Skip to content
Conduit

skill

pm-review-copilot

A PM-focused Agent skill for project memory, PRD review, hallucination checks, version drift, and label consistency audit.

wikiiizhao/pm-review-copilotcommunitylistedunreviewed
Use skill

Set up

Skills are installed by placing their folder where your agent loads skills.

Download ZIP from GitHub Open the repository

The download comes from github.com/wikiiizhao/pm-review-copilot itself, not from our server, so what you get is exactly what its author published.

Install instructions come from the README

Skills do not use an MCP config. Follow the steps in the README below.

README

synced Oct 23, 2026

PM Review Copilot

语言切换：中文 | English | 日本語 | 한국어

PM Review Copilot 是一组面向产品经理、适用于智能体工作流的项目记忆、新鲜度检查、来源快照管理、工作复盘与审查技能。

它通过本地持久化项目记忆、在重要输出前检查上下文是否过期、管理在线文档与本地快照、结构化审查智能体产出的长文档、多轮改动和标注结果，帮助 PM 在多项目、多轮协作中更快发现证据缺口、记忆冲突、幻觉风险和需要人工确认的部分。

本仓库同时提供英文版和中文版：

  • skills/pm-review-copilot：英文技能，输出英文。
  • skills/pm-review-copilot-zh：中文技能，输出中文。

智能体发展趋势

核心判断：智能体的“产出能力”正在快速增强，但高质量任务的瓶颈会越来越多转移到人的审查、确认和记忆管理上。

趋势代表观点对 PM 工作流的影响
智能体从“回答问题”走向“执行任务”OpenAI 在发布 ChatGPT agent 时提到，智能体可以使用虚拟计算机在推理和行动之间切换，完成端到端复杂工作流；同时也强调用户仍需要在关键动作前确认、在任务中随时接管，并承认当前智能体仍可能出错。参考：Introducing ChatGPT agent。智能体会产出更多 PRD、策略方案、分析结论和任务结果，人工审核对象从“几段回复”变成“完整交付物”。
企业组织开始引入人机混合团队Microsoft 2025 Work Trend Index 提出，未来组织会走向由人和智能体组成的“混合团队”，业务流程会越来越多由智能体承担，人类负责设定方向、处理例外和做高判断力决策。报告也提醒，如果智能体数量和人的监督能力比例失衡，会带来业务风险和员工过载。参考：2025: The year the Frontier Firm is born。人的角色会更像“审查者、决策者、上下文维护者”，而不是逐字写作的人。
智能体协作需要新的管理方式Microsoft 报告中，Harvard Business School 教授 Karim R. Lakhani 提到，企业可能会出现类似 HR/IT 的 Intelligence Resources 部门，用来管理人与 AI 智能体的协作关系。智能体工作流需要可沉淀、可交接、可审计的项目记忆，而不是只依赖单次对话。
有效智能体应该可调试、可组合Anthropic 在工程实践中把智能体定义为“由大模型动态决定流程和工具使用方式”的系统，并建议团队从简单、可组合、可调试的模式开始，而不是一味堆复杂框架。参考：Building effective agents。PM 侧的智能体工具也应该把审查逻辑拆成清晰步骤：记忆、证据、冲突、差异和人工确认点。

因此，PM Review Copilot 关注的不是“让智能体生成更多内容”，而是解决智能体工作流里的下一层瓶颈：

  • 让项目上下文可以本地持久化，而不是散落在聊天记录里。
  • 让长文档审查从逐字阅读变成优先查看风险点。
  • 让多轮修改中的事实漂移、约束删除和指标口径变化更容易被发现。
  • 让标注一致性问题可以被抽样、排序和定位，而不是完全依赖人工翻查。

为什么做这个技能

作为产品经理，我日常会用智能体产品辅助产出 PRD、方案策略、打标数据和数据洞察。使用过程中，我发现真正耗时的往往不是“让智能体写出来”，而是持续判断哪些内容可信、哪些内容需要人工确认、哪些改动会改变决策，以及如何让智能体在跨项目、跨对话时保留稳定上下文。

常见问题包括：

  • PRD、策略方案和分析报告篇幅长，来回修改后，模型容易把假设写成事实，或生成看似合理但缺少证据的结论。
  • 智能体回复内容越来越多，人工逐段审核会消耗大量精力，工作一天后尤其容易漏看关键风险。
  • 项目很多时，对话通常按项目拆开；一旦项目之间存在交叉，智能体很难跨对话复用历史记忆、旧约束和已确认决策。
  • 草稿迭代时，旧约束、风险、开放问题或发布标准可能被悄悄删除或改写。
  • 指标、实验结论和数据洞察可能缺少分母、时间窗口、来源或口径说明。
  • “TBD”“待确认”“可能”这类不确定信息，可能在后续版本里被改写成确定事实。
  • 多轮模型标注结果不一致，数据量一大，人很难快速定位最值得复核的分歧样本和标签边界问题。
  • 忙碌时容易忘记手动更新项目记忆，导致智能体后续总结、规划或审查时仍基于旧结论。
  • PRD 常写在飞书、Notion、Google Docs 等在线文档中，本地 Markdown 快照一旦忘记导出，就会和真实文档脱节。
  • 如果证据只记录结论、不记录出处，后续很难校验；而低置信“证据”混入记忆后，容易制造新的幻觉。
  • 项目审查之外，PM 还需要日复盘、周复盘和月复盘，把日常推进沉淀成可回顾、可汇报的工作记录。

PM Review Copilot 的目标是用工程化方式解决“人在智能体工作流中审查效率低”的瓶颈：记录稳定上下文，隔离假设，突出冲突和风险，沉淀人工决策，让人把注意力优先放在真正值得审查的部分。

核心能力

能力说明
项目记忆初始化创建 project-memory/，包含当前事实、决策、证据、假设、审查日志、标注审查、用户偏好和恢复记录。
场景路由表在读取记忆前先判断用户意图，明确工作流、最小读取文件、可写文件、新鲜度要求和输出格式，减少过度读取和误写。
新鲜度检查在 PRD、策略、周报、月报、最终结论等重要输出前，检查项目记忆、待更新项和来源快照是否可能过期。
待更新池使用 PENDING_UPDATES.md 暂存候选变化、疑似过期上下文和待确认事项，避免未经确认的信息直接进入当前事实。
来源快照管理使用 SOURCE_REGISTRY.md 记录在线文档、本地快照、最近同步时间和新鲜度状态，明确“在线文档是事实来源，本地 Markdown 是快照”。
记忆生命周期管理将记忆标记为 pinned、active、background、archived、superseded、deprecated 或 needs_review，让过时内容默认不再占用智能体上下文。
高置信证据和出处EVIDENCE_LOG.md 只记录高置信证据；来自文件、在线快照或历史对话的证据必须保留可校验出处，历史对话片段保存在 evidence-sources/。
中文/英文双版本英文版用于英文工作流，中文版用于中文 PM 工作流，并默认输出中文模板和报告。
分层审查模式支持极速审查、标准审查、审计级审查三档，按场景控制读取深度和输出粒度；默认使用标准审查。
审查结论可视化审查结果顶部使用 🟢🟡🔴 展示是否通过，以及人工审查负荷高低。
产品策略审核检查事实、指标、因果、决策、假设和建议是否有证据或与项目记忆冲突。
Claim 风险评分对关键 claim 按证据缺失、决策影响、记忆冲突、指标风险和新鲜度风险五个维度打分，优先暴露高风险人工检查点。
版本差异审查对比新旧 PRD/策略草稿，突出新增主张、删除约束、指标定义变化和发布标准变化。
标注一致性审查审查多轮模型标注或多人标注输出，找出高风险分歧样本和标签边界问题。
手动记忆更新当用户主动要求时，把新事实、证据、决策、假设和交接信息写入对应记忆文件。
工作复盘可创建独立 work-memory/，支持日复盘、周复盘、月复盘、影响记录、决策亮点和经验沉淀，不污染项目事实。
用户偏好记录初始化时可记录 PM 的语言、输出长度、审查风格和决策支持偏好。

安装

不同智能体产品对技能、项目指令、知识库和工具脚本的加载方式不同。本仓库的核心是可复用的技能目录，你可以把需要的目录接入任何支持自定义指令、技能或项目知识的智能体工作流。

通用方式

选择需要的技能目录：

  • 中文工作流：skills/pm-review-copilot-zh
  • 英文工作流：skills/pm-review-copilot

然后根据你使用的智能体产品，把对应目录里的 SKILL.md 作为技能或项目指令加载，并保留同目录下的 scripts/ 和 references/，让智能体可以读取说明、调用本地脚本和引用模板。

Codex 示例

如果你使用 Codex，可以把需要的技能目录复制到本地 Codex skills 目录：

# 中文版
cp -R skills/pm-review-copilot-zh ~/.codex/skills/

# 英文版
cp -R skills/pm-review-copilot ~/.codex/skills/

Codex 安装后可以这样调用：

使用 $pm-review-copilot-zh 初始化这个项目的 PM 项目记忆。

Use $pm-review-copilot to review this PRD for hallucinations, conflicts, and human-check hotspots.

快速开始

1. 初始化项目记忆

中文：

使用 $pm-review-copilot-zh 为这个项目初始化 project-memory，并询问我必要的偏好设置。

英文：

Use $pm-review-copilot to initialize project-memory for this project and ask only the necessary preference questions.

也可以直接运行脚本：

python3 skills/pm-review-copilot-zh/scripts/init_pm_memory.py --path . --project-name "我的项目"

初始化脚本会创建：

  • project-memory/：项目事实、决策、证据、假设、待更新项、来源登记和审查记录。
  • work-memory/：独立的日复盘、周复盘、月复盘和工作影响记录。

2. 审查 PRD 或策略文档

使用 $pm-review-copilot-zh 审查这份 PRD。请重点找出无证据主张、指标口径问题、与 project-memory 冲突的地方，以及需要我人工确认的内容。

可以指定审查深度，例如“极速审查”“标准审查”或“审计级审查”。未指定时默认使用标准审查。

输出会包含：

  • 顶部视觉结论，例如 🟡 结论：需要本地确认 · 人工审查负荷：🟡 中
  • 当前审查模式
  • 必须检查的项目
  • 带五维风险评分的 Claim 审计
  • 记忆冲突
  • 与上一版的漂移
  • 可以忽略的内容

3. 手动更新项目记忆

使用 $pm-review-copilot-zh 把今天讨论的新决策、证据和开放问题更新到 project-memory。

这个技能不会自动触发，也不会后台同步。它只在用户主动要求时更新。

4. 重要输出前检查新鲜度

使用 $pm-review-copilot-zh 在生成这份 PRD 的最终总结前，检查 project-memory、待更新项和来源快照是否过期。

新鲜度检查只读取少量文件，例如 HUMAN_BRIEF.md、PENDING_UPDATES.md、SOURCE_REGISTRY.md 和最新的 MEMORY_UPDATE_LOG.md，不会默认通读所有历史记忆。

5. 记录在线文档来源

使用 $pm-review-copilot-zh 把这份飞书 PRD 登记到 SOURCE_REGISTRY.md，并记录本地 Markdown 快照路径和同步时间。

后续审查或总结本地快照时，智能体会先提示来源是否 current、unknown 或 stale。

6. 生成工作复盘

使用 $pm-review-copilot-zh 根据本周的项目记忆更新、审查记录和我的补充说明，生成周复盘。

工作复盘写入 work-memory/，不会作为项目当前事实默认读取。

7. 审查标注一致性

python3 skills/pm-review-copilot-zh/scripts/label_consistency_audit.py labels.csv \
  --id-column id \
  --label-columns label_run_1,label_run_2,label_run_3 \
  --output label_audit.md

目录结构

.
├── skills/
│   ├── pm-review-copilot/
│   └── pm-review-copilot-zh/
├── docs/
│   ├── README.en.md
│   ├── README.ja.md
│   └── README.ko.md
├── CHANGELOG.md
├── CONTRIBUTING.md
├── LICENSE
└── README.md

设计原则

  • 广泛采集，择优沉淀，异常审查。
  • 先用场景路由判断工作流、最小读取集、可写文件和输出格式。
  • 把长期事实保存在文件中，不依赖聊天记忆。
  • 默认少读，先判断该读什么，再按需展开细节。
  • 在重要输出前检查记忆和来源是否过期，但不把新鲜度检查等同于自动更新。
  • 将可能变化先放进待更新池；只有已确认、高置信、可追溯的信息才能提升为当前事实。
  • EVIDENCE_LOG.md 只收高置信证据；低置信内容应留在待更新项或假设中。
  • 在线文档是事实来源，本地 Markdown 是快照；审查快照前先检查来源登记。
  • 没有证据、来源或用户决策时，不把假设提升为事实。
  • 审查深度按场景分层：极速用于早期扫读，标准用于默认审查，审计级用于对外或高影响决策。
  • 用 Claim 风险评分排序人工注意力，而不是让 PM 通读所有 claim。
  • 审查报告优先服务人的注意力，而不是展示智能体做了多少工作。
  • 明确说明这是手动触发的技能，不是自动审查或后台同步系统。

许可证

本仓库使用 MIT License。来源设计说明见各技能目录下的 references/source-attribution.md。

↑↓ navigate openesc close