本报告全面检索了全网关于AI编码工具使用的skills.md文件，特别聚焦于商业化产品需求分析、竞品分析和可行性研究相关的技能定义。当前时间为2026年1月，Agent Skills生态已成为主流的AI能力扩展标准。
Agent Skills（智能体技能） 是一种模块化的能力扩展系统，核心特征如下：
| 特性 | 说明 |
|---|---|
| 本质 | 模块化的Markdown文件（SKILL.md），用于教Claude等AI工具执行特定任务 |
| 形式 | 一个文件夹，必须包含SKILL.md（核心），可选包含脚本、文档、资源文件 |
| 工作原理 | 渐进式披露（Progressive Disclosure）：元数据→指令→资源按需加载 |
| 适用工具 | Claude（Anthropic）、GitHub Copilot、Cursor、AutoDev等 |
| 核心优势 | 自动触发、可复用、跨平台、高效利用上下文窗口 |
最小结构：
my-skill/
└── SKILL.md # 唯一必需的文件
推荐完整结构：
my-skill/
├── SKILL.md # 元数据 + 核心指令
├── reference.md # 详细参考文档
├── examples.md # 使用示例
├── scripts/
│ └── helper.py # 可执行工具脚本
└── templates/
└── template.json # 模板文件
YAML前置元数据要求：
---
name: your-skill-name # 必填：最多64字符，仅小写字母/数字/连字符
description: Brief description # 必填：最多1024字符，包含功能和使用场景
---
关键要求：
name：使用动名词形式（如：processing-pdfs、analyzing-spreadsheets）description：第三人称描述（不用第一人称"I can"），必须包含触发条件来源： MCP Market - 官方认可的Agent Skills市场
功能描述：
将Claude转变为产品专家，聚焦于产品开发的"What"和"Why"。提供标准化模板，确保问题陈述、用户画像和成功指标清晰定义。通过与平行的专家智能体的迭代发现循环，识别逻辑缺陷、遗漏的边界情况和矛盾之处，在技术实现前建立高质量基础。
核心功能：
应用场景： 任何需要生成高质量产品需求文档的项目
来源： MCP Market
功能描述：
使用BMAD方法论简化从模糊想法到可实现开发计划的转变。指导团队完成结构化的产品简报撰写、数据驱动的市场研究和包含可测量成功标准的综合PRD编写工作流程。确保战略对齐和需求验证在开发前完成，减少浪费并提供从业务目标到技术史诗的清晰追溯性。
核心工作流：
适用阶段： 早期产品策划、从概念到实现的过渡
来源： MCP Market
功能描述：
为产品经理和工程负责人提供智能伙伴，连接战略视野与技术实现。通过直接访问代码库和文档，创建上下文感知的PRD、将用户研究合成可操作的洞察、执行使用RICE或ICE框架的数据驱动功能优先级排序。
核心能力：
特色： 与代码库深度集成，保持产品文档与代码版本对应
来源： MCP Market
功能描述：
通过自动化RICE优先级排序、NLP驱动的访谈分析和标准化PRD模板，简化产品管理工作流。
包含工具：
来源： MCP Market - 2天前更新
功能描述：
通过在Claude中直接应用严格的分析框架，增强产品团队和开发者构建防守性市场策略的能力。提供结构化指导以执行波特五力分析、识别"蓝海"机会、绘制竞争定位地图和进行详细的竞争情报收集。无论您是评估新软件产品的市场进入还是优化现有工具的差异化，该技能都有助于识别可持续竞争优势并通过数据驱动的模板和分析工具优化市场推广策略。
分析框架：
波特五力分析（Porter's Five Forces）
行业竞争对手之间的竞争
新进入者的威胁
替代品威胁
供应商议价能力
买方议价能力
蓝海战略（Blue Ocean Strategy）
差异化维度识别
成本优化
非竞争性市场空间
竞争定位映射
功能对比
价格定位
目标客户群体分析
竞争情报收集
产品特性分析
市场覆盖范围
用户反馈综合
适用对象： 产品团队、创业者、产品经理、市场分析师
根据全网调查，2026年产品经理进行竞品分析的核心技能包括：
| 技能维度 | 具体内容 |
|---|---|
| 分析框架 | SWOT分析、波特五力、KANO模型、HMW法则 |
| 定量研究 | 用户量统计、留存率、转化率、市场规模 |
| 定性研究 | 用户访谈、反馈分析、使用场景研究 |
| 技术方面 | 产品功能拆解、技术栈分析、可扩展性评估 |
| 商业面向 | 定价策略、商业模式、收入结构 |
| 用户体验 | UI/UX对比、使用流程、用户满意度 |
| 执行能力 | 可执行性建议提出、差异化策略、市场定位 |
来源： MCP Market
功能描述：
增强Claude分析商业需求文档的能力。评估市场可行性、技术可行性和竞争格局。
评估维度：
来源： MCP Market
功能描述：
通过交互式项目发现和需求收集指导开发者，生成综合的产品需求文档。包括可行性研究的关键环节。
工作流：
基于全网资源整合，完整的可行性研究（Feasibility Study）应包含以下5个核心要素：
| 要素 | 关键问题 |
|---|---|
| 技术可行性 | 能否用现有技术实现？需要什么技术栈？有何技术风险？ |
| 市场可行性 | 市场规模多大？目标用户是谁？市场需求有多大？ |
| 经济可行性 | 投入成本是多少？预期收益如何？投资回报周期？ |
| 运营可行性 | 团队能力是否满足？流程是否可执行？资源是否充足？ |
| 法律可行性 | 是否符合法规？是否存在合规风险？需要何种许可？ |
原则1：简洁为王（Conciseness is Key）
原则2：渐进式披露（Progressive Disclosure）
第一层：元数据（始终加载）
├─ name：技能名称
└─ description：功能和触发条件
第二层：指令（触发时加载）
├─ 核心操作步骤
├─ 工作流程
└─ 决策框架
第三层：资源（按需加载）
├─ 详细参考文档
├─ 可执行脚本
└─ 模板文件
原则3：适度自由度
原则4：工作流与反馈循环
推荐的模块化组织方式：
skill-name/
├── SKILL.md # 核心文件（必需）
│ ├── YAML元数据
│ ├── 快速开始
│ └── 基本指导
├── guides/
│ ├── beginner.md # 初级指南
│ ├── advanced.md # 高级技巧
│ └── troubleshooting.md # 常见问题
├── examples/
│ ├── example-1.md # 用例示例
│ └── example-2.md # 完整工作流
├── templates/
│ ├── prd-template.md # PRD模板
│ └── analysis-template.md # 分析模板
├── scripts/
│ ├── validate.py # 验证脚本
│ ├── generate.py # 生成脚本
│ └── analyze.py # 分析脚本
└── references/
└── frameworks.md # 框架参考
设计优势：
Name字段规范：
requirements-analysis、competitive-analysis、feasibility-researchhelper、utils、tools（过于模糊）Description字段规范：
"Conducts comprehensive product requirement analysis with
structured templates, gap identification, and iterative
discovery cycles. Use when creating PRDs, validating requirements,
or identifying missing product specifications."
| 平台 | 特点 | 访问方式 |
|---|---|---|
| MCP Market | 官方认可，更新频繁，质量高 | https://mcpmarket.com/tools/skills |
| GitHub Anthropics Skills | 官方参考实现 | https://github.com/anthropics/skills |
| Claude Skills Library | 社区贡献，多样化 | awesome-claude-skills项目 |
| Coze 2.0 Skills | 字节跳动平台，中文友好 | https://www.coze.cn |
| Cursor Skills | 编辑器集成 | .cursor/skills目录 |
| VS Code Copilot Skills | 编辑器集成 | .github/skills目录 |
按热度和实用性排序：
模式1：单个Skill应用
用户输入 → Claude识别触发场景 → 自动加载Skill →
执行标准化流程 → 生成结构化输出（PRD/报告）
模式2：多Skill组合
需求分析 → 竞品分析 → 可行性研究 → PRD生成 →
特性优先级排序 → roadmap规划
（涉及5个以上Skills的协同工作流）
模式3：迭代优化
初版PRD生成 → 验证与反馈 → 需求澄清 → 文档更新 →
竞品对标 → 差异化调整 → 最终PRD
最小配置（MVP）：
完整配置（Professional）：
企业配置（Enterprise）：
以上所有 + 行业特定Skills（金融、SaaS、消费等）
| 维度 | 传统方式 | 使用Skills后 |
|---|---|---|
| 时间效率 | 需要手工研究、编写、反复修改 | 自动化框架、模板加速，80%时间节省 |
| 质量 | 容易遗漏关键要素、逻辑不完整 | 系统性框架、自动验证、高完整性 |
| 可复用性 | 每次从零开始 | 可复用模板、积累最佳实践 |
| 团队协作 | 文档分散、标准不统一 | 统一模板、版本控制、共享框架 |
| 知识传承 | 经验难以转移 | Skills即文档，新人快速上手 |
现有不足：
发展机遇：
AI编码工具的skills.md生态已成熟并快速发展，特别在产品管理领域：
建议行动：
项目概览：
核心特性：
| 特性 | 说明 |
|---|---|
| 24个Skills | 覆盖完整产品生命周期（发现、定义、开发、交付、测量、迭代） |
| 工作流集成 | 包括特性启动、精益创业、三钻石等预建工作流 |
| 斜杠命令 | Claude Code用户可直接使用 /prd、/hypothesis 等命令 |
| 自动发现 | GitHub Copilot、Cursor、Windsurf通过AGENTS.md自动识别 |
| 规范兼容 | 遵循Agent Skills标准规范，跨平台通用 |
| 开箱即用 | 包含最佳实践模板和真实案例 |
| MCP支持 | 提供MCP Server版本（pm-skills-mcp）用于集成 |
包含的24个Skills具体分类：
Discover（发现）阶段Skills：
Define（定义）阶段Skills：
Develop（开发）阶段Skills：
Deliver（交付）阶段Skills：
Measure & Iterate（测量与迭代）阶段Skills：
跨阶段通用Skills：
平台兼容性矩阵：
| 平台 | 支持状态 | 接入方式 |
|---|---|---|
| Claude Code | ✅ | 斜杠命令 |
| Claude.ai | ✅ | ZIP上传 |
| Claude Desktop | ✅ | ZIP或MCP |
| GitHub Copilot | ✅ | AGENTS.md自动发现 |
| Cursor | ✅ | AGENTS.md或MCP |
| Windsurf | ✅ | AGENTS.md自动发现 |
| VS Code | ✅ | 扩展 |
| 任何MCP客户端 | ✅ | pm-skills-mcp服务器 |
两种访问方式对比：
git pullnpx pm-skills-mcp基础框架：三钻石模型
PM-Skills采用经过数百次产品发布验证的三钻石框架，包含三个"发散-收敛"循环：
第一个钻石：发现与定义
发散：探索用户需求、机会、约束
收敛：定义问题、机会、核心需求
第二个钻石：定义与开发
发散：探索解决方案、技术方案
收敛：选择方案、制定规范、建立roadmap
第三个钻石：交付与迭代
发散：收集用户反馈、市场信号
收敛：优化产品、规划下一迭代
地址：https://github.com/anthropics/skills
主要项目：
| 项目 | Stars | 内容 |
|---|---|---|
| ComposioHQ/awesome-claude-skills | 25k+ | 精选最佳Claude Skills列表 |
| alirezarezvani/claude-skills | 1.3k+ | 生产级Skills包，包含子代理 |
| VoltAgent/awesome-claude-skills | - | Skills和资源完整集合 |
| travisvn/awesome-claude-skills | - | 带API集成示例 |
claude-deep-research-skill
Ultimate-Agent-Skills-Collection
场景1：新产品从零开始
推荐Skills栈：
1. Opportunity Solution Tree → 发现机会
2. Jobs to Be Done Analysis → 理解用户
3. Requirements Analysis → 需求分析
4. Competitive Analysis → 竞品对标
5. Product Requirements Document → 生成PRD
6. Success Metrics Definition → 定义成功指标
7. Feature Specification → 特性规范
8. Technical Feasibility Analysis → 技术评估
9. Go-to-Market Strategy → 上市策略
场景2：现有产品优化迭代
推荐Skills栈：
1. User Feedback Synthesis → 整合反馈
2. Market Analysis → 市场分析
3. Competitive Landscape Analysis → 竞品分析
4. Risk Assessment → 风险评估
5. Feature Specification → 特性规范
6. Roadmap Planning → Roadmap规划
7. Post-Launch Review → 事后评审
场景3：快速MVP开发
推荐Skills栈：
1. Assumption Testing → 验证假设
2. Success Metrics Definition → 关键指标
3. Feature Specification → MVP特性
4. Technical Feasibility Analysis → 快速评估
5. Launch Checklist → 发布清单
实践1：标准化输出
问：生成[产品名称]的PRD
AI + PRD Skill →
- 标准化格式
- 包含所有关键章节
- 符合企业规范
- 可直接交付
实践2：迭代改进
第一轮：生成初版PRD
↓ 评审反馈
第二轮：使用Competitive Landscape Skill进行对标
↓ 竞品洞察
第三轮：使用Risk Assessment调整规范
↓ 风险缓解
最终版：高质量、可执行的PRD
实践3：团队协作
- PM：使用PRD/Roadmap Skills
- 产品负责人：使用Requirements/Success Metrics Skills
- 市场：使用Go-to-Market/Competitive Skills
- 工程：使用Technical Feasibility/Feature Spec Skills
→ 统一框架、一致输出、无缝协作
3层建设策略：
第1层：基础框架（第1-2周）
第2层：行业定制（第3-8周）
第3层：知识固化（第9周+）
MCP（Model Context Protocol）是什么？
集成示例：
MCP Server（pm-skills-mcp）
├─ Tool 1: /create-prd → Requirements Analysis Skill
├─ Tool 2: /analyze-competitors → Competitive Analysis Skill
├─ Tool 3: /plan-roadmap → Roadmap Planning Skill
└─ Resource Loader: 动态加载模板和参考
Claude/Cursor 通过 MCP 协议调用
→ 无需文件管理
→ 实时更新
→ 规范化接入
推荐目录结构：
your-project/
├── .claude/
│ ├── skills/ # 项目级Skills
│ │ ├── product-analysis/
│ │ ├── competitive-research/
│ │ └── feasibility-study/
│ └── config.yml
├── .github/
│ └── skills/ # 与GitHub Copilot集成
├── docs/
│ └── pm-outputs/ # PM outputs版本控制
│ ├── prds/
│ ├── market-analysis/
│ └── roadmaps/
└── README.md
CI/CD集成：
GitHub Actions Workflow:
1. 检查PRD文件
2. 使用Requirements Analysis Skill验证完整性
3. 使用Competitive Analysis Skill进行对标检查
4. 生成自动评审报告
5. 发送到审核流程
可能的集成对象：
集成模式：
数据源 → Data Analysis Skill → 自动生成分析报告
↓
用于竞品分析和可行性研究
↓
更新PRD和Roadmap
A：
A： 可以。有两种方式：
简单方式： 编辑现有SKILL.md
完整方式： 创建新Skill
my-custom-skill/
├── SKILL.md
├── templates/
│ └── custom-template.md
└── scripts/
└── helper.py
A： 遵循渐进式披露，tokens消耗极低：
A：
| 维度 | Prompt | Skills |
|---|---|---|
| 作用域 | 单次对话 | 跨对话、跨项目 |
| 复用性 | 低 | 高（可版本控制） |
| 结构 | 自由格式 | 标准化格式 |
| 维护 | 低效（重复修改） | 高效（一次修改，全局生效） |
| 团队协作 | 困难 | 容易（共享库） |
| 知识固化 | 分散 | 集中管理 |
A： 建议流程：
新兴趋势：
Skills重新定义了产品管理工作：
| 传统模式 | Skills时代 |
|---|---|
| 重复性工作 | 自动化与标准化 |
| 经验依赖 | 最佳实践固化 |
| 文档散乱 | 结构化知识库 |
| 低效协作 | 一致性框架 |
| 知识流失 | 可持续积累 |
未来PM的核心竞争力：
持续学习：
第1步：选择和安装（今天）
# 克隆pm-skills
git clone https://github.com/product-on-purpose/pm-skills.git
# 或使用MCP
npx pm-skills-mcp
第2步：体验Skills（本周）
第3步：建立实践（本月）
| 资源 | 链接 | 说明 |
|---|---|---|
| Agent Skills规范 | https://agentskills.io | 官方标准 |
| Anthropic Skills仓库 | https://github.com/anthropics/skills | 官方参考实现 |
| Claude Cookbook | https://platform.claude.com/cookbook/skills | 官方教程 |
| Claude最佳实践 | https://platform.claude.com/docs/agents-and-tools/agent-skills/best-practices | 官方指南 |
| 资源 | 链接 | Stars | 说明 |
|---|---|---|---|
| PM-Skills | https://github.com/product-on-purpose/pm-skills | 5 | 24个PM专用Skills |
| Awesome Claude Skills | https://github.com/ComposioHQ/awesome-claude-skills | 25k+ | 最大的精选集合 |
| Ultimate Collection | https://github.com/ZhanlinCui/Ultimate-Agent-Skills-Collection | - | 49+高质量Skills |
| 开发者友好 | https://github.com/alirezarezvani/claude-skills | 1.3k | 生产级Skills包 |
| 资源 | 链接 | 说明 |
|---|---|---|
| Claude Skills完全指南 | 知乎专栏 | 深度中文教程 |
| 菜鸟教程 | http://www.runoob.com | Agent Skills基础 |
| CSDN文章 | 搜索"AI产品经理" | 应用实战 |
总体结论：
AI编码工具的skills.md生态已进入成熟和多元化阶段。特别是产品管理领域，已有完整的、生产级别的、可复用的解决方案（如PM-Skills的24个Skills）。建议所有产品经理和AI工具用户立即开始体验和集成相关Skills，将重复性工作自动化，把精力投入到更高价值的战略工作上。
此内容由惯性聚合(RSS阅读器)自动聚合整理，仅供阅读参考。 原文来自 — 版权归原作者所有。