案：核心路径的交互流程，关注异常态和边界情况\n2. 数据方案：需要哪些埋点？指标口径怎么定？\n3. 实验设计：是否需要 A/B 测试？流量怎么分？样本量够不够？\n4. 版本拆分：MVP 做什么？V1.1 做什么？后续规划？\n\n**输出物**：完整 PRD + 埋点方案 + 实验设计（如需要）\n\n**检查点**：研发看完 PRD 有没有需要再问的问题？\n\n### 第四步：交付\n**目标**：确保质量上线，不出大问题。\n\n**核心动作**：\n1. 需求评审：确保研发和测试理解一致\n2. 开发跟进：关键节点 check，及时调整不合理需求\n3. 验收标准：按用例验收，关注异常路径\n4. 灰度策略：先小流量验证，数据没问题再全量\n5. 上线 checklist：监控告警、回滚方案、公告通知\n\n**输出物**：验收报告 + 上线确认\n\n**检查点**：如果上线后出了问题，最快多久能回滚？\n\n### 第五步：复盘\n**目标**：从结果中学习，指导下一次决策。"},{"path":"README.md","content":"# PM Workbench — AI 产品经理工作台\n\n> 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。\n\n[![License: MIT](https://img.shields.io/badge/License-MIT-blue.svg)](LICENSE)\n\n## 这是什么？\n\n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：\n\n- 根据你的输入生成结构化 PRD、竞品分析、实验方案\n- 作为决策教练，帮你分析方案优劣、避免产品决策陷阱\n- 引导你完成从需求发现到项目复盘的全流程\n- 模拟 PM 面试，帮你打磨产品思维和面试技巧\n- 设计用户增长方案，从诊断到执行全覆盖\n\n## 核心能力\n\n| 能力 | 描述 | 示例 |\n|-----|------|------|\n| 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\" |\n| 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\" |\n| 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\" |\n| 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\" |\n| 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\" |\n| 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？\" |\n| 🆕 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\" |\n| 🆕 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\" |\n\n## 三大领域专长\n\n- **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\n- **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\n- **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\n\n## 快速安装\n\n### 方式一：从 GitHub 安装\n\n```bash\n# 克隆到 WorkBuddy 技能目录\ngit clone https://github.com/FayeNick/pm-workbench.git ~/.workbuddy/skills/pm-workbench\n```\n\n### 方式二：手动安装\n\n1. 下载本仓库代码\n2. 将整个 `pm-workbench` 文件夹放入 `~/.workbuddy/skills/` 目录\n3. 重启 WorkBuddy 或刷新技能列表\n\n### 方式三：WorkBuddy 技能市场安装\n\n在 WorkBuddy 对话框输入：`安装 pm-workbench 技能`\n\n## 使用示例\n\n安装后，在 WorkBuddy 对话中直接使用：\n\n```\n\"帮我写一份智能搜索功能优化的 PRD\"\n\"分析一下我们的竞品最近有什么动作\"\n\"设计一个验证推荐算法效果的 AB 测试\"\n\"帮我排一下 Q3 需求池的优先级\"\n\"做一下上个迭代的项目复盘\"\n\"模拟一次产品经理面试，出产品设计题\"\n\"我的产品新增用户增长停滞了，帮我诊断\"\n\"帮我设计一个教育产品的裂变增长活动\"\n```\n\n## 技能架构\n\n```\npm-workbench/\n├── SKILL.md                          # 核心技能文件\n├── references/\n│   ├── templates/                    # 六大产出模板\n│   │   ├── prd-template.md\n│   │   ├── competitive-analysis.md\n│   │   ├── experiment-template.md\n│   │   ├── retrospective-template.md\n│   │   ├── interview-coaching.md     # 🆕 面试辅导\n│   │   └── growth-strategy.md        # 🆕 增长方案\n│   ├── frameworks/                   # 决策框架\n│   │   ├── prioritization.md\n│   │   └── decision-framework.md\n│   └── domain-knowledge/            # 领域知识\n│       ├── data-product.md\n│       ├── backoffice-product.md\n│       └── growth-edtech.md\n└── README.md\n```\n\n## 贡献\n\n欢迎 PR！如果你有产品经理领域的经验想贡献，可以：\n\n1. 新增领域知识（添加到 `references/domain-knowledge/`）\n2. 新增模板或框架（添加到对应目录）\n3. 改进现有内容\n\n## License\n\nMIT License — 详见 [LICENSE](LICENSE) 文件。"},{"path":"_meta.json","content":"{\n  \"ownerId\": \"kn780qe2qh19xcyk72s7fdez6d8bsr40\",\n  \"slug\": \"pm-workbench-2\",\n  \"version\": \"0.1.0\",\n  \"publishedAt\": 1785740074606\n}"},{"path":"references/domain-knowledge/backoffice-product.md","content":"# 中后台产品方法论\n\n## 中后台产品的核心特征\n- 用户是内部员工或 B 端客户，不是 C 端消费者\n- 核心价值是「效率」而不是「体验」\n- 功能复杂，权限关系复杂，业务流程复杂\n- 用得顺的用户不会夸你，用得卡的用户天天骂你\n\n## 一、权限系统设计\n\n### RBAC（角色-权限模型）\n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。\n\n**三要素**：\n- **用户**：谁在操作系统\n- **角色**：用户的身份（一个用户可以有多个角色）\n- **权限**：角色能做什么（一个角色可以有多个权限）\n\n**设计步骤**：\n1. 梳理系统有哪些功能模块\n2. 定义每个模块的操作权限（增删改查、导入导出等）\n3. 按岗位职责定义角色（不要按人来定义，按岗位）\n4. 关联角色和权限\n\n### RBAC 到 ABAC 的演进\n什么时候需要从 RBAC 升级到 ABAC（属性-权限模型）？\n- RBAC 角色爆炸（角色太多，维护困难）\n- 需要数据级别的权限（比如「只能看自己部门的订单」）\n- 权限规则动态变化\n\n**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。\n\n### 数据权限设计\n除了功能权限，还要考虑数据权限：\n- 数据范围：能看全公司的数据还是只能看自己部门的？\n- 字段级别：某些敏感字段是否要脱敏？\n- 操作限制：能否导出？能否删除？\n\n### 权限设计的坑\n- 硬编码权限（把权限写死在代码里，每次加权限要发版）\n- 权限粒度太粗（只有一个「管理员」「普通用户」不够用）\n- 权限粒度太细（每个按钮都配权限，管理和使用成本极高）\n- 没有「超级管理员」的兜底机制\n\n## 二、工作流引擎设计\n\n### 核心元素\n- **节点**：流程中的一个步骤（审批节点、判断节点、操作节点）\n- **流转**：节点之间的连接（什么条件下流转到哪个节点）\n- **参与者**：谁在当前节点需要操作（具体人 or 角色）\n- **表单**：每个节点需要填写或查看什么信息\n\n### 设计要点\n- 流程要可视化：用户能看到自己卡在哪一步了\n- 支持加签/转交/撤回：真实业务中很常见\n- 超时处理：审批人长时间不处理怎么办（自动跳过？自动提醒？）\n- 流程版本管理：业务流程会变，改流程后历史单据怎么处理？\n\n### 配置化 vs 定制化\n- 通用流程（请假、报销）→ 配置化\n- 核心业务流程（供应链、财务审批）→ 定制化\n- 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\n\n## 三、配置化平台\n\n### 什么该配置化？\n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。\n- 文案、图片、链接 → 基础配置\n- 活动规则（满减、折扣、阶梯价）→ 规则引擎\n- 页面布局（组件排序、显隐）→ 页面配置\n- 业务流程（审批流、状态机）→ 流程配置\n\n### 配置化的陷阱\n- 过度配置化：所有东西都可配，反而没人会用\n- 配置项无文档：只有当初做的人知道怎么配\n- 配置无校验：配错了导致线上故障\n- 配置与代码耦合：改配置要发版，失去配置化的意义\n\n## 四、中后台产品体验\n\n### 效率 > 美观\n- 批量操作比单条操作重要\n- 快捷键比点击重要\n- 搜索和筛选比导航重要\n- 数据导入导出比好看的图表重要\n\n### 关键设计点\n- 操作反馈：每次操作都有明确的结果提示\n- 错误处理：出错时告诉用户为什么以及怎么办\n- 数据准确性：列表数字要能对得上、能追溯\n- 性能：列表不分页直接卡死，这是中后台的第一大罪\n\n### 中后台产品的「北极星指标」\n不是 DAU 不是留存，而是：\n- **任务完成率**：用户想在系统里完成一件事，成功率有多高？\n- **任务完成时间**：完成一件事要多久？有没有缩短？\n- **工单/咨询量**：因为系统不好用而产生的提问和求助"},{"path":"references/domain-knowledge/data-product.md","content":"# 数据产品方法论\n\n## 数据产品的核心矛盾\n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。\n\n## 一、指标体系设计\n\n### OSM 模型（Objective-Strategy-Measurement）\n这是设计指标体系的核心框架：\n\n**O - 业务目标（Objective）**\n- 公司/产品今年的核心目标是什么？\n- 拆解到你的产品线的目标是什么？\n- 注意：目标要可衡量，不能是「提升用户体验」这种虚的\n\n**S - 业务策略（Strategy）**\n- 为了达成目标，采取什么策略？\n- 每个策略对应什么产品动作？\n\n**M - 度量指标（Measurement）**\n- 每个策略用什么指标衡量效果？\n- 指标分为：结果指标（北极星指标）和过程指标（驱动指标）\n\n### 指标分级体系\n- **一级指标**（公司/产品北极星）：公司最关注的 1-3 个指标\n- **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\n- **三级指标**（功能/模块级）：日常优化的过程指标\n\n### 指标设计的常见错误\n- 指标太多 → PM 要关注的指标不超过 5 个\n- 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\n- 指标互相矛盾 → 优化 A 指标会伤害 B 指标，需要权衡\n\n## 二、埋点方案设计\n\n### 埋点设计的核心原则\n**埋点不是为了「收集数据」，是为了「回答业务问题」。**\n先想清楚你要回答什么问题，再设计埋点。\n\n### 事件模型\n一个完整的埋点事件包含：\n```\n事件名称：描述用户做了什么（动词+名词，如 click_search_button）\n触发时机：什么时候触发这个事件\n事件属性：描述事件的上下文信息\n  - 公共属性（所有事件都有的，如用户 ID、设备型号）\n  - 私有属性（这个事件特有的，如搜索关键词）\n```\n\n### 埋点设计 checklist\n- [ ] 每个埋点对应一个明确的业务问题\n- [ ] 事件命名规范统一（建议：模块_动作_对象）\n- [ ] 属性的取值是有限的（避免自由文本）\n- [ ] 定义了异常情况的上报（比如接口失败）\n- [ ] 埋点文档有负责人和更新时间\n\n### 埋点验证\n- 上线前在测试环境验证埋点是否正常上报\n- 上线后对比服务端日志和前端埋点数据\n- 异常监控：埋点数据量突然下降/消失的告警\n\n## 三、数据可视化原则\n\n### 图表选择指南\n- 看趋势 → 折线图\n- 看占比 → 饼图/环形图（不超过 5 个分类）\n- 看对比 → 柱状图\n- 看分布 → 直方图/箱线图\n- 看关系 → 散点图\n- 看排名 → 排行榜（用表格更清楚）\n\n### 看板设计原则\n- 一个看板只回答一个问题\n- 核心指标放最上面，越大越好\n- 趋势图横轴标注时间，纵轴从 0 开始（避免视觉误导）\n- 异常点要能下钻到明细\n\n## 四、数据质量治理\n\n### 常见数据质量问题\n- 口径不一致（不同团队对同一指标定义不同）\n- 数据延迟（T+1 还是实时？）\n- 数据缺失（某些渠道/版本没埋点）\n- 数据污染（测试数据混入、异常流量）\n\n### 解决方案\n- 建立指标字典（每个指标有唯一的口径定义）\n- 数据质量监控（关键指标波动超过阈值自动告警）\n- 定期数据校验（按月/季度做全量校验）"}],"languages":[],"docsSourceLabel":"CLAWHUB","editorialOverview":"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","editorialQuality":{"score":100,"threshold":65,"status":"ready","wordCount":680,"uniquenessScore":54,"reasons":[]}},"media":{"evidence":{"source":"no-media","verified":false,"confidence":"low","updatedAt":"2026-10-09T13:04:17.229Z","emptyReason":"No screenshots, media assets, or demo links are available."},"primaryImageUrl":null,"mediaAssetCount":0,"assets":[],"demoUrl":null},"ownerResources":{"evidence":{"source":"unclaimed","verified":false,"confidence":"low","updatedAt":"2026-10-09T13:04:17.229Z","emptyReason":"This page has not been claimed by the agent owner."},"hasCustomPage":false,"customPageUpdatedAt":null,"customLinks":[],"structuredLinks":{"docsUrl":null,"demoUrl":null,"supportUrl":null,"pricingUrl":null,"statusUrl":null},"customPage":null},"relatedAgents":{"evidence":{"source":"protocol-neighbors","verified":false,"confidence":"medium","updatedAt":"2026-10-10T01:14:16.675Z","emptyReason":null},"items":[{"id":"8ebccd8e-3863-4187-8355-c3f14e1f9edf","entityType":"agent","canonicalPath":"/agent/iofficeai-aionui","slug":"iofficeai-aionui","name":"AionUi","description":"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!","url":"https://github.com/iOfficeAI/AionUi","homepage":"https://www.aionui.com","source":"GITHUB_REPOS","protocols":["MCP","OPENCLAW"],"capabilities":[],"safetyScore":100,"overallRank":70,"updatedAt":"2026-10-09T19:11:12.944Z","createdAt":"2026-02-25T03:38:16.584Z","downloads":null},{"id":"b917f68a-ebff-438e-84f8-3f4b2494c0bc","entityType":"agent","canonicalPath":"/agent/activepieces-activepieces","slug":"activepieces-activepieces","name":"activepieces","description":"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","url":"https://github.com/activepieces/activepieces","homepage":"https://www.activepieces.com","source":"GITHUB_REPOS","protocols":["OPENCLAW"],"capabilities":[],"safetyScore":100,"overallRank":70,"updatedAt":"2026-04-15T02:22:12.426Z","createdAt":"2026-02-25T03:38:12.412Z","downloads":null},{"id":"5cb26759-3a39-483f-94cf-276a98c13bb8","entityType":"agent","canonicalPath":"/agent/cherryhq-cherry-studio","slug":"cherryhq-cherry-studio","name":"cherry-studio","description":"AI productivity studio with smart chat, autonomous agents, and 300+ assistants. Unified access to frontier LLMs","url":"https://github.com/CherryHQ/cherry-studio","homepage":"https://cherry-ai.com","source":"GITHUB_REPOS","protocols":["MCP","OPENCLAW"],"capabilities":[],"safetyScore":100,"overallRank":70,"updatedAt":"2026-04-11T14:38:40.986Z","createdAt":"2026-02-25T03:38:19.379Z","downloads":null},{"id":"6f6582d0-5d76-4f0f-b81d-86520247950b","entityType":"agent","canonicalPath":"/agent/copilotkit-copilotkit","slug":"copilotkit-copilotkit","name":"CopilotKit","description":"The Frontend for Agents & Generative UI. React + Angular","url":"https://github.com/CopilotKit/CopilotKit","homepage":"https://docs.copilotkit.ai","source":"GITHUB_REPOS","protocols":["OPENCLAW"],"capabilities":[],"safetyScore":100,"overallRank":70,"updatedAt":"2026-03-25T09:50:57.846Z","createdAt":"2026-02-25T03:39:14.617Z","downloads":null}],"links":{"hub":"/agent","source":"/agent/source/clawhub","protocols":[{"label":"OpenClaw","href":"/agent/protocol/openclew"}]}}}