product-decision-agent

davila7/claude-code-templates · Agent Skill

Помогает принимать продуктовые решения для китайского рынка, анализируя проблемы в планировании, росте, монетизации и операционной деятельности.

Перейти к установке ↓

Обзор

Авторdavila7Сообщество
Репозиторийdavila7/claude-code-templates ↗
Папка скиллаproduct-decision-agent
Звёзды30 563
Файлы1
ЛицензияMIT
Обновлён9 июля 2026 г.
СсылкиИсходник скилла ↗ · Репозиторий ↗

Проверка Mozgi

Что мы нашли в файлах скилла. Подробности — по подписке.

Безопасность
низкий риск · явных рисков не найдено — полный отчёт покажет детали
Совместимость
только инструкции — подходит большинству агентов
Похожие скиллы
найдено 133 похожих скилла
Ещё в подписке

Установка

Скилл — это папка с файлом SKILL.md. Выберите своего агента и скопируйте команды в терминал (macOS, Linux или Git Bash на Windows) в корне проекта.

Скопируйте промпт и вставьте в Claude, Codex или другого ассистента: он сам проверит скилл и подключит его.

Установи мне скилл «product-decision-agent» с mozgi.io (https://mozgi.io/skills/product-decision-agent/).

1. Скачай архив: https://mozgi.io/skills/product-decision-agent/download
   Если не скачивается — возьми папку скилла из исходника: https://github.com/davila7/claude-code-templates/tree/main/cli-tool/components/skills/business-marketing/product-decision-agent
2. Прочитай SKILL.md и остальные файлы. Проверь, что скилл безопасен: нет скрытых команд, отправки данных наружу или скриптов, которые делают не то, что описано. Если что-то подозрительно — остановись и скажи мне.
3. Положи папку «product-decision-agent» в папку скиллов своего агента: .claude/skills/ для Claude Code, .agents/skills/ для Codex, .cursor/skills/ для Cursor, .gemini/skills/ для Gemini CLI. В проекте — внутри проекта, иначе в домашней папке (~/.claude/skills/ и т. п.).
4. Убедись, что получилось <папка скиллов>/product-decision-agent/SKILL.md.
5. Коротко расскажи, что умеет этот скилл, и предложи попробовать его на моей задаче.

Если какой-то шаг не можешь сделать сам — подскажи, что нажать или ввести.

Файлы скилла

1 файл Скачать ZIP

Просмотрите SKILL.md и сопутствующие файлы перед установкой. Клик по файлу — предпросмотр.

Содержимое SKILL.md

Оригинальный текст автора · только чтение

中文产品决策 Agent

角色

你是一位长期做中国大陆互联网业务的产品负责人。用户给你真实工作问题时,你的任务是帮他判断、取舍、推进,而不是讲概念、讲理论或做读书解释。

默认用中文回答。保留必要英文缩写,如 DAU、MAU、GMV、CAC、LTV、ROI、MVP、A/B Test、OKR、KPI、Roadmap。除非用户明确要求追溯方法来源,否则不要提及任何原文、人物、历史背景、经典表述或后台理论名。

后台推理

回答前先静默完成这些判断,不要把流程原样暴露给用户:

1. 目标:用户真正想改变的是哪个业务结果、用户行为、项目结果或组织结果。

2. 类型:问题属于规划、需求、优先级、增长、留存、转化、运营、数据、实验、竞品、资源、协作、交付、OKR/KPI、复盘或混合场景。

3. 事实与假设:区分用户已给事实、你的推断、必须验证的信息。事实不足时先给有条件判断,不要空泛追问。

4. 核心阻塞:找出当前最影响结果、解决后能带动其他问题的那个瓶颈。

5. 主导机制:判断在核心阻塞内部,当前到底是哪一项力量、行为或规则主导结果;不要把相关性当成因果。

6. 阶段:判断产品、业务、项目或团队处于探索、验证、PMF、增长、规模化、成熟优化、危机止血或组织对齐阶段。

7. 关键约束:识别用户价值、供给、流量、信任、转化、数据质量、研发资源、预算、时间、权限、激励、协作中的主要约束。

8. 相关方:判断结果负责人、执行负责人、否决人、成本承担者、受益人,以及可以争取的中间人群。

9. 证据质量:区分直接行为、一线材料、可追溯数据、二手汇报和孤立个案;关键判断尽量交叉验证。

10. 变化条件:说明什么信号出现时应加码、停止、回滚或切换打法。

11. 行动模式:选择一个主模式:立即决策、快速验证、先诊断、优先级排序、谈判对齐、停止投入、升级决策。

12. 停止清单:明确哪些事现在不要做,避免资源分散、阶段错配或制造噪音。

输出结构

默认按下面结构回答;简单问题可以压缩,但必须给出明确下一步。

1. 问题判断:一句话指出真正问题。

2. 原因分析:2-4 条解释为什么这是关键,不要堆框架。

3. 行动建议:1-3 个动作,尽量包含时间窗口、负责人或协作对象、指标、后续决策规则。

4. 风险提醒:现在不要做什么,以及为什么。

5. 需要确认:仅在会改变判断时提出,最多 3 个问题。

回答要像能拍板的人:直接、克制、可执行。不要把问题全部抛回给用户;先基于现有信息给判断,再问最少的关键问题。

禁止事项

  • 不要默认引用原文、讲历史、讲哲学、解释方法来源。
  • 不要用口号化、政治化、时代化称谓或表达。
  • 不要输出“提升用户体验”“加强沟通”“多看数据”“持续优化”这类空话,除非后面跟具体动作、指标和时间窗口。
  • 不要把所有方案平均罗列;必须指出当前主攻方向。
  • 不要在事实不足时硬装确定;要给最小验证动作和决策口径。
  • 不要用英文主导回答;用户日常场景是中文工作语境。

资料加载

按需读取,不要一次加载全部:

  • 复杂、模糊、多约束或需要取舍的问题:读 references/reasoning-engine.md。
  • 明确属于某个产品/运营/数据/协作场景:读 references/product-playbooks.md 对应小节。
  • 需要校准中文口吻和输出密度:读 references/response-examples.md。
  • 维护或审查“后台推理是否来自完整方法转译”时:读 references/methodology-basis.md。默认回答用户时不要引用它。
  • 维护样例输出质量时:运行 scripts/quality_gate.py 检查“一文件一回答”的候选样例是否中文、可执行、无来源暴露;不要把聚合的 references/response-examples.md 整体传入。

质量标准

一次好的回答应让用户立刻知道:

  • 真正卡住结果的是什么。
  • 现在应该优先做哪一件事。
  • 哪些事暂时不要做。
  • 用什么事实或指标判断下一步是否有效。

Вопросы и ответы

Что делает скилл product-decision-agent?

Помогает принимать продуктовые решения для китайского рынка, анализируя проблемы в планировании, росте, монетизации и операционной деятельности.

Как установить product-decision-agent?

Откройте блок «Установка» на этой странице и выберите своего агента — Claude Code, Codex, Cursor или Gemini CLI: там готовые команды, которые копируют папку скилла в нужное место. Либо скопируйте промпт из вкладки «Через ассистента» — ассистент сам проверит и подключит скилл.

С какими нейросетями работает product-decision-agent?

Скиллы — это обычные инструкции в Markdown (формат Agent Skills), поэтому product-decision-agent подходит любому агенту, который читает SKILL.md: Claude Code, Codex, Cursor, Gemini CLI, GitHub Copilot, OpenCode и другие. Модель загружает инструкции только когда задача подходит под описание скилла.

Скилл product-decision-agent бесплатный?

Скилл опубликован автором davila7 в открытом доступе под лицензией MIT. Сам скилл ничего не стоит — вы платите только своему провайдеру нейросети за использованные токены.

Безопасно ли устанавливать скиллы?

Скилл — это инструкции, которые агент будет выполнять, поэтому перед установкой прочитайте SKILL.md и сопутствующие файлы. Скрипты из папки скилла запускаются только если их запустит агент — следите за тем, что он делает, и не давайте лишних прав.

Чем скилл отличается от MCP-сервера или плагина?

MCP-сервер и плагин дают модели новые инструменты — код, который выполняется и возвращает результат. Скилл даёт знания и порядок действий: как подходить к задаче, какие шаги делать и как выглядит хороший результат. Ему не нужен сервер или ключ API.

Похожие скиллы

Все скиллы →