AI 技能AI 插件【免费下载链接】Product-Manager-SkillsProduct Management skills framework built on battle-tested methods for Claude Code, Cowork, Codex, and AI agents.项目地址https://gitcode.com/gh_mirrors/pr/Product-Manager-Skills点击查看免费下载本文以 intel-discipline-advisor 技能包中的 对话流示例 为骨架逐段拆解一段完整的竞争情报分诊会话从「调用即回答」的 inline input 抵扣、自适应追问、诚实容量处理到带映射逻辑的编号推荐、组合选择再到收官时向 one-page triage card 的手递手转交。读完本文你将掌握这个技能的三问分诊机制、情境→学科组合→执行技能的路由速查表、八大学科与置信堆叠规则以及如何把一次分诊变成可被未来自己检索的手递手产物。示例背景声明对话流中的公司、信号与数字全部为虚构原文明确标注All companies, signals, and figures are fictional用于演示机制而非提供真实情报。示例对应技能位于 intel-discipline-advisor/SKILL.md其上游学科字典为 intelligence-collection-disciplines/SKILL.md交互协议由 workshop-facilitation/SKILL.md 规定。一、这个示例在演示什么Intel Discipline Advisor 的定位是分诊器面对桌上一个具体的竞争或市场问题帮你从八大学科OSINT、FININT、GEOINT/DEMOINT、TECHINT、HUMINT、SIGINT、MASINT、All-Source Fusion中选出真正需要的两三种配上与之匹配的节奏cadence和执行技能。按 SKILL.md 的意图描述它通过在使用的过程中教学来传递决策→学科映射——目标是让你第三次使用后不再需要它。conversation-flow.md 正是这一意图的完整实录它在一段真实形态的对话里同时展示了五项关键行为inline input 抵扣答案调用本身已回答 Q1因此 Q1 被跳过自适应追问Q2 跟随情境分支展开诚实容量处理用户说每周只有 30 分钟就只给每月阈值的 watch而非理想化的周级深扫编号推荐附带映射表逻辑每条建议都用斜体写清为什么选这个学科组合组合选择1 and 3与收官转交填好 triage card落到未来自己找得到的地方。下面逐段还原并拆解这段对话。二、完整对话流逐段拆解2.1 开场调用即回答Q1 被抵扣User:Intel discipline advisor: our sales team lost three straight deals to Wrenchline on their platform is more complete — I want to know if that objection is about to get worse.Agent:Heads-up on how this works: normally Id ask three quick questions, but your invocation already answered the first — this is asuspected competitor move(Wrenchline deepening the platform story), with a signal already seen: three consistent win/loss objections. Thats HUMINT flagging once, from the highest-ground-truth layer there is.机制解读SKILL.md 明确规定——Anything supplied with the invocation itself — text after the skill name, a pasted context dump, or an appendedARGUMENTS:line — counts as answers already given. Use it and skip whatever it covers; dont re-ask.SKILL.md用户这次调用附带了两层信息情境类型连续三单败给 Wrenchline 的平台更完整话术 → 自动归入 Q1 选项 1「Suspected competitor move」已见信号三次一致的 win/loss objection → 即 HUMINT赢单/输单访谈情报界 ground-truth 层级最高已经flag 一次。这里透出的核心教学点是一个学科只是一个故事anecdoteHUMINT 已经flag 一次接下来要找的不是更多同类信号而是失败方式不同fail differently的独立渠道去交叉验证——这正是下一节推荐逻辑的理论基础也是 intelligence-collection-disciplines 中独立性即设计原则的体现新闻稿会说谎但海关记录、专利和三十条招聘帖是三个不同的官僚体系要同时朝同一方向撒谎几乎不可能。2.2 Q2自适应追问Question 2 of 3 — the follow-up:those three losses — same segment and deal size, or spread? (Concentrated losses suggest a targeted play; spread losses suggest a general narrative shift.)机制解读Q2 不是固定的问题而是依据 Q1 答案分叉的。对照 SKILL.md 中的完整分支设计若 Q11疑似动作追问是什么让你注意到——招聘帖、定价变化、高管动态、专利还是客户反馈你看到的信号已让一个学科flag我们要挑能独立佐证它的渠道若 Q12要构建/刷新产物追问哪个产物之前是否有可 diff 的旧版本若 Q13结构谜题追问问题是关于整个行业结构还是某家公司在其间的位置若 Q14常设监控追问你和团队能真实承诺多少周期性时间——每周 30 分钟、每月半天还是每季度一天本例走的是 1 分支的变体Agent 没有机械复述是什么让你注意到而是基于已见信号win/loss objection把追问精确化为这三场失利是同段位同规模还是分散的——因为集中失利指向有目标性的打法分散失利指向整体叙事迁移。注意集中/分散这组判别直接决定了后续推荐是深挖某个特定动作还是追踪整体叙事位移是分诊质量的关键输入。2.3 Q3约束条件被提前回答User:All mid-market, all against their full-suite pitch. Also — free tools only, and honestly Ive got maybe 2 hours now and 30 min/week after that.Agent:That answeredQuestion 3(constraints) too — free sources, ~2 hours now, 30 min/week sustained. No more questions; heres the triage.机制解读用户在回答 Q2 时顺带说出了 Q3 的内容——免费工具、当下约 2 小时、之后每周 30 分钟。Agent 明确标注这回答了 Q3随后一个问题都不再问直接进入分诊。这是 facilitation 协议中 inline-input 抵扣规则的第二次运用第一次在开场第二次在这里对应 inline-input-flow.md 中明确的教训重复询问已答问题是最典型的反模式——它会训练用户提前给上下文是浪费进而诱导用户隐瞒信息。预算三次问题实际只花费一次。2.4 分诊推荐每条都带着为什么的编号建议Agent:Your win/loss signal means HUMINT has flagged once. One discipline is an anecdote — the job is corroboration from channels that faildifferently. Recommendations:SIGINT sweep now (~1 hour, free)— Wayback diff their pricing and product pages over the last two quarters; check crt.sh for new subdomains.Mapping logic: battle cards run on SIGINT OSINT HUMINT, and SIGINT is the freshest layer — if the complete platform pitch is about to get a product behind it, staging shows up here first.Executing skill: feed findings intobattle-card-builderto rebuild the objection handling.OSINT review-mining pass (~1 hour, free)— mine their reviews for whethercustomersecho the completeness story or contradict it (bought the suite, use two modules).Mapping logic: the promise-delivery gap is battle-card ammunition — if the platform pitch outruns the product, your counter writes itself.Executing skill:voice-of-customer-miner.Set the 30-min/week watch— wire Wrenchline intocompetitive-intel-watch, monthly materiality bar, so the corroboration keeps arriving without you hunting.Mapping logic: your sustained capacity is exactly the weekly SIGINT layers cost; anything heavier would be cadence fantasy.The off-ramp, honestly:if the real question is why are we losing rather than what are they building, two more win/loss interviews beat any public sweep — your churned prospects already know the answer. Route:discovery-interview-prep.Reply 1, 2, 3, 4, a combination like 1 and 3, or tell me more. (Progress: triage complete — recommendations on the table.)机制解读这一段是示例的引擎展示分诊推荐的完整规格。每条推荐都按 SKILL.md 的要求提供四个要素学科组合 → 节奏 → 执行技能 → 产物外加一行何时它才是正确选择并且始终展示学科为何被选中mapping-table logic推荐 1SIGINT 立即清扫映射逻辑是battle card 跑在 SIGINT OSINT HUMINT 上而 SIGINT 是最新鲜的层——如果完整平台话术即将有产品落地staging 会最先在这里出现。执行技能是battle-card-builder其学科组合SIGINT 定价页/站点 diff OSINT 评论挖掘 HUMINT win/loss正是 SKILL.md 路由速查表中 battle card 一行的映射推荐 2OSINT 评论挖掘映射逻辑是承诺-交付缺口promise-delivery gap就是 battle card 的弹药——如果平台话术跑在产品前面你的反击话术会自己写出来。执行技能是voice-of-customer-miner推荐 3设 30 分钟/周监控关键在诚实容量处理——用户的每周 30 分钟恰好等于周级 SIGINT 层的成本所以只设 monthly materiality bar 的 watch而不是会死在第三轮的理想化周级深扫。执行技能是competitive-intel-watch它本身就是跑在融合节奏上的 delta 监控器SIGINT 周级、OSINTHUMINT 月级、FININTTECHINT 季级见 intelligence-collection-disciplines 的 fusion cadence推荐 4诚实 off-ramp如果真实问题其实是我们为什么在输而不是他们在建什么两场 win/loss 访谈胜过任何公开网络清扫——因为流失的潜在客户已经知道答案。路由到discovery-interview-prep。结尾的固定句式Reply 1, 2, 3, 4, a combination like 1 and 3, or tell me more加上进度标签 Progress: triage complete是 workshop-facilitation 协议规定的决策点推荐形态编号推荐只在决策点给出、支持单选/组合/自定义文本解析、并保持进度可见。2.5 组合选择与tell me more教学回答User:1 and 3. And say more about why not 2 first?Agent:Good combination — 1 gives you the now-answer inside your 2 hours, 3 makes the corroboration self-sustaining.Why 2 isnt firstfor you: review mining is the strongest play when the decision is positioning copy or a counter-narrative. Your stated worry is about to get worse — aforward-lookingquestion, and reviews look backward; theyd tell you about the platform they shipped, not the one theyre building. Its the right second sweep if option 1 finds staging evidence. Thats the mapping lesson: OSINT-voice reads the present, SIGINT reads the near future, and the questions tense picks the discipline.机制解读此处同时演示了 protocol 的两个要求——接受组合选择1 and 3被解析并综合1 给出 2 小时内的 now-answer3 让佐证自我持续以及对tell me more给出真正的教学回答而非重新推销。为什么 2 不排第一的解释堪称映射教学的范本用户的问题about to get worse是面向未来的而评论是回望过去的它们讲的是已发布的产品不是正在建的产品OSINT-voice 读的是当下SIGINT 读的是近期未来问题的时态tense决定学科。这正好呼应 SKILL.md 中每条推荐都展示其 mapping 逻辑用户离开时应该更擅长分诊而不只是被分诊过的宗旨。2.6 收官转交 one-page triage cardAgent:Want the one-page triage card (template.md) filled in from this session, so the route and its review date land somewhere your future self will find them?机制解读分诊会话的固定收尾是提供 template.md 填好的 triage card——把路由、它的因为、以及复查日期固化为手递手产物。模板刻意很小deliberately small整个顾问的教学主张就是匹配决策的两三个学科胜过全表覆盖表演coverage theater卡片要能放进一屏才会真的被跟进。模板包含问题本身、日期、所服务的决策、情境类型、已见信号、约束、路由表学科组合/节奏/执行技能/产物/为什么、被选中的推荐、本周第一步、佐证阶梯1watch item / 2working hypothesis / 3brief leadership、off-ramp 核对项与复查日期。三、为什么这个示例有效原文的四个结论conversation-flow.md 末尾给出了四点自我分析完整继承如下Inline input 被抵扣了两次。调用回答了 Q1而用户对 Q2 的回答主动补上了约束——于是 Q3 从未被问出。预算三次问题实际只花费一次。重复询问已回答的问题正是反模式见 inline-input-flow.md。每条推荐都自带因为。映射表逻辑以斜体随行呈现——用户离开时知道了为什么SIGINT 读近期未来这正是顾问声明的目标第三次会话时他们应该不再需要它。容量答案被当真了。每周 30 分钟产出的是一个 monthly-bar 的 watch而不是会在第三轮死掉的理想化周级深扫。即便情报路由已经上线off-ramp 依然被提供——tell me more请求得到的是一个真正的教学回答问题时态 → 学科选择而不是重新推销。四、示例背后的实现机制从对话流到源码4.1 三问分诊的完整设计SKILL.md 将交互固定为3 个自适应问题 编号推荐。Q1 提供四个枚举情境疑似动作 / 产物构建或刷新 / 结构谜题 / 常设监控供空手而来的用户选择Q2 随 Q1 分支见上文 2.2Q3 统一问约束仅免费源还是可用付费工具是否有地域聚焦地区会改变适用的注册表和统计机构。用户也可以在 Q1 阶段就以arriving empty-handed的方式参与这是设计允许的两条路径之一。4.2 路由速查表情境 → 学科组合 → 执行技能SKILL.md 给出的分诊核心速查表源自 artifact-mapping table对话流中的每条推荐都能在表里找到出处情境学科组合执行技能疑似动作佐证已见信号TECHINT HUMINT SIGINT FININT 融合intelligence-collection-disciplines 融合模板再由 competitive-intel-watch 持续跟进Battle cardSIGINT OSINT HUMINTbattle-card-builder由 watch 保鲜TAM/SAM/SOMGEOINT/DEMOINT FININT 捕获率tam-sam-som-calculator Mode 3Positioning / ICPOSINT GEOINT/DEMOINT VoCvoice-of-customer-miner → positioning-statement行业结构FININT OSINTporters-five-forces单公司位置OSINT FININT HUMINTswot-analysis 或 company-intel定价问题SIGINT FININTpricing-packaging-tracker宏观敞口GEOINT/DEMOINT 监管 FININTpestel-delta-monitor常设监控SIGINT 周级OSINTHUMINT 月级FININTTECHINT 季级——按声明的容量缩放competitive-intel-watch全景以上全部排序执行competitive-analysis-process对话流中 Wrenchline 一例的推荐 1SIGINT battle-card-builder即命中Battle card一行推荐 3周级 SIGINT 的 watch即命中常设监控一行。4.3 八大学科与置信堆叠对话流背后的证据语言推荐开场那句One discipline is an anecdote — the job is corroboration from channels that faildifferently并非修辞而是 intelligence-collection-disciplines 的核心规则。八大学科分别是OSINT公开情报对应新闻/社媒/评论、FININT财务情报对应申报/财报/采购、GEOINT/DEMOINT地理与人口统计对应普查/劳工/贸易统计、TECHINT技术情报对应专利/技术图谱/changelog、HUMINT人力情报对应人才流动/赢单输单、SIGINT信号情报对应网页 diff/定价变化/招聘帖、MASINT测量与特征情报对应供应链与运营指标、All-Source Fusion全源融合对应交叉验证与置信堆叠。置信堆叠规则由 autonomous-investigation 协议定义1 个渠道flag watch item记下不做动作2 个渠道一致 working hypothesis指派某人探查3 个渠道一致 actionable intelligence向领导简报、调整计划渠道冲突 最有趣的案例有人在虚张声势深挖。此外还有一条普适推论把公告当作意图直到资金、采购、招聘或合同佐证它——野心出现在新闻稿里承诺出现在申报、招聘帖和采购单里。对话流中1 and 3的组合所以成立正是因为 SIGINT 的立即清扫推荐 1与 watch 的持续佐证推荐 3共同服务于把单信号升级为多信号故事的阶梯。4.4 交互协议inline-input 抵扣的两次运用示例标注的进度形态Question 2 of 3、Progress: triage complete以及Reply 1, 2, 3, 4, a combination, or tell me more的结尾句式都来自 workshop-facilitation 协议一次一问、进度标签、只在决策点给编号推荐、灵活选择解析接受#1、1、1 and 3、1,3或自定义文本。inline-input 抵扣规则在 inline-input-flow.md 中有专门的完整反模式演示重复问已答问题会训练用户隐瞒上下文正确的做法是开问前先扫描调用内容、明说哪些问题已被抵扣、从第一个真正未答的问题开始。4.5 工业版对比同一顾问物理世界的路由切换conversation-flow-industrial.md 是与本示例配对的工业版同样一个顾问面对分销商提到对手在工厂旁租了第二栋楼这一物理世界信号时路由发生了系统性切换——本地许可记录与商业期刊确认主记录、海关进口数据区分产能扩张 vs. 新产线、专利与标准委员会动态TECHINT 交叉验证而 SaaS 版则路由到 Wayback diff、评论挖掘与 crt.sh。这个对比本身即是教学市场如何发射信号路由就如何响应。此外工业版还演示了付费工具问题的诚实回答ImportYeti 类贸易数据订阅确实改变了推荐 2其余一切保持免费没有工具最大化以及用户自发跑起置信堆叠阶梯如果进口显示新品类我再回来做 3——这正是第三次会话后不再需要顾问的目标被实录捕捉的瞬间。4.6 triage card让路由落到未来自己找得到的地方triage card 模板 的四个质量检查项本身就是分诊哲学的浓缩路由只有 2-3 行而非 8 行全表路由意味着分诊没有发生每行的为什么选这个组合展示产物映射逻辑教训随卡走佐证渠道必须与已见信号独立重新检测同类信号不叠加节奏匹配诚实的容量答案而非理想化的那个。五、常见陷阱对照检查你的分诊SKILL.md 列出的陷阱清单恰好是本示例刻意绕开的反面开出全部八学科。推荐每一门学科等于拒绝分诊。匹配决策的两三个渠道胜过覆盖表演——映射表存在的意义就是让你可以跳过。无视已见信号。用户的提示tip-off是置信阶梯上的免费起点推荐会重新检测同类信号的渠道不增加佐证独立性才是叠加的来源。节奏幻想cadence fantasy。为季度注意力的团队设计周级 watch。要问容量问题并且相信答案——本示例正是反面示范每周 30 分钟 → monthly-bar watch。只路由不教学。交出推荐却不给因为等于抽掉教训。每条推荐展示其映射表逻辑——用户应该离开时更擅长分诊而不只是被分诊过。没有 off-ramp。把所有问题都逼进调查。Discovery、win/loss、支持工单对某些问题回答得比任何公开网络清扫都好当真时就说出来——本示例的推荐 4 即是示范。六、延伸阅读intel-discipline-advisor/SKILL.md — 本示例所属技能的完整规格三问流程、路由速查表、陷阱与参考intel-discipline-advisor/template.md — one-page triage card 模板及质量检查intel-discipline-advisor/examples/conversation-flow-industrial.md — 工业版对话流MASINT 设施信号的物理世界路由intelligence-collection-disciplines/SKILL.md — 八大学科字典与 artifact-mapping 表本顾问的路由大脑workshop-facilitation/SKILL.md — 默认交互协议inline-input-flow.md 演示抵扣规则与反模式autonomous-investigation/SKILL.md — 置信堆叠规则与 Fact/Inference/Assumption 证据标注协议执行技能competitive-intel-watch、battle-card-builder、voice-of-customer-miner、discovery-interview-prep目录索引skills-index.yaml 与 skills-by-type.md 中登记了intel-discipline-advisor的交互类型、主题market-intelligence与适用场景赞分享AI 技能AI 插件【免费下载链接】Product-Manager-SkillsProduct Management skills framework built on battle-tested methods for Claude Code, Cowork, Codex, and AI agents.项目地址https://gitcode.com/gh_mirrors/pr/Product-Manager-Skills点击查看免费下载相关推荐Intel Discipline Advisor 工业场景实战MASINT 物理世界信号驱动的竞争情报分诊对话流解析Product-Manager-SkillsIntel Discipline Advisor 工业场景实战MASINT 物理世界信号驱动的竞争情报分诊对话流解析Product Manager SkilAI 技能AI 插件10分钟上手AnkiAIUtils医学学生的AI闪卡优化工作流10分钟上手AnkiAIUtils医学学生的AI闪卡优化工作流 AnkiAIUtils是一套强大的AI驱动工具专为医学学生打造通过自动生成解释、记忆术、插Product-Manager-Skills 的 Intel Discipline Advisor把桌面上的竞争问题路由到正确的采集学科与节奏Product Manager Skills 的 Intel Discipline Advisor把桌面上的竞争问题路由到正确的采集学科与节奏 导读 inteAI 技能AI 插件创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考