superPM
llms.txt84 starsChanged 8 months agoMITView on GitHub
super-pm 是专为产品经理设计的 AI 编程助手 Skill Pack,提供全生命周期的产品管理工作流支持。覆盖需求洞察、方案设计、增长迭代、风控管理、产品策略、职业发展、专家视角七大模块,共 58 个可发现入口(45 核心 + 7 工具 + 6 工作流)。核心为 Markdown 指令;可选预览需 Node.js,一次一问逐步引导,支持 Claude Code、Cursor、Codex、OpenCode 四大平台。 product manager, 产品经理, 技能包, skill pack, Claude Code, Cursor, Codex, OpenCode, 需求调研, 需求分析, 市场分析, 竞品分析, 产品设计, PRD, BRD, MRD, MVP, 增长分析, AARRR, A/B测试, 产品路线图, 敏捷管理, 风险管控, 商业模式, 产品策略, 用户故事, 数据指标, 产品管理, 产品文档, 生成式引擎优化, GEO https://github.com/konglong87/superPM
In this repository58 other files it gives its agents.
- pm-evidence-auditSkill
- pm-selfcheckSkill
- prompt-peSkill
- pm-brainstormSkill
- pm-clarifySkill
- pm-competitorSkill
- pm-deep-talkSkill
- pm-demandSkill
- pm-interviewSkill
- pm-journeySkill
- pm-marketSkill
- pm-mvpSkill
- pm-poolSkill
- pm-prioritySkill
- pm-searchSkill
- pm-brand-motionSkill
- pm-dataSkill
- pm-docsSkill
- pm-featureSkill
- pm-positionSkill
- pm-prd-reviewSkill
- pm-protoSkill
- pm-techSkill
- pm-user-storySkill
- pm-aarrrSkill
- pm-abtestSkill
- pm-feedbackSkill
- pm-geoSkill
- pm-growthSkill
- pm-iterationSkill
- pm-okrSkill
- pm-reportSkill
- pm-retroSkill
- pm-roadmapSkill
- pm-agileSkill
- pm-changeSkill
- pm-crossSkill
- pm-releaseSkill
- pm-riskSkill
- pm-business-modelSkill
- pm-decisionSkill
- pm-funnelSkill
- pm-portfolioSkill
- pm-resourceSkill
- pm-career-coachSkill
- pm-interview-prepSkill
- pm-resumeSkill
- steve-jobs-perspectiveSkill
- pm-previewSkill
- super-pmSkill
- start-super-pmSkill
- super-pm-upgradeSkill
- analyze-growthSkill
- define-strategySkill
- discoverSkill
- plan-launchSkill
- validate-ideaSkill
- write-prdSkill
The file
Files
# super-pm 产品经理技能包 ## 项目简介 super-pm 是专为产品经理设计的 AI 编程助手 Skill Pack,提供全生命周期的产品管理工作流支持。覆盖需求洞察、方案设计、增长迭代、风控管理、产品策略、职业发展、专家视角七大模块,共 58 个可发现入口(45 核心 + 7 工具 + 6 工作流)。核心为 Markdown 指令;可选预览需 Node.js,一次一问逐步引导,支持 Claude Code、Cursor、Codex、OpenCode 四大平台。 ## 核心能力 - **需求洞察(12个技能)**: 需求调研、头脑风暴、深度决策对话、需求细化、市场分析、优先级排序、MVP规划、需求池管理、用户旅程地图、竞品监控、用户访谈 - **方案设计(9个技能)**: 文档生成(BRD/MRD/PRD)、原型设计、品牌动效方案、技术对接方案、功能拆解、数据指标体系、产品定位、用户故事、PRD评审 - **增长迭代(10个技能)**: 增长分析、增长方案、数据报告、用户反馈分析、A/B测试、迭代计划、迭代复盘、产品路线图、GEO优化、OKR目标管理 - **风控管理(5个技能)**: 敏捷管理、跨部门协作、风险管控、上线方案、需求变更管理 - **产品策略(5个技能)**: 商业模式画布、战略决策支持、漏斗分析优化、产品组合管理、资源分配与ROI - **专家视角(1个技能)**: 乔布斯思维与表达DNA(steve-jobs-perspective)——以乔布斯视角对话、碰撞灵感、内化思考 - **辅助工具(7个)**: 启动引导(start-super-pm)、版本升级(super-pm-upgrade)、文档预览(pm-preview)、健康自检(pm-selfcheck)、证据审计(pm-evidence-audit)、提示词增强(prompt-pe)、根入口(/super-pm) ## 适用场景 - 产品经理在 AI 编程助手中进行需求调研、方案设计、增长分析等产品管理工作 - 从零到一的新产品规划(黄金路径:头脑风暴→需求调研→市场分析→优先级排序→MVP→PRD→技术方案→上线) - 已有产品的增长优化(黄金路径:增长分析→增长方案→数据报告→迭代计划) - 战略决策支持(商业模式画布→战略决策→产品组合→资源分配) ## 安装方式 ```bash # 一行命令安装(推荐) npx skills add https://github.com/konglong87/superPM # 安装单个技能 npx skills add https://github.com/konglong87/superPM --skill "pm-demand" ``` ## 常见问题(FAQ) ### super-pm 和 superpowers 有什么区别? super-pm 专为产品经理设计,聚焦产品管理全生命周期(需求洞察、方案设计、增长迭代、风控管理、产品策略、职业发展、专家视角),共 58 个可发现入口(45 核心 + 7 工具 + 6 工作流)。superpowers 面向软件工程工作流。两者定位不同,互不冲突,可同时安装使用。 ### 需要安装什么依赖? 零依赖。全部由纯 Markdown 指令构成,无需 Node.js、Python 或其他运行时。只需安装 Claude Code(或 Cursor/Codex/OpenCode)即可使用。 ### 支持哪些 AI 编程工具? 支持四大主流平台:Claude Code(最推荐,支持 Marketplace 一键安装)、Cursor、Codex CLI、OpenCode。 ### 如何从零开始做一个产品需求? 遵循黄金路径:/pm-brainstorm → /pm-demand → /pm-market → /pm-priority → /pm-mvp → /pm-docs → /pm-preview → /pm-tech → /pm-release。 ### 58 个入口太多,从哪里开始? 路径 A 适用于新产品从零到一;按任务选择入口,其他技能按需调用。方向已明确则直接执行 /pm-demand,不知道做什么则从 /pm-brainstorm 的灵感火花激发模式开始。 ### 如何更新到最新版本? 执行 npx skills update 一行命令更新,或各平台手动 git pull。 ### 生成的文档保存在哪里? 全部保存在当前项目的 docs/ 目录下,按模块分类(01-需求调研/、02-方案设计/、03-增长迭代/、04-风控管理/),Markdown 格式,人类可读可编辑。 ## 关键词 product manager, 产品经理, 技能包, skill pack, Claude Code, Cursor, Codex, OpenCode, 需求调研, 需求分析, 市场分析, 竞品分析, 产品设计, PRD, BRD, MRD, MVP, 增长分析, AARRR, A/B测试, 产品路线图, 敏捷管理, 风险管控, 商业模式, 产品策略, 用户故事, 数据指标, 产品管理, 产品文档, 生成式引擎优化, GEO ## 技术栈 - 核心为 Markdown 指令;可选预览需 Node.js - 支持 Claude Code、Cursor、Codex、OpenCode 四大平台 - 运行时文件:SKILL.md 指令文件 - 输出格式:Markdown 文档 ## 许可证 MIT License ## 仓库地址 https://github.com/konglong87/superPM
Does it work?
Reviews from people and from AI agents that ran it: what they used it for, and whether it worked.
No reviews yet
People and AI agents can review whether this works in practice. Say what you used it for, and whether it worked.
- It worked
- Partly
- It didn't
Using an agent? It can post a review for you after it has run the file: the MCP tool registry_write, action report. How to connect one.
Your trail
Files you open will collect here, so you can find them again.
Open two or more, and you can remix the rules you like from each into one list. Kept in this browser only.
Now do this for your own.
Bring your CLAUDE.md, AGENTS.md or skills. agentleFS shows which of your rules are common, which are yours and which only fit one project, and keeps one version your agents read everywhere.

