pm-interview
Skill84 starsChanged 8 months agoMITView on GitHub
Use when: 需要设计用户访谈/用户调研方案、编写访谈提纲、规划样本与招募、制定访谈执行与分析方法 Do NOT use when: 仅做案头需求调研(用 pm-demand);已有明确结论只需验证单一假设且无需访谈
In this repository58 other files it gives its agents.
- llms.txtllms.txt
- pm-evidence-auditSkill
- pm-selfcheckSkill
- prompt-peSkill
- pm-brainstormSkill
- pm-clarifySkill
- pm-competitorSkill
- pm-deep-talkSkill
- pm-demandSkill
- 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
Preamble (run first)
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(可复用假设与目标用户)"
else
echo "⏳ 需求调研报告 - 未找到(可选,缺失时由本技能快速采集)"
fi写入时边界
只讨论时不写文件,启动检查不创建目录。用户要求保存产物时,先确认当前产品、精确输出路径及已有文件的覆盖/追加选择;确认后仅在实际 Write 前创建该输出文件的父目录。完整安装可参见 skills/_shared/artifact-policy.md,单独安装本 skill 也按本段执行。
跨 Agent 交互规则
当流程要求与用户交互时:
- 如果当前环境支持 AskUserQuestion,使用 AskUserQuestion(最佳体验)。
- 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。
- 一次只问一个问题。
- 提问后必须停止当前回合,等待用户回答(STOP and WAIT)。
- 不得在用户回答前生成文档、写入 docs。
- 已有 docs 文件不能替代本轮用户回答。
适用场景
- 用户说"用户访谈""访谈提纲""用户调研方案""想找用户聊聊""定性研究"
- 与
pm-demand区分:pm-demand 偏案头/二手调研;本技能偏一手定性研究(访谈设计与执行)。
执行流程
步骤 1: 明确访谈目标与假设(主 agent - 用户交互)
使用 AskUserQuestion 询问:
🎯 访谈目标
这次访谈主要想搞清楚什么?
A) 验证需求假设(功能是否真被需要) B) 探索用户痛点与场景(开放式发现) C) 评估产品体验(可用性/满意度) D) 理解决策与付费(选型/付费动机)
你想验证/探索的核心假设是?(一句话)
记录到变量 INTERVIEW_GOAL 与 HYPOTHESIS。
步骤 2: 确定访谈对象与样本(主 agent)
结合需求调研报告(如有)提取目标用户画像,使用 AskUserQuestion 确认:
👥 访谈对象
A) 沿用需求调研报告的目标用户分层 B) 我手动指定人群 C) 聚焦某一极端/核心用户群
样本量:建议 5-8 人/每细分(饱和即止);周期:{周}
记录 SEGMENTS 与 SAMPLE_PLAN。
步骤 3: 设计访谈提纲(主 agent + 可选 subagent)
按阶段生成提纲,默认结构:
- 暖场(建立信任,背景了解)
- 行为与场景(真实使用/替代方案)
- 痛点与动机(当前如何解决问题、痛点强度)
- 需求与期望(对解决方案的期望、付费意愿)
- 收尾(开放补充、是否愿意后续回访)
使用 Agent 工具(可选,针对复杂主题)派发 subagent 生成分群提纲:
Tool: Task
Parameters:
subagent_type: "general-purpose"
description: "访谈提纲生成"
prompt: |
你是用户研究专家。请基于以下信息设计一份用户访谈提纲。
目标:{INTERVIEW_GOAL}
核心假设:{HYPOTHESIS}
对象分层:{SEGMENTS}
要求:开放式问题为主、避免引导性提问、每阶段 3-5 题、标注追问点。
输出 Markdown 提纲。主 agent 整合并定稿。
步骤 4: 招募与执行指引(主 agent)
生成:
- 招募话术 / 筛选问卷(含准入/排除标准)
- 执行指引:提问技巧(追问"为什么""能举个例子吗")、避免 Leading、录音与知情同意、时间控制(45-60 分钟)
- 记录模板:逐场要点 + 引用原话
步骤 5: 分析与产出(主 agent)
使用 Write 工具生成 docs/01-需求调研/用户访谈方案.md:
# {产品名称} 用户访谈方案
## 一、访谈目标与假设
- 目标: {INTERVIEW_GOAL}
- 核心假设: {HYPOTHESIS}
- 待回答的关键问题: {列表}
## 二、对象与样本
| 分层 | 特征 | 样本量 | 招募渠道 |
|------|------|-------|---------|
| {层1} | {特征} | {n} | {渠道} |
## 三、访谈提纲(按阶段)
### 阶段1 暖场
1. {问题}
### 阶段2 行为与场景
1. {问题}(追问:...)
...
## 四、招募与执行
- 招募话术: {话术}
- 执行指引: {要点}
- 记录模板: {模板}
## 五、分析方法
- 归纳编码(开放→主题)
- 假设验证矩阵(支持/反驳/需补充)
- 输出物: 洞察报告 + 用户原话引用
## 六、下一步建议
1. /pm-demand - 整合访谈洞察进入需求调研
2. /pm-clarify - 细化高价值需求
3. /pm-priority - 将洞察转优先级步骤 6: 推荐下一步(主 agent)
✅ 用户访谈方案已生成:
docs/01-需求调研/用户访谈方案.md建议执行:
- /pm-demand - 整合访谈洞察
- /pm-clarify - 细化需求
- /pm-priority - 转优先级
输出质量对比
✅ Good 示例:
- 开放式问题:「上次你是怎么处理 XX 的?能举个具体例子吗?」
- 有样本计划与准入标准
- 有分析方法(编码/假设矩阵)
❌ Bad 示例:
- 引导性提问:「你是不是觉得 XX 不好用?」
- 无样本规划
- 无分析方法
常见误区 / Red Flags — STOP
| 误区 | 正确做法 |
| 用引导性问题 | 开放式、中立、追问"为什么" |
| 样本无分层 | 按用户分层招募,避免同质化 |
| 只收集不分析 | 必须定义编码与假设验证方法 |
| 拿个例当结论 | 多样本交叉验证,引用原话 |
产出质量检查 / Verification Checklist
- 已明确访谈目标与假设
- 已确定对象分层与样本计划
- 已生成分阶段开放式提纲
- 已给出招募与执行指引
- 输出文档已生成到
docs/01-需求调研/ - 已推荐 2-3 个后续 skill
⚠️ 任何一项未通过 → 补全后再标记完成。
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.

